信号时频分析-讲义
信号时频分析-讲义-WVD
Wigner-Ville 分布Wigner-Ville 分布可以看作是一大类分布的原型,它们和短时傅立叶变换谱有着本质的不同。
它首先由Wigner 提出,用于量子力学领域问题的研究,后由Ville 引入到信号分析。
因为在计算中,信号需要用到两次,因此Wigner-Ville 分布被称为一种二次型分布。
基本定义及计算Wigner-Ville 分布可由信号x (t )本身或它的频谱)(ωX 定义为如下两种等价方式ττ+τ-=ωτω-+∞∞-⎰d )e 21()21(π21)(i t x t x ,t WVD *x , (2.1.1)τθ+ωθ-ω=ωθ+∞∞-⎰d )e 21()21(π21)(i t *x X X ,t WVD . (2.1.2) 其中*表示复数共轭。
要证明上面两式是等价的,只需将信号写成它的频谱形式,然后将其代入到(2.1.1)式,即可得到(2.1.2)式。
式(2.1.1)中,)2/()2/(*ττ+-t x t x 称为信号的瞬时相关函数,因此Wigner-Ville 分布实质上是对信号的瞬时相关函数的傅立叶变换,它的结果能够反映信号的时频特征。
例2.1.1 对于信号)π400sin()(t t x = )10(≤≤t (2.1.3)其采样频率为1000 Hz 。
图2.1.1是其Wigner-Ville 分布,频率轴划分区间数为512。
图中清楚显示,该信号在整个时间段上,只含有一个频率为200Hz 的分量。
需要说明的是,图中显示的是Wigner-Ville 分布的绝对值,后面所有图中,如果没有特别注明,都默认显示的是绝对值。
图2.1.1 信号(2.1.3)的Wi gn er-Vi ll e 分布W i g n e r -V il l e 分布5000.2 0.4 0.6 10.20.40.60.8例2.1.2)π50π100sin()(2t t t x += )20(≤≤t , (2.1.4)这是一个线性调频信号。
时频信号分析课件
2020/3/28
6
2020/3/28
7
2020/3/28
8
2、傅里叶变换对于非平稳信号的局限性
平稳信号 工程上 频率不随时间变化的信号(时
不变信号)
非平稳信号 工程上 频率随时间变化的信号(时
变信号)
定义上有别与平稳随机信号——均值(一阶矩)和 相关(二阶矩)函数不随时间变化。
非平稳信号——频率随时间变换不合适 X ( j)
2020/3/28
4
傅里叶变换建立了一个域到另一个域的通道,但它
并没有将时域和频域组合成一个域。在上述傅里叶
变换中,x和t 这两个变量是互相排斥的。即若想知
道在某一频率处 的X (j) ,需要知道x(t)在 t
所有值,反之亦然:
X
(
jΩ0
)
x(t)e jΩ0tdt
x(t
0
)
1 2π
2020/3/28
2
时间和频率是描述信号的两个最基本的物理量 频率 ------ 具有明确的物理意义 (1)波形源 (2)波的传播 (3)简化对波形理解 (4)FT数学工具
时域 (傅里叶变换) 频域
X
(
j
பைடு நூலகம்
)
x(t)e jtdt
x(t)
1
X ( j )e jtd
2π
x(t) dt
2020/3/28
13
但是受实际上不确定原理的制约,时间分辨率和频率 分辨率不能同时达到最好(即分辨间隔最小)。因此 在实际信号分析中,应根据信号的特点及信号处理任 务的需求选取不同的时间分辨率和频率分辨率。
时域突变信号——高的时域分辨率,降低频率分辨率 要求
《信号分析与处理》ch08时频分析与小波变换 教学课件
瞬时相关函数表示信号在瞬时相关域(t,τ)的瞬时相关程度。x(t)与y(t)的瞬时互相 关函数的定义式为
3.Wigner-Ville (维格纳-维尔)分布
对于随机信号,瞬时相关函数只要在上述定义式右边取均值即可。 信号x(t)的自Wigner分布的定义为其瞬时相关函数关于滞后τ的傅里叶变换:
其中,x为信号序列;window 为选用的窗函数(如果window 是一个整数,则序列 将x分成长度等于 window 长度的片段,并采用汉明窗;如果window 是一个向量 ,则将序列x分成长度等于window长度的片段,并采用向量window确定的窗函数 );noverlap 为信号片段之间的重叠长度:nm为FFT的数据长度;s 为采样频率,默 认值为1Hz。此外,还可以使用spectrogram(...reqloc)的句法来控制频率轴的 显示freqloc的值可以为“xaxis”或“yaxis”即x轴和y轴中的一个为频率轴,另 一个为时间轴。默认x轴是频率轴。
