第2章短时傅立叶变换 2．1连续信号的短时傅立叶变换 我们在11节中.docVIP

第2章 短时傅立叶变换 2．1连续信号的短时傅立叶变换 我们在1.1节中已指出，由于在实际工作中所遇到的信号往往是时变的，即信号的频率在随时间变化，而传统的傅立叶变换，由于其基函数是复正弦，缺少时域定位的功能，因此傅立叶变换不适用于时变信号。信号分析和处理的一个重要任务，一方面是要了解信号所包含的频谱信息，另一方面还希望知道不同频率所出现的时间。 早在1946年，Gabor就提出了短时傅立叶变换（Short Time Fourier Transform，STFT）的概念，用以测量声音信号的频率定位[64]。 给定一信号，其STFT定义为 （2.1.1） 式中 （2.1.2） 及 ， 并且窗函数应取对称函数。STFT的含义可解释如下： 在时域用窗函数去截（注：将，的时间变量换成），对截下来的局部信号作傅立叶变换，即得在时刻得该段信号得傅立叶变换。不断地移动，也即不断地移动窗函数的中心位置，即可得到不同时刻的傅立叶变换。这些傅立叶变换的集合，即是，如图2.1.1所示。显然，是变量的二维函数。 由于是窗函数，因此它在时域应是有限支撑的，又由于在频域是线谱，所以STFT的基函数在时域和频域都应是有限支撑的。这样，（2.1.1）式内积的结果即可实现对进行时－频定位的功能。当然，我们自然要关心这一变换时域及频域的分辨率。对（2.1.2）式两边作傅立叶变换，有 （2.1.3） 式中是和等效的频率变量。 图2.1.1 STFT示意图 由于 (2.1.4) 所以 （2.1.5） 该式指出，对在时域加窗，引导出在频域对加窗。 由（1.3）节及图2.1.1可以看出，基函数的时间中心（注意，是移位变量），其时宽 （2.1.6） 即的时间中心由决定，但时宽和无关。同理，的频率中心，而带宽 （2.1.7） 也和中心频率无关。 这样，STFT的基函数具有时－频平面上的一个如下的分辨“细胞”：其中心在处，其大小为，不管取何值（即移到何处），该“细胞”的面积始终保持不变。该面积的大小即是STFT的时－频分辨率。如图2.1.2所示。 图2.1.2 STFT的时－频分辨率 当我们对信号作时－频分析时，一般，对快变的信号，我们希望它有好的时间分辨率以观察其快变部分（如尖脉冲等），即观察的时间宽度要小，受时宽－带宽积的影响，这样，对该信号频域的分辨率必定要下降。由于快变信号对应的是高频信号，因此对这一类信号，我们希望有好的时间分辨率，但同时就要降低高频的分辨率。反之，对慢变信号，由于它对应的是低频信号，所以我们希望在低频处有好的频率分辨率，但不可避免的要降低时域的分辨率。 因此，我们希望所采取的时－频分析算法能自动适应这一要求。显然，由于STFT的不随变化而变化，因而不具备这一自动调节能力。我们在后面要讨论的小波变换则具备这一能力。 现在，我们举例来讨论STFT的时－频分辨率和窗函数的关系及STFT的应用。 例2.1.1 令，可以求出其 （2.1.7） 该例说明，STFT的时间分辨率由窗函数的宽度而决定。 例2.1.2 若，则 （2.1.8） 这样，STFT的频率分辨率由频谱的宽度来决定。 这两个例子给出的是极端的情况，即分别是时域的函数和频域的函数。为其他信号时的情况也是如此。显然，当利用STFT时，若我们希望能得到好的时－频分辨率，或好的时－频定位，应选取时宽、带宽都比较窄的窗函数，遗憾的是，由于受不定原理的限制，我们无法做到使同时为最小。为说明这一点，我们再看两个极端的情况： 若，，则，这样，。这时，STFT减为简单的FT，这将给不出任何的时间定位信息。其实，由于为无限宽的矩形窗，故等于没有对信号作截短。 图2.1.3给出的是在，的情况下所求出的一高斯幅度调制的chirp信号的STFT，上面是时域波形，其中心在处，时宽约为15，左边是其频谱，右下是其STFT，可见此时的STFT无任何时域定位功能。 图2.1.3 窗函数无限宽时STFT缺少时域定位功能 例2.1.4 令，则 这时可实现时域的准确定位，即的时间中心即是的时间中心，但无法实现频域的定位功能。如