小波变换与应用(第六章)研究.ppt

第六章小波变换与应用6.1短时傅立叶变换与小波分析6.2小波变换的特点及其基本性质6.3多分辨力小波分析的基本框架6.4双正交滤波器组的设计6.5时-频信号分析的Matlab仿真本章小结 前面主要讨论统计量不随时间变化的平稳信号的数学处理方法。但实际信号却往往有某个统计量是时间的函数，这类信号统称为非平稳信号。例如，绝大多数机电系统的早期故障信号、目标运动时雷达和声纳信号均为非平稳信号。 虽然卡尔曼滤波、递推最小二乘法和LMS自适应滤波等也适用于处理非平稳信号，但这些算法仅限于慢时变信号的跟踪。当信号的统计特性随时间流逝而发生显著变化时，只能用信号的瞬时统计特性（局部性能）来表征描述非平稳信号，对此经典的傅立叶变换不再是有效的数学工具了。因为傅立叶变换是针对全局信号进行的变换，反映信号统计特性的傅立叶谱，完全不具备某一频率分量发生时刻的信息。这就促使去寻找一种联合时域和频域的二维分析方法，来研究信号的瞬时统计性能，这就是所谓的时-频分析方法。 非平稳信号的时频分析方法同样可以分为线性和非线性变换两大类，本章主要是从工程实现的角度出发，介绍目前分析非平稳信号最常用的线性变换方法——小波变换。6.1短时傅立叶变换与小波分析 先考察声纳进行谱线检测与跟踪时的一种典型工作情况。在图6-1(a)中，A是目标舰艇，它以恒定速度v运动，B是 一静止的声纳浮标（水声传感器）。A与B之间的距离rk是 随时间k而变化的。 令水声传感器的位置在目标舰线上的投影点为0，并以目标舰到达0点的时刻作为时间原点k=0，则距离线与目标线的夹角余弦可表示为 记f0为目标舰辐射谱线频率，则由于多普勒效应，水声传感器检测到的信号瞬时频率为 fk随时间k变化的情况以及相应的时-频图分别由图6-1(b)和图6-1(c)表示。由图可见，当目标距离越近时，信号频率随时间的变化速率越快，最需要密切监视目标舰和采取必要的措施。因此，如果没有很好的方法处理快速变化的信号，图6-1(c)时频曲线中间过渡部分将变得模糊不清。这不仅无法跟踪（锁定）目标，而且还丧失了检测能力。 由于经典的傅立叶变换仅在频域里有局部分析（频谱的分布）的能力，而在时域里不存在这种能力（时域波形完全不包含任何频域信息），因而，无法处理上述调频信号问题，至于第五章介绍的自适应谱线增强器，基本上可以解决这一类问题，但效果不好。1946年，DennisGabor引进了短时傅立叶变换（Short-timeFourierTransform，STFT）以及随后发展起来的时-频信号处理方法，可以较好的解决非平稳信号的处理问题。 STFT的基本思路是：把信号划分成许多小的时间间隔，用傅立叶变换分析每一时间间隔，以便确定该时间间隔存在的频率。下面就介绍这一思路的数学表示方法。6.1.1短时傅立叶变换 STFT是对信号x(t)施加一个实滑动窗w(t-τ)（τ反映滑动窗的位置）后，再作傅立叶变换，即 （6.1.1）它也可以看作是x(t)与调频信号g(t)=w(t-τ)ejωt的内积；其中，τ－移位因子，ω－角频率。 在这个变换中，w(t)起着时限作用，随着时间τ的变化，w(t)所确定的“时间窗”在t轴上移动，“逐渐”对x(t)进行 分析,故STFTx(ω，τ)大致反映了信号x(t)在时刻τ含有频率成分为ω的相对含量，如图6-2所示。这样，信号在滑动窗上展开就可以表示为 [τ-Δt/2,τ+Δt/2]、[ω-Δω/2，ω+Δω/2]其中，Δt和Δω分别称为窗口的时宽和频宽，它们表示时频分析的分辨力。 在实际应用中，希望窗函w(t)是一个“窄”的时间函数，以便于细致观察x(t)时宽Δt内的变化状况；基于同样的理由，还希望w(t)的频带Δω也很窄，以可以仔细观察x(t)的在频带Δω区间内的频谱。 但海森伯格（Heienberg）的测不准原理（UncertaintyPrinciple）[5]指出Δt和Δω是相互制约的，两者不可能都任意小，事实上，窗口的面积必须满足：Δt×Δω≥½当且仅当w(t)为高斯函数时，等号才成立。 例6-1假定w(t)是高斯型的，当τ=0时，有对于固定频率ω=ω00,调频信号及其傅立叶变换分别为 由于ω0只影响g(t)中的复指数因子，因此，从时域上看，当ω0变为2ω0时，g(t)的包络不变，只是包络线下的谐波频率发生变化，如图6-3（a）所示；从频域上看，当 ω02ω0ωωttg(t)=exp(-t2/T)cos2ω0tτω2ω0ω0ω0/2τ1τ0G(ω)=√πT·exp[-T(ω-ω0)2/4]G(ω)=√πT·exp[-T(ω-2ω0)2/4]g(t)=exp(-t2/T)cosω0t(a)(b)图6-3STFT的分析特点（a）频率变化的影响；（b）基本分析单元的特点OOω0变为2ω0时，G(ω)的