2.短时傅里叶变换(STFT)
式(8-11)实际上就是一个M点离散傅里叶变换(DFT)若窗函数g(n)的窗口宽度正好 也是M点,则式(8-11)可写成
在应用中,若g(n)的窗口宽度小于M,则可采用补零的方法使其长度变为M;若g(n) 的窗口宽度大于M,则应增大M,使之等于窗函数的宽度。
2.短时傅里叶变换(STFT)
Ville 分布。Wigner-Ville分布形式简单,并具有一系列良好性质,是应用十分广
泛的时频分布。
信号x(t)的Wigner-Ville分布也可以用信号的频谱定义为
信号x(t)和y(t)的联合Wigner-Ville分布的定义式为
信号理论讲义6(时频分析)
频域位移不变性
若
s( ) s( 0 )
则 P(t , ) P(t , 0 )
若 则
s (t ) e
j0t
s (t t0 )
P(t , ) P(t t0 , 0 )
线性尺度变换:
若 则
s (t ) as (at ) P (t , ) P ( at , / a )
特点:
原理简单明确 有合理的物理意义 计算容易。
特性分析:
总能量
E= Psp (t , )dtd | st ( ) |2 dtd ˆ | s( t ) |2 | g ( ) |2 dtd ˆ ( | g ( ) |2 | s ( t ) |2 dt )d ˆ | g ( ) |2 d s
1.将信号和窗函数离散化。 s (t ) {s (n)} g (t ) {g (n)} 2.将s (n)与g (n-m)相乘,得到{s (n) g (n-m)}。 3.对{s (n) g (n-m)}作离散傅立叶变换。 DSTFT ( s )(m, l ) s (n) g (n-m)e
?
二次型时频分布:
信号项
若 则
z (t ) c1 x(t ) c2 y (t ) Pz (t , ) | c1 |2 Px (t , ) | c2 |2 Py (t , )
* * c1c2 Px , y (t , ) c2c1 Py , x (t , )
交叉项
3.对函数st ( )作傅立叶变换 1 ˆ st ( ) st ( )e j d 2 1 s ( ) g ( t )e j d 2 因此,在t时刻信号的能量密度频谱是 ˆ Psp (t , )=|st ( ) |2
信号的时频分析与小波分析PPT
其调用格式为: [cA,cD] = dwt(x, 'wname') [cA,cD] = dwt(x, 'wname', 'mode', MODE) 返回变量cA:信号DWT对应的近似(Approximation)展开系数 cJ [k ] 返回变量cD:信号离散小波变换对应的细节(Detail)展开系数 d J [k] 调用参数x:表示信号序列,相当于 cJ1[k] 调用参数wname:表示小波名称,参见函数wfilters 调用参数MODE:表示信号DWT延拓模式。
[CXD, LXD] = wavedec(XD, N, ‘wname’) 调用参数TPTR:表示阈值规则,主要有'rigrsure', 'heursure', 'sqtwolog', 'minimaxi'规则 调用参数SORH:表示是soft阈值(‘s’)还是hard阈值(‘h’) 调用参数SCAL:表示是否需要设置多重阈值 调用参数N:表示信号离散小波变换的级数,为正整数。
8
实验六 信号的时频分析与小波分析
(6) 函数wden实现一维信号的去噪,小波名称以及阈值都可以设定。 调用格式为
[XD, CXD, LXD] = wden(x, TPTR, SORH, SCAL, N, 'wname') [XD, CXD, LXD] = wden(C, L, TPTR, SORH, SCAL, N, 'wname') 返回变量XD:表示由噪声信号x的DWT经过阈值去噪后得到的信号; 返回变量CXD与LXD:表示信号XD的小波变换,即
03 第三讲 时频分析
时频分析目前的主要应用:
语音识别、 生物医学信号、 雷达信号处理、 声纳信号处理、 图像处理、 地震信号处理、 机械振动、 信号重构、 扩频通信中的干扰抑制、 等方面都有着广泛的应用。
信号的时频表示
目前,人们已提出了很多信号的时频表 示方法。这些表示方法基本上可分为线性 时频表示、双线性(二次型)时频表示和 非线性时频表示三大类。 我们用 Tf (t,ω)表示信号 f (t)的线性时频 表示,用 Pf (t,ω) 表示 f (t) 的时频分布。
s(t)
s(t) → P(t − t0 ,ω)
• 2 频移不变性
S(ω −ω0 ) = e
s(t) → P(t,ω) ⇒ e
jω0t
