基于WVD的特征提取

目录

Wigner-Ville时频分布图

伪Wigner-Ville时频分布图

平滑伪Wigner-Ville时频分布图

        Wigner-Ville分布（可以简写成WVD）是广泛用于非平稳信号特征提取的一种时频分析方法，能够反应出信号能量密度的时频表示方式，它是以频率以及时间t为变量的，假设有一个信号x(t)那么其WVD可定义为：

        但由于二次型变换先天的缺陷，在处理多分量信号时不可避免地会产生交叉项干扰。交叉项的出现极大地干扰了时频分布，同时也抑制了二次型时频分布的推广。伪Wigner-Ville分布(pseudo WVD, PWVD)是对基本的WVD进行加窗处理。加窗的结果使得WVD的完全非局部性变为局部化，且在某种程度上压缩了多分量信号的交叉项。

图1 原始信号

图2 WVD时频图

        离散的PWVD定义为：

         对PWVD得到的结果进行加窗操作后，可以得到：

式中：表示一个长度为2N-1的实窗函数，并且。

        假设用表示核函数，那么有

        则PWVD变成

        N的选择（通常是2N）对PWVD输出的运算量和时频分辨力影响很大。大的N值可以获得高的时频分辨力，从而产生更加平滑的结果。N的最大值受限于

 图3 PWVD时频图

        WVD和伪PWVD的值并不满足常规意义上的能量正值性，为了实现能量分布为正值性的特点，可通过把WVD与平滑函数进行卷积，从而得到平滑Wigner-Ville分布(SPWVD)。因为有窗函数在时间、频率两方面进行平滑，它具有较佳的消除交叉项效果。

图4 SPWVD时频图

        WVD、PWVD、SPWVD仿真函数用法如下，相应函数可在时频工具箱中找到，并通过相应变换得到信号的时频分布图。

Wigner-Ville时频分布图

功能：计算时间序列的Wigner-Ville时频分布图，得到瞬时频率

格式：

[tfr, t, f] = tfrwv(x)

[tfr, t, f] = tfrwv(x, t)

[tfr, t, f] = tfrwv(x, t, n)

[tfr, t, f] = tfrwv(x, t, n, trace)

说明：

x—信号

t—时间（默认值为1：length(x))

n—频率数（默认值为length(x))

trace—如果非零，显示算法的进程（默认值为0）

tfr—时频分解（为复值），频率轴观察范围为-0.5~0.5

f—归一化频率

如

sig=fmlin(128,0.1,0.4);

tfrwv(sig);

伪Wigner-Ville时频分布图

功能：计算时间序列的伪Wigner-Ville时频分布图，得到瞬时频率

格式：

[tfr, t, f] = tfrpwv(x)

[tfr, t, f] = tfrpwv(x, t)

[tfr, t, f] = tfrpwv(x, t, n)

[tfr, t, f] = tfrpwv(x, t, n, trace)

说明：

x—信号

t—时间（默认值为1：length(x))

n—频率数（默认值为length(x))

trace—如果非零，显示算法的进程（默认值为0）

tfr—时频分解（为复值），频率轴观察范围为-0.5~0.5

f—归一化频率

如

sig=fmlin(128,0.1,0.4);

tfrpwv(sig);

平滑伪Wigner-Ville时频分布图

功能：计算时间序列的平滑伪Wigner-Ville时频分布图，得到瞬时频率

[tfr, t, f] = tfrspwv(x, t, n,G,H, trace)

x—信号

t—时间（缺省值为1：length(x))

n—频率数（缺省值为length(x))

G—时间平滑窗口，G(0)被强制为1(默认:Hamming(N/10))。

H—频率平滑窗口， H(0)被强制为1(默认:Hamming(N/4))。

trace—如果非零，显示算法的进程（默认值为0）

tfr—时频分解（为复值），频率轴观察范围为-0.5~0.5

f—归一化频率