【学习笔记】matlab进行数字信号处理（四）信号的时频域分析

matlab官方数字信号处理工具包https://ww2.mathworks.cn/help/signal/index.html?s_tid=CRUX_lftnav
【学习笔记】matlab进行数字信号处理（一）生成信号及信号的时域频域分析
【学习笔记】matlab进行数字信号处理（二）信号的相关分析及幅值分析
【学习笔记】matlab进行数字信号处理（三）数字滤波技术
【学习笔记】matlab进行数字信号处理（四）信号的时频域分析

b站视频地址：https://www.bilibili.com/video/BV18E411f7ZQ?p=16&spm_id_from=pageDriver

第八章 信号的时频域分析

8.1 信号时频域分析概念

时域分析/波形分析：横轴是时间轴，能够读取每个时刻信号的强度、峰值、均值、有效值等时间特征参数
频域分析：横轴是频率，时域通过傅立叶变换，将信号投影到正交函数上，将正交函数的系数画成频谱，得到每个频率点处信号的成分有多大
相关分析：找出信号自身或两个信号之间的关系，单位虽然是时间，但是是信号之间的时间差，幅值强度表示在该时差点处两个信号的相似度，等于0表示在该时间差处两者不相似，等于1表示在该时间差处两者完全相似
幅值分析：横轴是信号的幅值，纵轴是在该幅值下的概率，此时可以读取一个信号每个幅值强度出现的几率有多大

横轴是频率，纵轴是时间，Z轴是幅度，每个不同的时间片上画一个谱，如图中机器的转速由低到高的过程，幅值也在发生变化

组合信号有4个频率成分，每个频率成分都是从负无穷到正无穷的整个时间段

有4个频率成分，但是每个频率成分仅持续一段时间
单独看波形时能看到不同频率成分的跳变点，但是很难知道每一段是多少频率
单独看频谱，这里并不能看出来具体的每个频率成分对应的具体时间点
所以，波形里缺少频率信息，频谱里缺少时间信息，因此希望将两者结合起来进行分析

第一个信号从低频到高频，第二个信号从高频到低频，但是两个完全不同的信号，频谱却相同

8.2 短时傅立叶分析（STFT）

傅立叶分析是取整个时间段，因此变换完不知道频率成分在哪个具体的时间点，STFT就是加了个短窗，对信号进行截取，再对短窗内的信号进行频谱分析，这样频谱对应的时间点就是窗口中心时间点的位置

在各个时间点处的谱排列起来，就是谱阵；每个时刻对应一个谱
这样便知道信号在不同的时刻的频率变化成分


FT没有时间精度，STFT加入了时间参数，在原始信号的基础上乘一个滑移窗

1024表示窗口宽度，每一次截取1024个点，重叠量是512个点
谱阵的横轴是频率轴
垂直于纸面向内的轴是时间轴
mesh函数将图片以曲面图的形式显示（三维显示）
view函数指出观察的视角，从哪个角度去看图
注意：STFT使用FFT进行计算，所以窗口的长度一定要是2的N次方

通常使用第三个公式，x表示信号本身，window代表窗的宽度，noverlap表示滑移量


在进行观测时，如果想将时域观测清楚，那么频域就观测不清楚，反之亦然
因为时间分辨率和频率分辨率乘积大于等于一个常数，时间分辨率升高，则频率分辨率会降低，反之亦然
如：想要详细的了解信号的频率变化过程，那这个窗口越窄越好，但是窗口越窄，FFT的数据长度就越短，而FFT的频率分辨率是采样频率除以数据长度，所以频率分辨率会变得非常大

左图选择一个长度为256的短窗，短窗的优点就是时间定位准确，但是频谱比较粗糙，想准确的知道谱峰的位置比较难
右图选择一个长度为2048点的长窗，频率定位很准确
符合时频测不准原则

一个低频信号与一个高频信号相乘，生成一个调幅波信号，相当于高频信号是载波，低频信号是调幅波，对这样的信号进行时频分析，使用spectrogram函数

生成一个频率不断变化的信号，以500Hz为基础，频率由低频逐渐变高

专属函数生成扫频信号
f0是扫频信号的起始频率，t1代表扫频的时间段，f1表示扫频的频率变化量多大
这个伪彩色图相当于三维图的俯视图，色彩代表幅值的高度，横轴是频率，纵轴是时间