jω0t
S(ω)
s(t) → P(t,ω −ω0 )
尺度变换性
sscale (t) = as(at)
s(t) → P(t,ω) ⇒ s(t) = as(at) → P (t,ω) = P(at,ω / a) scale
非平稳信号
信号是非平稳的,也就是说信号的频率 成分是时变的。非平稳信号不是时间t的确 定函数,它是在每一个确定时刻的分布值 是不确定的。 这时只了解信号的全局特性是远远不够 的。 人们希望得到的是信号频谱随时间变化 的特征,即信号的时频局部化特征。
时频分析的必要性
真实世界是非平稳、非线性、非均匀、非确定、 非可积、非可逆、非规则、非连续、非光滑、非周 期和非对称的。 天然和人工的信号,如:语音、生物医学信号、 音乐、雷达和声纳信号、机械振动和动物的叫声都 是典型的非平稳信号,其特点是持续时间有限且是 时变的。 时频分析正是着眼于真实信号组成成份的这种 时变谱特征,将一个一维的时间信号s(t)以二维的 时间频率函数形式P(t,ω)表示出来,旨在提示信号 中包含多少频率分量,以及每一分量是如何变化的。
《信号的时频分析》课件
高效算法
研究更高效的时频分析算法,提高计算效率和准确性。
多维信号处理
拓展时频分析在多维信号处理领域的应用,如图像和视频信号。
深度学习与机器学习
结合深度学习和机器学习技术,改进时频分析的性能和效果。
THANKS
感谢您的观看。
03
CHAPTER
信号的时频分析方法
短时傅里叶变换是一种常用的信号时频分析方法,通过在时间上滑动窗口并对每个窗口内的信号进行傅里叶变换,可以得到信号在时间和频率上的分布信息。
总结词
STFT通过在时间轴上滑动一个固定大小的窗口,并对每个窗口内的信号进行傅里叶变换,将信号从时域转换到频域。窗口的大小和形状可以根据需要进行选择,常用的有矩形窗、汉明窗等。STFT的优点在于其简单易行,可以直观地展示信号的频率成分随时间的变化情况。《信号的Fra bibliotek频分析》ppt课件
目录
引言时频分析的基本概念信号的时频分析方法时频分析的应用实例时频分析的挑战与展望
01
CHAPTER
引言
03
时频分析在信号处理、通信、雷达、声呐、振动分析等领域有广泛应用。
01
信号的时频分析是一种研究信号时间-频率特性的方法,用于揭示信号中隐藏的频率成分和时间变化规律。
02
它通过将信号从时间域转换到频率域,并分析信号在不同时间和频率下的表现,来描述信号的时频特性。
通过时频分析,可以更好地理解信号的特性和变化规律,为信号处理、特征提取、模式识别等应用提供有力支持。
时频分析在处理非平稳信号时具有独特的优势,能够有效地提取信号中的瞬态特征和突变信息。
时频分析能够揭示信号中隐藏的频率成分和时间变化规律,对于理解和处理复杂信号非常重要。
时频分析第一讲
什么是信号
信号是传载信息的事物
信号的分类
根据信号的数学表达形式可 分为一维信号、二维信号、三维 信号和高维信号。
通常一维信号称为时间信号。
信号的分类
在信号处理理论中常把信号分为 连续信号(或模拟信号)、离散信 号和数字信号。
连续时间信号
所谓连续时间信号是指:在连续时间区 间内定义的信号。连续时间信号有时简 称为连续信号或模拟信号。
时-频分析的研究始于20世纪40年 代。伽波尔和维尔受到量子力学研究的 启发,把相似的数学方法用于时-频分 析的研究中。伽波尔不仅发展了量子力 学中的相干状态的数学方法,而且还把 解析信号的重要概念引入时-频分析。 维尔推导得出魏格纳在1932年研究量子 统计力学时所得到的一种分布。
经典的傅里叶分析只能把信号分解成单个的
抽样时间就可表示为
tn nT , n [0, N ]
于是抽样信号可以表示为 f(nT),注意到 T 是个常数,离散 信号的变量实际就是整数变量 n,这就是说离散信号可以用 序列 f(n)来表示。
数字信号
所谓数字信号,是指定义在离散时间集 合上(通常是等间隔离散化的),信号 幅值取量化值的信号。
((n))N l 例如:给定 N=8 时, 当 n=18 时,因为 n 28 2 ,即 m 2, l 2 ,所以 ((18))8 2 ; 当 n=-18 时,因为 n 38 6 ,即 m 3, l 6 ,所以 ((18))8 6 ; 当 n=4 时,因为 n 08 4 ,即 m 0, l 4 ,所以 ((4))8 4 ;
深入理解傅里叶分析
3.连续、周期时域信号←映射→非周期、离散频 域信号,它由周期函数的傅里叶级数展开是构成 映射关系,即
信号的时频分析
高通滤波器 小波方程
gk kZ
小波函数 t
Mallat算法
MRA
