傅里叶变换对_小波变换教程（二）：傅里叶变换和短时傅里叶变换

本文讲解ROBI POLIKAR编写的小波变换教程《THE WAVELET TUTORIAL》的第二部分：傅里叶变换和短时傅里叶变换。

教程链接：http://users.rowan.edu/~polikar/WTtutorial.html

视频链接(傅里叶变换)：https://www.bilibili.com/video/BV1A4411Y7vj？from=search&seid=10899643661523049892

1)教程第一部分的总结

由第一部分，我们知道为了分析非静态信号(频率随着时间变化)，我们需要小波变换。【傅里叶变换不适用于非静态信号，因为两个在时域上完全不同的信号，可能含有相同的频率成分】 2)傅里叶变换的原理【可以解释为什么 两个在时域上完全不同的信号，会产生相同的傅里叶变换结果】

任何周期性函数可以被表示为周期性复指数函数的无穷和。该想法随后又被泛化到非周期性函数，以及周期性或非周期性的离散时间信号。

由上式可知：傅里叶变换将一个时域信号降解为一系列不同频率的复指数函数。式(1)和式(2)分别叫做傅里叶变换和傅里叶反变换。 傅里叶变换是将原始时域信号乘以一个复指数项后，然后再积分。复指数项可以展开成：Cos(2*pi*f*t)+j*Sin(2*pi*f*t)，即由实部+虚部构成。因此，傅里叶变换是将原始信号乘以一个复数表达式，然后再对这个乘积进行积分。如果该积分结果是一个很大的值，意味着原始信号有一个频率为“f”的主频(该原始信号的主要成分)。由式(1)可知：无论频率为“f”的分量出现在什么时刻，对积分结果产生的影响是相同的，这也就解释了为什么两个 在时域上完全不同的信号，会产生相同的傅里叶变换结果。

IMPORTANT(!) The information provided by the integral, corresponds to all time instances, since theintegration is from minus infinity to plus infinity over time. It follows that no matter where in time thecomponent with frequency "f" appears, it will affect the result of the integration equally as well. In otherwords, whether the frequency component "f" appears at time t1 or t2 , it will have the same effect on theintegration. This is why Fourier transform is not suitable if the signal has time varying frequency, i.e.,the signal is non-stationary. If only, the signal has the frequency component "f" at all times (for all "f"values), then the result obtained by the Fourier transform makes sense.Note that the Fourier transform tells whether a certain frequency component exists or not. Thisinformation is independent of where in time this component appears. It is therefore very important to knowwhether a signal is stationary or not, prior to processing it with the FT.

因此，傅里叶变换不适用于非静态信号，因为在时域上完全不同的信号可能含有相同的频率成分。 3)短时傅里叶变换如何能在傅里叶变换的结果里加入时间因素呢？可以假设非静态信号的一小部分是静态的【只要所取的窗口足够小，该假设一般是可以成立的】。傅里叶变换与短时傅里叶变换只有一点不同：短时傅里叶变换会先将信号切分成足够小的部分，并且在这些部分里的信号可以认为是静态的。因此，时窗函数的宽度与所切分的信号长度一样，以保证在该时窗内的信号是静态的。因此，短时傅里叶的本质是先将原始信号与所选取的窗函数相乘，然后再对相乘的结果作傅里叶变换。

The STFT of the signal is nothing but the FT of the signal multiplied by a window function.For every t' and f a new STFT coefficient is computed.

4)短时傅里叶变换的例子假设一个非静态信号如下，每250ms的频率分别为300Hz、200Hz、100Hz和50Hz。

该信号的短时傅里叶变换结果如下：

从上图可以看出：该时频图是沿着频率轴对称的。傅里叶变换沿着频率轴是对称的，而短时傅里叶变换只不过是一个加窗的傅里叶变换，因此短时傅里叶变换的结果也是沿着频率轴对称的。

5)短时傅里叶变换的缺点

既然短时傅里叶已经能够告诉我们在什么时刻存在什么样的频率，为什么还需要小波变换呢？因为短时傅里叶变换存在分辨率固定的缺点。

短时傅里叶变换的问题归根结底可以追溯到不确定性原则。该原则表明：不可能精确地知道一个信号的时频表示，即不能精确地知道在具体的时刻存在哪些频率，而只能知道在哪些时间段内存在哪些频率带。这就是所说的分辨率问题(越是能精确地知道在具体时刻存在哪些频率，分辨率也越高)。

傅里叶变换在频域内不存在分辨率的问题，因为我们精确地知道存在什么样的频率。类似地，在时域上也不存在分辨率的问题，因为我们精确地知道在任何时刻的信号值。相反地，从傅里叶变换的结果中，我们看不出时间分辨率。同理，在时域信号中，我们也看不出频域分辨率。

在傅里叶变换中，我们相当于采用了一个无限长度的时窗函数，再进行积分。但是，在短时傅里叶变换中，我们的时窗函数长度是有限的，这也就导致了短时傅里叶变换的频率分辨率变差，但是时间分辨率变好。而且，时窗函数的长度越短，频域分辨率越差，但是时间分辨率越好。

If we use a window of infinite length, we get the FT, which gives perfect frequency resolution, but no timeinformation. Furthermore, in order to obtain the stationarity, we have to have a short enough window, inwhich the signal is stationary. The narrower we make the window, the better the time resolution, and betterthe assumption of stationarity, but poorer the frequency resolution:Narrow window ===>good time resolution, poor frequency resolution.Wide window ===>good frequency resolution, poor time resolution.

6)短时傅里叶变换分辨率的例子

下图列出了不同长度的时窗函数。

将时窗函数的长度不断加长后的短时傅里叶变换的结果如下所示。

可以看出：时间分辨率越来越差，频域分辨率越来越好。

These examples should have illustrated the implicit problem of resolution of the STFT. Anyone who wouldlike to use STFT is faced with this problem of resolution. What kind of a window to use? Narrow windowsgive good time resolution, but poor frequency resolution. Wide windows give good frequency resolution, butpoor time resolution; furthermore, wide windows may violate the condition of stationarity. The problem, ofcourse, is a result of choosing a window function, once and for all, and use that window in the entireanalysis.

因此，小波变换的提出就是为了解决短时傅里叶变换的时窗函数长度固定的缺点。