目录
前言
信号处理可以把信号中蕴含的信息变得显然,其中的转变就包括映射(mapping)和变换(transform)。常见的就包括时域和频域的转变,时域表示信号随时间变化的函数,时间维度表征信号;频域通常蕴含傅里叶变换,频率维度表征信号。
进行时频分析的前提要求:
- 适用于信号组成分量的频率不随时间变化的平稳信号;
- 分析结果只能表示信号的频率成分和幅度
- 不能给出频率出现和消失的时间
- 不适用于频率随时间变化的非平稳信号。傅里叶变换是对信号的全局变换,不适用于信号的局部性能分析。
以下给出一个时域波形对应幅度谱的信号:
将上图中的时域波形进行倒置时,发现对应的频率幅度谱居然没有变化,如下:
一. 生成方波以及仿真不同的周期
MATLAB代码:
clear all;
%清除代码中的classes | functions | global | import | java | mex | variables
clc %清除命令行窗口中的所有文本,让屏幕变得干净
t=linspace(-2*pi,2*pi,500); %从-2pi~2pi中,等距离取500个点
x1=square(2*t);
%方波函数,-1~1,改变此处的2可改变后续方波的周期
subplot(1,2,1) %一行两列的第一个图
plot(t/pi,x1,'b') %画方波图,横轴为t/pi,纵轴为x1,blue颜色图
grid on %显示主网格线
x2=square(4*t);
subplot(1,2,2) %一行两列的第一个图
plot(t/pi,x2,'r') %方波图,红色
grid on
运行结果:
对结果的解释:
- t在取点时,个数越多方波越正
- square函数可产生方波,系数变大,周期变小
二. 方波的频谱与谱线
MATLAB代码:
clear all;
clc
t=linspace(-2*pi,2*pi,500); %从-2pi~2pi中,等距离取500个点
x1=square(2*t);
%方波函数,-1~1,改变此处的2可改变后续方波的周期
subplot(1,2,1) %一行两列的第一个图
plot(abs(fftshift(fft(x1))))
%对向量x1,fft快速傅里叶变换
%fftshift:将零频分量移动到数组中心,重新排列傅里叶变换
%abs:绝对值
grid on %显示主网格线
x2=square(4*t);
subplot(1,2,2) %一行两列的第一个图
plot(abs(fftshift(fft(x2)))) %频谱图
grid on
运行结果:
对结果的解释:系数越大,周期越小,频谱分析中谱线之间的间距变大,感官上谱线更加稀疏。
三. 方波脉冲宽度(脉宽)的仿真
MATLAB代码:
clear all;
clc
t=linspace(-2*pi,2*pi,500); %从-2pi~2pi中,等距离取500个点
x=square(2*t); %方波函数,-1~1,改变此处的2可改变后续方波的周期
N=length(x);
Fs=50; %采样频率为50Hz
f=(0:N-1)*Fs/N; %将时间横坐标转换为频率横坐标
f2=(N/2:N-1)*Fs/N-Fs/2; %调整0频位置
subplot(2,2,1) %两行两列的第一个图
plot(t/pi,x) %方波图
subplot(2,2,2) %两行两列的第二个图
y=abs(fftshift(fft(x)));
%对向量x,fft快速傅里叶变换
%fftshift:将零频分量移动到数组中心,重新排列傅里叶变换
%abs:绝对值
y2=2*y(N/2:N-1)/N; %进行幅度矫正
plot(f2,y2)
x=square(2*t,75); %75代表方波正的部分占比为75%
y=abs(fftshift(fft(x)));
y2=2*y(N/2:N-1)/N; %进行幅度矫正
subplot(2,2,3) %一行两列的第一个图
plot(t/pi,x) %方波图
subplot(2,2,4)
plot(f2,y2)
运行结果:
对结果的解释:
- 从数学的角度,脉冲宽度=周期✖️占空比,理论上占空比越大,脉冲宽度越大
- 第一行的图占空比50%,第二行的图占空比75%,脉冲宽度增加,谱线变得稠密
- 改变脉冲宽度不影响频谱中的幅度大小
- 此仿真控制了变量:周期相等
- 测试时,注意幅度矫正和调整0频的位置
总结
在我们现实生活中,许多天然或者人工的信号,如语音、音乐、雷达、声呐等,都是非平稳的信号。时间频率联合分析简称时频分析,主要着眼于真实信号组成成分的时变性,将一维时间信号以二维的时间-频率的形式表示出来,从而揭示信号有多少频率分量以及每个频率分量随时间的变化情况。
举一个鸟鸣声的例子:
此图为鸟鸣声信号时域波形,信号能量在时间轴上的分布
此图为功率谱-傅里叶变换的平方:信号能量在频率轴上的分布
此图为时频分析:鸟鸣声频率随着时间的推移不断下降。
在许多工程应用场合,信号往往是非平稳的,其统计量是时变函数,这时仅仅了解信号在时域或频域的全局特性是远远不够的,需要知道信号频谱随时间变化的情况。为了分析和处理非平稳信号,人们对傅立叶分析进行了推广甚至根本性的革命,提出并发展了一系列新的信号处理理论,联合时频分析就是其中一种重要的方法。
联合时频分析的基本思想是设计时间和频率的联合函数,利用它可以同时描述信号在不同时间和频率的能量密度和强度。目前时频分析方法已经广泛应用于通信、自动化、雷达、声纳、生物、天文、医学、地球物理和故障诊断等几乎所有技术领域。常用的信号时频分析方法包括短时傅立叶变换、Wigner-Ville 分布和小波变换。