令 Vj , j , 2, 1,0,1,2, 中的一个函数子空间序列。若下列条件成立: 1) 单调性: Vj 1 Vj Vj 1 , j Z 2) 逼近性 : V j {0},
Hilbert空间的例子与两向量正交
• 例1 空间是Hilbert空间,内积 定义 f , g f ( x) g ( x)dx 为 • 例2 l 2 ( Z ) 空间是Hilbert空间,内积 定义 a, b anbn 为 n • 两向量正交 内积空间中的两向量x 与y 称 为是正交的,如果 x, y 0 这时常 写x y 。
|| f || p ( | f ( x) |
p
dx)
1p
空间 L (R) 的重要不等式
• Minkovski 不等式 是 || f g || p || f || p || g || p • Holder 不等式 对于p≥1,q≥1, 1 p 1 q 1 是 || fg ||1 || f || p || g ||q • Cauchy-Schwarz 不等式(p=q=2特殊情形) || fg ||1 || f ||2 || g ||2 是
a
Hilbert空间
• 内积空间 引入了内积的线性空间称为内积 空间。 • 内积空间是线性赋范空间 在内积空间中,对 每个 f X ,由内积导入范数,定义 为 || f || f , f 1 2 则X 就变成了一个线性赋范空间。 • Hilbert空间 一个完备的内积空间称为 Hilbert空间。
时频信号分析 PPT课件
由此可以得到Hilbert反变换的公式
x(t) 1 x$(t) 1 x$( ) d
πt
π t
设 x$(t) 为信号x(t)的Hilbert变换,定义
z(t) x(t) jx$(t)
为信号x(t)的解析信号。 对实信号x(t)引入解析信号z(t)的理由: (1) x(t) ——实,X(j Ω) ——共轭对称,即
这样,我们无法从局部频率处 ( 0或1 2 ) 的 X (j) 来得到某一局部时刻 (t t0或t1 t t2 ) 的 x(t),反过来也是如此的。这就是说,通过傅里叶变 换建立起来时域——频率关系无“定位”功能。换 句话说,时间信号x(t)某个局部的改变将传遍(影响) 整个频率轴,相反也一样,X (j) 某个局部的变换也 将传遍整个时间轴。
但是受实际上不确定原理的制约,时间分辨率和频率 分辨率不能同时达到最好(即分辨间隔最小)。因此 在实际信号分析中,应根据信号的特点及信号处理任 务的需求选取不同的时间分辨率和频率分辨率。
时域突变信号——高的时域分辨率,降低频率分辨率 要求
时域慢变信号——降低时间分辨率,高的频率分辨率 一个“好”的方法,除了能够选择不同的时间分辨率 和频率分辨率外,还应能适应信号特点自动调节时域 的分辨率和频域的分辨率。
2、傅里叶变换对于非平稳信号的局限性
平稳信号 工程上 频率不随时间变化的信号(时
不变信号)
非平稳信号 工程上 频率随时间变化的信号(时
变信号) 定义上有别与平稳随机信号——均值(一阶矩)和 相关(二阶矩)函数不随时间变化。 非平稳信号——频率随时间变换不合适 X ( j)
与时间无关
EX: 线性频率调制信号
X ( j) x(t)e jtdt
《信号的时频分析》课件
概念:一种数学工具,用于分析信号的时频特性
特点:具有局部性、多分辨率、自适应性等优点
应用:广泛应用于信号处理、图像处理、语音识别等领域
原理:通过小波基函数对信号进行分解和重构,实现信号的时频分析
原理:将信号分解为多个本征模态函数(IMF)
特点:自适应性、局部性、完备性
应用:信号处理、数据分析、故障诊断等领域
理论基础:介绍信号时频分析的基本概念和理论
应用实例:介绍信号时频分析在实际工程中的应用
实验操作:介绍信号时频分析的实验操作步骤和注意事项
总结与展望:总结信号时频分析的主要内容和发展趋势
添加项标题
信号的时频表示:将信号在时间和频率两个维度上进行表示
添加项标题
傅里叶变换:将信号从时域变换到频域,实现信号的时频表示
通信系统:信号的时频分析在通信系统中用于信号的接收、处理和传输。
雷达系统:信号的时频分析在雷达系统中用于目标检测、跟踪和识别。
声纳系统:信号的时频分析在声纳系统中用于水下目标的探测和定位。
生物医学信号处理:信号的时频分析在生物医学信号处理中用于心电图、脑电图等信号的分析和处理。
添加标题
添加标题
添加项标题
短时傅里叶变换(STFT):将信号在时间上进行分段,对每个分段进行傅里叶变换,实现信号的时频表示
添加项标题
小波变换:将信号在时间和频率两个维度上进行分解,实现信号的时频表示
添加项标题
希尔伯特变换:将信号从时域变换到频域,实现信号的时频表示
