小波变换与应用(第六章).ppt

小波分析与应用 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，Dennis Gabor 引进了短 时傅立叶变换（Short-time Fourier Transform，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 e jωt 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（Uncertainty Principle）[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 ≥ ? 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 ω0 0, 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）