一.线性时频变换
经典STFT变换由Gabor提出,主要是在Fourier 变换的基础上用 进行加窗处理。
连续时间的STFT变换如下:
离散的STFT变换如下:
STFT变换具有以下性质:
1.时移性
2.频移性
对于 STFT 来说,其时频分辨率主要受窗的宽度的影响。倘若是长窗,则频域上的分辨率较高,而时域上分辨率较低;倘若是短窗,则结果就与前面相反。其受以下公式约束:
其中 B 为频宽,T 为时宽。
并且对于多个信号叠加的情况,例如和
线性相加,则满足如下的公式:
由此可以看出STFT的确是一种线性变换,不会受到交叉项的干扰。常见的还有 Gabor 变换和小波变换等。
Gabor 变换是由 Gabor 于 1946 提出的在二维平面采用栅格的形式表征时频信息。相比于 STFT 的时间窗,Gabor 则是时间—频率联合窗。Gabor 变化可以看成 STFT 选定 Gauss 窗做窗函数:
当取用高斯窗函数时,是能够满足测不准定理下界的。所以 Gabor 变换可以看作最优的 STFT 变换。但 Gabor 变换窗函数形状统一,不像 STFT 可以选择多种 窗函数截断信号,且时间—频率窗大小一定。
而小波变化就是一种不同频率下呈现不同分辨率的线性变换。其表达式如下:
其中 代表母小波,
表示尺度,控制小波函数的伸缩,
表示平移量,控制小波函数时间轴上的移动。针对单一频率的信号采用小波变换有很好的分析效果,但针对跳频这种多分量信号,小波变换呈现的效果则不是很好。
二.Winger-Ville 类和其他二次分布
魏格纳分布(WVD)是一种经典的二次时频分布,由 Ville 于 1948 年首次应用于信号领域。与线性时频变换相比,不具备线性叠加性,所以变换后会产生自项和交叉项两种结果。WVD 变换表达式如下:
WVD 不需要选择类似 STFT 变换的窗函数去截取信 号,可以看成信号的自相关函数,而 WVD 则是其关于
的 Fourier 变换,得到的结果则为时间-频率平面的二维参量。WVD 有很多优秀的性 质,其主要的优点是能达到测不准原理的下界,即时频聚焦性达到理论上的最高, 但其交叉项则限制了其在处理多分量信号时的应用。
对 WVD 做类似 STFT 在时域做加窗的处理,可以起到去除交叉项影响的作用,进而得到PWVD,其表达式为:
式中的 即为所加的时间窗函数,其主要的作用是对
做时域上的平滑滤波, PWVD 是通过牺牲时频聚焦性为代价,去减少大部分交叉干扰对信号的影响。
为了实现完全消除交叉项的目的,则在 PWVD 的基础上,在频域上也进行加窗操作,即为 SPWVD,其表达式为:
式中的则表示时域上的窗函数,其主要进行时域上的滤波。而g(v)则表示频域上的窗函数,其作用是在频域上进行滤波。相比于 PWVD,因为在频域上增加 了窗函数,所以对交叉项的抑制效果更佳。但二次加窗让 SPWVD 的时频聚焦性变得更低了。
PWVD对交叉项起到了一定的抑制作用,但没有完全消除交叉项的干扰,而且加窗使得 PWVD 的时频聚焦性有所降低。SPWVD已经完全抑制了交叉项的干扰,但时频聚焦性同样变低了,所以加窗的操作是以降低时频聚焦性为代价去抑制信号之间产生的交叉项问题。
WVD 对多信号进行分析时产生交叉项的原因可以用数学公式进行论证, 对于信号
跳频信号一般是不用 WVD 进行分析的。
谱图(SP)也是一种重要的二次时频分析方法,谱图主要由 STFT 模的平方求得,其表达式为:
算子表示 WVD 变换,因而谱图是可以看成信号的 WVD 和窗函数的 WVD 的二维卷积,谱图运算简单,所以实际应用较多。对于多个信号,例如
,因为 STFT 结果是复数,所以会产生相位信息。其谱图表达式如下
其中
谱图是不满足线性叠加性的,其存在的相位交叉项,但如果两个信号在时域 和频域上无交叠,则满足如下表达式:
谱图分析单个跳频信号时是没有交叉项干扰的,因为跳频信号在每个时间段的频率是不重合的。谱图的时频聚焦性也很高,其相比 SPWVD 计算复杂度小,所以在工程实际中应用十分广泛。
三.组合时频分布
将两种不同的时频分析方法组合在一起,互相弥补其自身的缺陷,从而得到综合分析后较好的时频分析结果。通常情况下,一般采用线性时频分析方法和非线性时频分析方法的组合,例如 STFT 和 WVD 组合;也可以将非线性时频方法和非线性时频方法进行组合,例如 SP 和 WVD 组合等。组合时频分析是为了得到更高的时频聚焦性,这在多跳频信号同时存在时显的十分重要。因为多种跳频信号同时存在时,为避免不同信号的时频图产生重叠的问题,就必须提高时频聚焦性,以便更好的区分不同的跳频信号。 以 STFT 和 WVD 组合的方式来对组合时频的原理进行简要的阐述。
首先,对接收的信号进行 STFT 操作处理,之后即可得到关于多跳频信号的时频分析图(再根据信噪比情况设定相应的截断值,然后对 STFT 矩阵中的元素做一 一对比性的截断),所以针对做截断处理,得到
,其表达式如下:
式中的ε为截断门限。若将做离散化操作,就可以得到
其中 n 为时间轴上的采样点,总的采样点数为 N , m 为频率轴上的采样点,总的 采样点数为 M 。所以门限ε定义为:
η为门限因子。将经过门限截断处理后的时频分析结果
与时频聚焦性好的
做‘点乘’处理,即 Hadamard 积,可以得到组合时频分布为:
再对组合时频分析后的信号做参数估计就能得到很好的性能。以 STFT 和 WVD 组 合为例,其它的组合时频分析都是做同样的操作处理。
四.时频方法性能分析
时频分析方法的好坏主要从时频聚焦性和交叉干扰项这个两种参数指标来进 行衡量的。但只通过人的肉眼去辨别时频聚焦性的高低和交叉项的有无,是非常主观的定性分析,误差比较高;所以,为了更好的评判时频分析方法的好坏,可以用信息熵来衡量其时频图的性能指标。
具体步骤如下:
(1) 针对信号用时频分析方法得到时频分析图,然后对得到的时频矩阵中的元 素做取模处理,取模后的时频矩阵表示为。
(2)查找 中的全局最大值
和全局最小值
,并设定幅度间隔的步长为
, N 表示为需要划分的区间数。所以幅度区间划分为
统计落在这 N 个区间的幅度值,得到幅度值频数向量为,然后除以时频矩阵中的总元素个数,得到 N 组概率
;
(3) 计算时频分析图的信息熵,用如下公式:
通过得到的熵值就可以分析各种时频分析方法的好坏。熵值越大,说明时频聚焦性越差,抑制交叉干扰的效果越差;反之,熵值越小,说明时频聚焦性越好,抑制交叉干扰的效果越好。
可以看出组合时频分析是以复杂度换性能。