添加项标题
信号的时频表示的应用:信号处理、通信、雷达等领域
多尺度分析:通过调整尺度函数,实现信号在不同尺度下的时频表示,从而更好地分析信号的时频特性。
滤波器类型:低通、高通、带通、带阻等
信号时频分析-讲义-WVD
Wigner-Ville 分布Wigner-Ville 分布可以看作是一大类分布的原型,它们和短时傅立叶变换谱有着本质的不同。
它首先由Wigner 提出,用于量子力学领域问题的研究,后由Ville 引入到信号分析。
因为在计算中,信号需要用到两次,因此Wigner-Ville 分布被称为一种二次型分布。
基本定义及计算Wigner-Ville 分布可由信号x (t )本身或它的频谱)(ωX 定义为如下两种等价方式ττ+τ-=ωτω-+∞∞-⎰d )e 21()21(π21)(i t x t x ,t WVD *x , (2.1.1)τθ+ωθ-ω=ωθ+∞∞-⎰d )e 21()21(π21)(i t *x X X ,t WVD . (2.1.2) 其中*表示复数共轭。
要证明上面两式是等价的,只需将信号写成它的频谱形式,然后将其代入到(2.1.1)式,即可得到(2.1.2)式。
式(2.1.1)中,)2/()2/(*ττ+-t x t x 称为信号的瞬时相关函数,因此Wigner-Ville 分布实质上是对信号的瞬时相关函数的傅立叶变换,它的结果能够反映信号的时频特征。
例2.1.1 对于信号)π400sin()(t t x = )10(≤≤t (2.1.3)其采样频率为1000 Hz 。
图2.1.1是其Wigner-Ville 分布,频率轴划分区间数为512。
图中清楚显示,该信号在整个时间段上,只含有一个频率为200Hz 的分量。
需要说明的是,图中显示的是Wigner-Ville 分布的绝对值,后面所有图中,如果没有特别注明,都默认显示的是绝对值。
图2.1.1 信号(2.1.3)的Wi gn er-Vi ll e 分布t /sf /H zW i g n e r -V il l e 分布50040030020010000.2 0.4 0.6 0.8 10.20.40.60.8例2.1.2)π50π100sin()(2t t t x += )20(≤≤t , (2.1.4)这是一个线性调频信号。
《时频信号分析》课件
图像处理中的傅里叶变 换应用
傅里叶变换可以将图像转换为 频谱图,从而在控制图像分辨 率和修改图像时起到重要的作 用。
小波分析及其应用
小波分析的定义
小波分析是对信号进行时频变换,利用不同的尺度和位置分析信号的频率。
小波变换的应用
小波变换可以用于信号压缩、信号去噪、图像处理等方面。
《时频信号分析》PPT课 件
时频信号分析是一门重要的工程学科,本课程将介绍其基础知识,相关的分 析方法和应用于工程领域的实际案例。
信号与系统基础知识
信号定义
信号是一种表达信息的物理量,可以是声音、光、电等。我们需要对信号进行分析、处理、 传输和处理。
系统定义
系统是这样的一些元素的集合,这些元素在某些条件下进行相互作用。系统可以是物理系统、 电子系统、生物系统等。
时频分析的定义
定义
时频分析是分析信号在时间和频率上变化的一种方法。
目的
时频分析的目的是找到信号在某个特定的时间点和频率上具有的主要特性。
方法
时频分析的方法包括时频分布、Wigner-Ville分布和小波变换等。
常见的时频分析方法
1
连续小波变换(CWT)
2
将信号分解成不同尺度的小波函数,
并分析每个小波函数的频谱行为。
总结和展望
时频信号分析是一门独立但又紧密联系的学科,具有广泛的应用前景。在 未来,时频分析将不断发展完善,为我们的生活带来更多的便利和创新。
信号与系统的关系
信号是系统的输入或输出,系统会对输入信号进行处理,输出相应的信号。
时域和频域的概念
时域
时域是对信号随时间变化的描 述,通俗地说,它告诉我们信 号的"长相"。
第四章 信号与系统的时频特性及分析_第一讲
信号系统与信号处理
HangZhou Dianzi University, Lab of PRIS
杭州电子科技大学
1 x(t ) = 1 + cos(2π t + φ1 ) 2 1 + cos(4π t + φ2 ) 2 1 + cos(6π t + φ3 ) 2
Fig. 4.1
Signals and Systems
HangZhou Dianzi University, Lab of PRIS
Signals and Systems
All Rights Reserved by Stone, 2008
信号系统与信号处理
