时变频谱分析.pptVIP

非平稳信号的时变频谱研究 指导老师：汪晓宁 理论介绍 成果展示 资金使用 项目总结与展望 1 2 3 4 理论介绍 为什么需要研究非平稳信号的时变频谱？ 经典的傅里叶分析能够完美地描绘平稳的正弦信号及其组合，但不能恰当地反映非平稳信号的特征。 许多随机过程从本质上来讲是非平稳的，例如语音信号、冲击响应信号 、机组启、停机信号等。 必须寻找既能够反映时域特征又能够反映频域特征的新方法。 时频分析 线性时频分布 二次时频分布 短时傅里叶变换 Gabor变换 小波变换 Winger—Ville分布 Cohen类 由加窗信号 的傅里叶变换产生短时傅里叶变换。 t x(t) h(t) h(t-τ) x(t)h(t) τ 0 1 是 STFT的基函数。 短时傅里叶变换 时间分辨率 和频率分辨率 不可能同时任意小，根据Heisenberg不确定性原理，有以下限制 时间分辨率和频率分辨率一旦确定，则STFT在整个时频平面上的时频分辨率保持不变。 短时傅里叶变换能够分析非平稳动态信号，其基础是傅里叶变换，更适合分析准平稳(quasi-stationary)信号。 反映信号高频成份需要用窄时窗，而反映信号低频成份需要用宽时窗。短时傅里叶变换不能同时满足这些要求。 Gabor变换 对于在短时fourier中提到的窗函数，当g(t)为高斯函数时，这时的短时fourier就是著名的Gabor变换，这时的窗函数为 　　　 　　　 Gabor展开的基本原理就是用一窗函数及其时移和频移所形成的函数族对信号进行展开，展开的系数就是信号的Gabor变换。于是对于信号的Gabor展开的定义为： 　　　 　　　 其中，T和分别代表时间和频率采样步长，系数称为Gabor系数，称为Gabor展开基。 其二次型的时频表示是一种更为直观和合理的信号表示方法，很好的解决了短时fourier变换中存在的一些问题，比如时频窗选择的困难性，时频分辨率矛盾。 由于是二次型的时频分析方法，Winger—Ville分布的交叉项严重，而且交叉项通常是震荡的，造成信号的模糊不清。 3.为了解决交叉项的存在，有很多方法，包括预滤波法，多分量分离法与辅助函数法，而且解析信号可以很好的消除交叉项。 Winger—Ville分布 成果展示 应用变换 短时傅里叶变换 Gabor变换 Winger—Ville分布 程序设计 程序流程图 程序截图 以跳频信号为例分析 短时傅里叶变换 Gabor变换 Winger—Ville分布 短时傅里叶变换 不同窗运行结果截图 不同窗长情况下运行结果 在时频窗的形状固定不变时，窗口的面积越小，说明时频局部化描述能力越强；窗口的面积越大，说明时频局部化描述的能力就越差； 2.由于时间分辨率与频率分辨率不可能同时的无限小，这两者存在矛盾，为了提高短时fourier变换的时间分辨率，需要选择的窗函数尽可能短； 3.由于短时fourier变换只是截取不同长度的信号进行fourier变换，如果说信号在局部的平稳性好，短时fourier变换比较适合；反之，若局部平稳长度很小，则时频分析的效果较差。 Gabor展开 临界采样的Gabor展开 过采样的Gabor展开 1.gabor展开的采样率对结果的影响很大，临界采样时，时频分辨率都比较差；过采样时，可以得到比较好的时频分辨率。 2.Gabor变换是具有最小时频窗的短时fourier，这体现了Gabor展开的优越性。 3. Gabor变换可以达到时频局部化的目的：它可以同时提供时域和频域局部化的信息。 4.时间频率的宽度对所有频率是固定不变的。实际要求是：窗口的大小应随频率而变化，频率高窗口应愈小，这才符合实际问题中的高频信号的分辨率应比低频信号的分辨率要低。 Winger-Ville分布 不同频点数的时频图 Winger-Ville分布 1.频点数越多，信号的频域分辨率就越好。其二次型的时频表示是一种更为直观和合理的信号表示方法，很好的解决了短时fourier变换中存在的一些问题，比如时频窗选择的困难性，时频分辨率矛盾。 2.由于是二次型的时频分析方法，Winger—Ville分布的交叉项严重，而且交叉项通常是震荡的，造成信号的模糊不清。 3.为了解决交叉项的存在，有很多方法，包括预滤波法，多分量分离法与辅助函数法，而且解析信号可以很好的消除交叉项。 三种时频算法比较 通过比较三种时频分析算法: Wigner-Vill