现代信号处理教程 - 胡广书(清华)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
81
为了看清图3.3.4中交叉项的行为,我们将该图作了旋转,因此,水平方向为频率,垂直方向为时间。
图3.3.3 例3.3.3的WVD 图3.3.4 例3.3.4的WVD
例3.3.5 令
()21
4
2
t x t e ααπ-⎛⎫= ⎪⎝⎭
(3.3.5)
可求出其WVD 为
()22,2exp[]x W t t ααΩ=--Ω (3.3.6)
这是一个二维的高斯函数,,且()Ω,t W x 是恒正的,如图3.3.5所示。
由该图可以看出,该高斯信号的WVD 的中心在()()0,0,=Ωt 处,峰值为2。参数α控制了WVD 在时间和频率方向上的扩展。α越大,在时域扩展越小,而在频域扩展越大,反之亦然。其WVD 的等高线为一椭圆。当WVD 由峰值降到1
-e 时,该椭圆的面积π=A 。它反映了时-频平面上的分辨率。 如果令 ()21
42t h t e ααπ-⎛⎫=
⎪⎝⎭,()214
2
t x t e ββπ-⎛⎫= ⎪⎝⎭
,则()t x 的谱图 ()⎥⎦
⎤⎢⎣⎡Ω+-+-+=Ω222
1exp 2,βαβααββααβ
t t STFT x (3.3.7)
82
图3.3.5 例3.3.5的WVD,(a )高斯信号,(b )高斯信号的WVD
它也是时-频平面上的高斯函数。当其峰值降到1
-e 时,椭圆面积π2=A 。这一结果说明,WVD 比STFT 有着更好的时-频分辨率。
如果令 ()()t
j e
t t x t x 001Ω-= (3.3.8)
式中()t x 是(3.3.5)式的高斯函数。()t x 1是()t x 的时移加调制,其WVD 是:
()12
2
00,2exp[()()/]x W t t t ααΩ=---Ω-Ω (3.3.9)
它将(3.3.6)式的()Ω,t W x 由()()0,0,=Ωt 移至()()00,,Ω=Ωt t 处。其WVD 图形请读者自己画出。
例3.3.6 令 ()2201
4
22j t t j t z t e
e e αβαπΩ-⎛⎫= ⎪⎝⎭
(3.3.10) 它是由(3.3.5)式的()t x 与
83
()2
02
j t
j t y t Ae
e βΩ= (3.3.11)
相乘而得到的(在(3.3.9)式中,A=1)。我们已熟知()t y 为线性调频Chirp 信号,其WVD 是:
()()2
0,2y W t A t πδβΩ=Ω-Ω- (3.3.12)
其图形我们已在图1.1.2中给出。(3.3.9)式()t z 的WVD 是
()2
2
0,2exp[()/]z W t t t αβαΩ=--Ω-Ω- (3.3.13)
它是恒正的。显然,高斯信号、Chirp 信号都是(3.3.9)式()t z 的特例。()Ω,t W z 如图3.3.6所示。
图3.3.6 例3.3.6的WVD ,(a )Chirp 信号,(b )Chirp 信号的WVD
例3.3.7 令()x t 为一多普勒信号。所谓多普勒信号指的是一个物体相对一个位置不变的“观察者(如雷达)”运动时,
“观察者”所听到或所记录到的该物体运动的信号,如其运动
84
的速度或发出的声音。众所周知,当该运动物体接近和远离“观察者”时,其信号当频率会发生变化。图3.3.7 给出了该信号当时域波形、频谱及时-频分布。由该图可看出信号的能量随时间和频率的分布。
图3.3.6 例3.3.6的WVD
3.4 Wigner 分布的实现
如同许许多多的其它信号处理的算法一样,我们最终的目的是要将它们应用于科研或工程的实际。这时所遇到的问题同样是信号的离散化及数据的有限长问题。 在(3.1.2)式中,若令对信号()t x 的抽样间隔为s T ,即s nT t =,并令s kT =2
τ
,则s kT 2=τ,
这样,(3.1.2)式对τ的积分变成对k 的求和,即 ()()()∑∞
-∞
=Ω-*
-+=Ωk T k j s
s
s
s
s
x s
e
kT nT x kT nT x T t W 22, (3.4.1)
若将s T 归一化为1,并考虑到相对离散信号的频率s T Ω=ω[19]
,则上式变为:
()()()∑∞
-∞
=-*
-+=k k j x e
k n x k n x t W ω
ω22
, (3.4.2)
85
我们知道,将()t x 变成()n x ,则()t x 的频谱()Ωj X 将变成周期的频谱()
ωj e X ,周期为π2,且π2对应的抽样频率为s f 。与此同样的是,()t x 的WVD ()Ω,t W x 也变成周期的()ω,n W x ,但是,由(3.4.2)式,()ω,n W x 的周期为π,即: ()()()()
∑∞
-∞
=+-*
-+=+k k j x e
k n x k n x n W πωπω22
, (3.4.3)
众所周知,若()t x 的最高频率为max f ,那么,抽样频率至少应满足max 2f f s ≥。这是由抽样定理所决定的。如若按max 2f f s =对()t x 抽样,那么用抽样后的()n x 做WVD ,由于其周期变为π,因此在WVD 中必将产生严重的混迭。解决这一问题的直接方案是提高抽样频率,要求s f 至少要满足
max 4f f s ≥ (3.4.4) 但是,一旦信号()t x 由max 2f f s =抽样变成()n x 后,要想对()t x 重新抽样是困难的。解决该问题的较为简便的方法有两个:
1、采用解析信号,由解析信号的性质可知,将()t x 作Hilbert 变换得到()t x ˆ,按()()()t x
j t x t z ˆ+=构成解析信号。()t z 只包含()t x 的正频率部分。这样,既可减轻由正、负频率分量所引起的交叉项干扰,又可在保持原有抽样频率max 2f f s =的情况下,避免了频域的混迭;
2、对()n x 作插值,人为地将其抽样频率s f 提高。具体办法是:
若想将抽样频率s f 提高一倍,则可将()n x 每两点之间插入一个零,然后再让该信号通过一低通数字滤波器,从而将插入的这些零值变成原信号相应点的插值,有关插值的原理,详见本书第5章,此处不在讨论。
对(3.4..3)式,现余下两个问题要解决。一是频率ω仍需离散化,二是式中对k 的求和需要取有限长。式中k 是信号x 的时间序号,n 代表时移。现令
()()()k n x k n x k n r x -+=*
, (3.4.5)