HangZhou Dianzi University, Lab of PRIS
杭州电子科技大学
Signals and Systems
X ( jω ) = X ( jω ) e
j X ( jω )
;X (e ) = X (e ) e
2
jω
jω
j X ( e jω )
模和信号的能量直接关联;例如: X ( jω ) 可以看作对 2 X ( jω ) d ω / 2π 可以表示在 ω 到 应信号的能谱密度,而 ω + d ω 之间这样一个无限小的频带内包含的能量。因 此模 X ( jω ) 描述的是一个信号的基本频率含量,或者 说组成信号的各复指数信号相对振幅的信息。
Y ( jω ) = X ( jω ) H ( jω ) e
− jφ − jωα
e
Signals and Systems
All Rights Reserved by Stone, 2008
信号系统与信号处理 线性、非线性相位和群时延
信号时频分析-讲义
- -从Fourier 分析到小波分析1 Fourier 分析所有客观存在的事物都包含着大量标志其本身所存的时间空间特征的数据,这就是该事物的信息.当人们要了解事物某方面的情况时,通常要以各种手段把所需的信息表达出来,供人们观测和分析,这种对信息的表达形式称之为“信号”,所以信号是信息的载体。
信号是无处不在的.如我们随时可听到的语音信号,随时可看到的视频图像信号,发电机组运行时的温度信号和振动信号等。
对一个给定的信号或过程,如)(t x ,我们可以用众多的方法来描述它,如)(t x 的函数表达式,通过Fourier 变换所得到的)(t x 的频谱,即)(ˆωx,再如)(t x 的相关函数,其能量谱或功率谱等。
在这些众多的描述方法中,有两个最基本的物理量,即时间和频率。
Fourier 变换和反Fourier 变换作为桥梁建立了信号)(t x 与其频谱)(ˆωx之间的一对一映射关系,从时域到频域的映射关系为Fourier 变换:⎰∞∞--=dt e t x x t j ωω)()( (1—1) 反过来,从频域到时域的映射关系为反Fourier 变换:⎰∞∞-=ωωπωd e x t x t j )(21)( (1—2) Fourier 变换的本质思想是用一些简单的基本函数的加权和来近似和表示一个复杂的函数,这样的近似和表示有很多优点,它给我们分析和认识复杂现象提供了一种有效的途径,一些在时域内难以观察的现象和规律,在频域内往往能十分清楚地显示出来。
Fourier 变换和反Fourier 变换属于整体或全局变换,即只能从整体信号的时域表示得到其频谱,或者只能从整体信号的频域表示得到信号的时域表示。
也就是说频谱)(ˆωx 的任一频点值都是由时间过程)(t x 在整个时域(—∞,∞)上的贡献所决定;反之,过程)(t x 在某一时刻的状态也是由其频谱)(ˆωx在整个频域(-∞,∞)上的贡献所决定。
也就是说,)(t x 在任何时刻的- -微小变化都会牵动整个频谱,而任何有限频段上的信息都不足确定任意小时间范围内的过程)(t x 。
- 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)。
- -从Fourier 分析到小波分析1 Fourier 分析所有客观存在的事物都包含着大量标志其本身所存的时间空间特征的数据,这就是该事物的信息。
当人们要了解事物某方面的情况时,通常要以各种手段把所需的信息表达出来,供人们观测和分析,这种对信息的表达形式称之为“信号”,所以信号是信息的载体。
信号是无处不在的。
如我们随时可听到的语音信号,随时可看到的视频图像信号,发电机组运行时的温度信号和振动信号等。
对一个给定的信号或过程,如)(t x ,我们可以用众多的方法来描述它,如)(t x 的函数表达式,通过Fourier 变换所得到的)(t x 的频谱,即)(ˆωx,再如)(t x 的相关函数,其能量谱或功率谱等。
在这些众多的描述方法中,有两个最基本的物理量,即时间和频率。
Fourier 变换和反Fourier 变换作为桥梁建立了信号)(t x 与其频谱)(ˆωx之间的一对一映射关系,从时域到频域的映射关系为Fourier 变换:⎰∞∞--=dt e t x x t j ωω)()( (1-1)反过来,从频域到时域的映射关系为反Fourier 变换:⎰∞∞-=ωωπωd e x t x t j )(21)( (1-2)Fourier 变换的本质思想是用一些简单的基本函数的加权和来近似和表示一个复杂的函数,这样的近似和表示有很多优点,它给我们分析和认识复杂现象提供了一种有效的途径,一些在时域内难以观察的现象和规律,在频域内往往能十分清楚地显示出来。
