文章目录
利用时间和频率的联合函数来表示信号简称为信号的时频表示，时频表示分为 线性和 二次型两种。典型的线性时频表示有：
短时傅里叶变换和
小波变换。在很多实际场合，还需要二次型的时频表示来描述该信号的能量密度分布，称之为信号的时频分布，典型的是
Wigner-Ville分布。
一、非平稳随机信号
随机信号在理论上可以分为平稳和非平稳两大类。
严格来说，许多实际中的信号都是非平稳信号。
非平稳信号又称为时变信号。所谓非平稳信号是指统计特性随时间变化的随机信号。
二、时频分析的由来及分类
时频分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。
1. 由来
经典的分析与处理平稳信号的最常用、最主要的方法是傅里叶变换，它建立了信号从时域到频域的变换桥梁，而傅里叶反变换则建立了信号从频域到时域的变换桥梁，它们之间是一一对应的映射关系，可以用下式表示
X
(
f
)
=
∫
−
∞
∞
x
(
t
)
e
−
j
2
π
f
t
d
t
X(f)=\int_{-∞}^{∞}x(t)e^{-j2\pi ft}\,dt
X(f)=∫−∞∞x(t)e−j2πftdt
x
(
t
)
=
∫
−
∞
∞
X
(
f
)
e
j
2
π
f
t
d
f
x(t)=\int_{-∞}^{∞}X(f)e^{j2\pi ft}\,df
x(t)=∫−∞∞X(f)ej2πftdf
因此在传统的信号分析预处理中，时域和频域构成了表征信号的两种主要方式。但是傅里叶变换也存在不足之处。
傅里叶变换的缺陷：
- 傅里叶变换是整个时域，不能刻画时间域上信号的局部特性；
- 傅里叶变换对突变和非平稳信号的效果不好，没有时频分析，傅里叶变换处理非平稳信号有天生缺陷，它只能获取一段信号总体上包含哪些频率成分，但是对各成分出现的时刻并无所知，因此时域相差很大的两个信号，可能频谱图一样。
然而平稳信号大多是人为制造出来的，自然界的绝大部分信号几乎都是非平稳的；对于非平稳信号，只知道包含哪些频率成分是不够的，我们还想知道各个成分出现的时间、知道信号频率随时间的变化情况，各个时刻的瞬时频率及其幅值——这也就是时频分析。
2. 分类
时频分析方法按照时频联合函数的不同可以分为线性时频表示和双线性时频表示两种。
2.1 线性时频表示
线性时频表示是由傅里叶变换演化而来的，满足线性叠加性。假设
x
(
t
)
=
a
x
1
(
t
)
+
b
x
2
(
t
)
，
记
x
(
t
)
,
x
1
(
t
)
,
x
2
(
t
)
x(t)=ax_1(t)+bx_2(t)，记x(t),x_1(t),x_2(t)
x(t)=ax1(t)+bx2(t)，记x(t),x1(t),x2(t)的线性时频表示分别为
P
(
t
,
f
)
,
P
1
(
t
,
f
)
,
P
2
(
t
,
f
)
P(t,f),P_1(t,f),P_2(t,f)
P(t,f),P1(t,f),P2(t,f)，则有
P
(
t
,
f
)
=
a
P
1
(
t
,
f
)
+
b
P
2
(
t
,
f
)
P(t,f)=aP_1(t,f)+bP_2(t,f)
P(t,f)=aP1(t,f)+bP2(t,f)
常见的线性时频表示主要有短时傅里叶变换、Gabor展开以及小波变换等。
2.1.1 短时傅里叶变换
实质上是加窗的傅里叶变换，随着时间窗的移动而形成信号的一种时频表示。
2.1.2 Gabor展开
最早提出的一种时频表示，可以看作是短时傅里叶变换在时域和频域进行取样的结果。
2.1.3 小波变换
对短时傅里叶变换和Gabor展开来说，窗函数的宽度是固定的，而小波变换是一种窗函数宽度可调的时频表示。
2.2 双线性时频表示（二次型时频表示）
双线性时频表示反映的是信号能量的时频分布。二次型时频表示不满足线性叠加性。假设
x
(
t
)
=
a
x
1
(
t
)
+
b
x
2
(
t
)
，
记
x
(
t
)
,
x
1
(
t
)
,
x
2
(