Fourier 变换和反Fourier 变换属于整体或全局变换,即只能从整体信号的时域表示得到其频谱,或者只能从整体信号的频域表示得到信号的时域表示。
也就是说频谱)(ˆωx的任一频点值都是由时间过程)(t x 在整个时域(-∞,∞)上的贡献所决定;反之,过程)(t x 在某一时刻的状态也是由其频谱)(ˆωx在整个频域(-∞,∞)上的贡献所决定。
也就是说,)(t x 在任何时刻的微- -小变化都会牵动整个频谱,而任何有限频段上的信息都不足确定任意小时间范围内的过程)(t x 。
因此,Fourier 变换建立的只是一个域到另一个域的桥梁,并没有把时域和频域组合在一起,所以频谱)(ˆωx只是显示了信号)(t x 中各频率分量的振幅和相位,而无法表现信号各频率分量随时间变换的关系。
t / s t / s (a) x 1(t ) (b) x 2(t )图2.1 信号x 1(t )和x 2(t )图2.1中的两个信号x 1(t )、x 2(t )可很好地说明Fourier 变换的局限性,它们的时域表示如下:)18sin()12sin()6sin()(1t t t t x πππ++= 0≤t ≤4s (1-3)⎩⎨⎧≤≤+<≤+=s 4t 2 )(18sin 2)(12sin s 2t 0 )(12sin )(6sin 2)(2t t t t t x ππππ (1-4) 这两个信号都是由三种频率分量组成,但它们的持续过程是不一样的,在x 1(t )中,三种分量一直存在;而在x 2(t )中,只有一个分量一直存在,另两个只是分别占信号整个过程的前一半和后一半。
f / Hz f / Hz(a)21|)(ˆ|ωx (b)22|)(ˆ|ωx 图2.2 信号x 1(t )和x 2(t )的频谱图2.2是这两个信号的频谱21|)(ˆ|ωx、22|)(ˆ|ωx ,显然这两个不同的信号有相同的频谱,这说明Fourier 分析不能将这两个信号区分开。
- -2 短时Fourier 分析2.1 基本定义为了克服Fourier 变换不能同时进行时间——频率局域性分析的缺点,因发明全息照相技术而获诺贝尔奖的Gabor 于1946年提出了短时Fourier 变换(STFT)。
短时Fourier 变换的思想是把非平稳过程看成是一系列短时平稳信号的叠加,而短时性则是通过时间域加窗来实现,所以也称为加窗Fourier 变换,定义如下:⎰∞∞---=dt e t g t x t j x ωτωτ)()(),(STFT (2-6) 式中)(t g 是分析窗函数,它在时域是紧支的,一般选用能量集中在低频处的实偶函数。
随着τ的不断变化,由g 所确定的窗口在时间轴上移动,使分析信号)(t x 逐步进入被分析的状态,因此该变换反映了信号)(t x 在时刻为τ、频率为ω的分量的相对含量。
Gabor 采用Gauss 函数)(t g a (式2-7)作为分析窗函数,因此用Gauss 函数作为窗函数的短时Fourier 变换也称Gabor 变换),(τωx G 。
Gauss 函数是紧支的,它的Fourier 变换也是Gauss 函数)(ˆωa g(式2.2-8),从而保证了Gabor 变换在时域和频域都具有局域化功能。
a t a e at g 4/221)(-=π (2-7) 2)(ˆωωa a e g -= (2-8)t / s rad/s (a))(t g a (b))(ˆωa g图2.3 Gauss 函数)(t g a 及其Fourier 变换)(ˆωa g可以证明,对于Gabor 变换,式2-9是成立的⎰∞∞-=)(ˆ),(ωττωxd G x (2-9)- -这说明信号x (t )的Gabor 变换按窗口宽度精确地分解了x (t )的频谱)(ˆωx,提取了它的局部频谱信息,当τ在整个时间轴上平移时,就给出了x (t )的完整的Fourier 变换,因此没有损失x (t )在频域上的任何信息。
短时Fourier 变换是能量守恒变换,对于任何窗函数下式都成立⎰⎰⎰∞∞-∞∞-∞∞-=τωωτπd d dt t x x 22|),(STFT |21|)(| (2-10) 在归一化条件下,即dt t x ⎰∞∞-2|)(|=1,短时Fourier 变换是可逆的,其逆变换公式如下 ⎰⎰∞∞-∞∞--=τωτωτπωd d e t g t x t j x )(),(STFT 21)( (2-11) 这里用短时Fourier 变换对上节中的信号x 1(t )和x 2(t )进行了分析,图2.4和图2.5给出了变换结果和相应的3D 显示效果。