t
)
x(t)=ax_1(t)+bx_2(t)，记x(t),x_1(t),x_2(t)
x(t)=ax1(t)+bx2(t)，记x(t),x1(t),x2(t)的线性时频表示分别为
P
(
t
,
f
)
,
P
1
(
t
,
f
)
,
P
2
(
t
,
f
)
P(t,f),P_1(t,f),P_2(t,f)
P(t,f),P1(t,f),P2(t,f)，则有
P
(
t
,
f
)
=
∣
a
∣
2
P
1
(
t
,
f
)
+
∣
b
∣
2
P
2
(
t
,
f
)
+
2
R
[
a
b
P
12
(
t
,
f
)
]
P(t,f)=|a|^2P_1(t,f)+|b|^2P_2(t,f)+2R[abP_{12}(t,f)]
P(t,f)=∣a∣2P1(t,f)+∣b∣2P2(t,f)+2R[abP12(t,f)]
式中最后一项称之为干扰项，这是二次型时频表示固有的一个属性。
二次型时频表示主要有Cohen类时频分布和仿射类（Affine）双线性时频分布，其中最著名的是Wigner-Ville分布。
三、瞬时频率和群延时
令 s(t) 是一实的非平稳信号，在进行时频分析之前，往往需要先将实信号 s(t) 转变为复信号 z(t) 的形式，最简单的方法是利用 Hilbert 变换定义实信号 s(t) 的复信号（解析信号）。
解析信号的优点在于它剔除了实信号中的负频率成分，同时不会造成任何信息损失，也不会带来虚假信息。
在非平稳信号分析中，瞬时物理量往往起着重要的作用，瞬时频率和群延时就是这样的两个物理量。
1. 瞬时频率
对一个具有有限能量的复信号
z
(
t
)
=
A
(
t
)
e
j
ϕ
(
t
)
z(t)=A(t)e^{j\phi(t)}
z(t)=A(t)ejϕ(t)(A(t)为实函数)来说，可以定义其瞬时频率为相位函数对时间的导数，即
f
(
t
)
=
1
2
π
d
ϕ
(
t
)
d
t
f(t)=\frac{1}{2\pi}\frac{d\phi(t)}{dt}
f(t)=2π1dtdϕ(t)
并且可以证明：信号谱的平均频率等于瞬时频率的时间平均。
2. 群延时
与时域信号 z(t )的瞬时频率相对应，频域信号的 Z(f) 的群延时 g(f) 也是一个重要的瞬时参数，它表示频谱 Z(f) 中频率为 f 的各个分量的延迟，定义为
g
(
f
)
=
−
1
2
π
d
a
r
g
Z
(
f
)
d
f
g(f)=-\frac{1}{2\pi}\frac{d\, argZ(f)}{df}
g(f)=−2π1dfdargZ(f)
离散信号 z(n) 的群延时定义为
g
(
k
)
=
1
4
π
[
a
r
g
Z
(
k
+
1
)
−
a
r
g
Z
(
k
−
1
)
]
g(k)=\frac{1}{4\pi}[arg Z(k+1)-arg Z(k-1)]
g(k)=4π1[argZ(k+1)−argZ(k−1)]
四、信号分辨率
在非平稳信号处理中，窗函数常常起着关键的作用，所加的窗函数能否正确反映信号的时频特性，也即窗函数是否具有高的时间分辨率和频率分辨率，与待分析信号的非平稳特性有关。
1. 时间分辨率
窗口越小，信号的时间分辨率越好。
2. 频率分辨率
窗口越大，信号的频率分辨率越好。
3. 不确定性原理
对于有限能量的任意信号，其时宽和频宽的乘积总是满足
T
⋅
B
=
Δ
t
⋅
Δ
f
≥
1
4
π
T\cdot B=\Delta t\cdot \Delta f≥\frac{1}{4\pi}
T⋅B=Δt⋅Δf≥4π1
式中
Δ
t
，
Δ
f
\Delta t，\Delta f
Δt，Δf分别称作时间分辨率和频率分辨率。
不确定原理告诉我们：既有任意小的时宽，又有任意小的频宽的窗函数是不存在的。也即所有的时频表示只能不同程度地近似表示信号在 (t,f) 的能量密度。
4232
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