t / s 图2.4 信号x 1(t )的Gabor 变换(窗口长度为1/8的信号长度)t / s 图2.5 信号x 2(t )的Gabor 变换(窗口长度为1/8的信号长度)通过图2.4和图2.5可以很容易地辨识出信号x 1(t )和x 2(t ),它们各个频率分量的持续时间也可轻易地知道,如对x 1(t ),它的三个频率成份就一直f / H z 120 6f / H z 02040- -存在,而x 2(t )中,只有一个频率成份一直存在,而其它两个频率成份只是占据了信号整个过程的前一半和后一半。
2.2.2 短时Fourier 变换的时频分辨率短时Fourier 变换是一种时频变换,从上面的例子可以看出,它可以方便地分析非平稳信号,现在很自然会产生这么一个问题,是不是窗口越小越好呢?先看两个极端的例子。
当窗口函数选择为)(τδ时,这时ωττωτj x e x -=)(),(STFT (2-12)信号的STFT 变成了信号x (t ),它保持了信号的所有时间特征,有完美的时域分辨率,却无任何频域分辨率。
另外,当取无限宽的窗函数时,即g (t )=1时,此时的短时Fourier 变换退化成一般的Fourier 变换,这时)(ˆ),(STFT ωωτxx = (2-13) 信号的STFT 变成了信号)(ˆωx,它有极好的频率分辨率,但没有任何时间分辨率。
为了分析Fourier 变换的时频局部化特性,引入相空间的概念。
所谓一个相空间是指以“时间”为横坐标,以“频率”为纵坐标的欧氏空间,而相空间中的有限区域被称为窗口。
相空间的作用是用来刻画一定的物理状态,因此它具有很强的工程背景。
从数学上来说,如果函数)()(2R L t g ∈,且)()(2R L t tg ∈,则)(t g 被称为窗口函数,相空间的点),(00ωt⎪⎪⎩⎪⎪⎨⎧==⎰⎰∞∞-∞∞-ωωωωωd g g dt t g t t g t 220220|)(ˆ|)(ˆ1 |)(|)(1 (2-14) 被称为窗函数)(t g 的中心。
式中,)(ˆωg为窗函数)(t g 的Fourier 变换(下同)。
定义: ⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎪⎭⎫ ⎝⎛-=∆⎪⎪⎭⎫ ⎝⎛-=∆⎰⎰∞∞-∞∞-2/122022/12202|)(ˆ|)()(ˆ1ˆ)()()(1ωωωωωd g g g dt t g t t t g g (2-15)- -为窗函数)(t g 的时宽和频宽。
相空间中以),(00ωt 为中心,以长为g ∆2,宽为gˆ2∆的平行于坐标轴的矩形称为由g (t )所确定的时频窗口。
若g ∆越小,则说明)(t g 在时域上的局部化程度越高,当用这么一个窗进行短时Fourier变换时,将取得较好的时域分辨率;同样,若gˆ∆越小,则说明)(t g 在频域上的局部化程度越高,用于短时Fourier 变换时,将取得较好的频域分辨率。
可以证明gg ˆ∆∆≥1/2 (2-16) 这就是Heisenberg 测不准原理在时频变换中的表现,它表明g ∆和gˆ∆之间存在一定的制约关系,两者不可能同时都任意小。
当且仅当g (t )取Gauss 函数时,式(2.2-16)中等号才成立。
从物理的直观意义上讲,信号的频率必须至少在一个周期内(t ∆≥0/1ω)进行测量,精确测量并认定某一时刻的频率是多少是没有意义的。
图2.6 短时Fourier 变换的相空间表示图2.6给出了短时Fourier 变换的相空间表示。
很明显窗口函数g (t )一旦选定,g ∆和g ˆ∆也随之确定。
因此,对于任意给定的0t 和0ω,短时Fourier变换的时频分辨率可由尺度固定的分辨基元)]ˆ()[(0gg t o ∆±⨯∆±ω来表示,也就是说,短时Fourier 变换在相空间中任何一点(00,ωx )给出的关于信号x (t )的信息,都是由g ∆和gˆ∆这两个不确定量限定的。
由于短时Fourier 变换的时频窗口有相同的时宽和频宽,也就是窗口的大小形状是固定不变的,它在时域和频域的分辨率是固定不变的,即在高频段和低频段有同样的分辨率,这在图2.4和图2.5上有很好的表现,可看出信号中的三个不同的频率成份在图上表现出了同样的带宽。
为了更好地说明g ∆和gˆ∆之间的相互制约性,这里用不同宽度的窗函数对前面的信号x 1和信号x 2进行了分析,如图2.7所示。
- -t / s t / s 图2.7 信号x 1(t )和x 2(t )的Gabor 变换(窗口长度为1/4的信号长度) 和图2.4和图2.5相比,那里的窗口宽度为1/8的信号长度,而现在的窗口用的是1/4的信号长度。