Time-Frequency Signal Analysis and Processing 笔记

Chapter 1 Time Frequency and If Concepts

1.1-详细描述了为什么时频方法在信号具有时变光谱特征或变量t和f相关的多个成分的广泛应用中是首选的理由。
1.2-提供了描述非平稳信号在时频域的时间和光谱特性所需的信号模型和数学公式。它定义了解析信号、希尔伯特变换(HT)、带宽-持续时间乘积、渐近信号等基本概念。
1.3-定义了与时频方法相关的关键量，包括瞬时频率(IF)、谱延迟(SD)和群延迟(GD)。
1.4-通过使用解析信号和中频的概念定义信号的AM/FM特性的简单教程加强了前几节的内容;并与非平稳信号的幅值和相位的定义有关。

引言

1. 信号的两种经典表示形式是时域表示s(t)和频域表示S(f)。在这两种情况下，变量t和f被视为互斥的:为了得到一个变量的表示，另一个变量被“积分掉”。
2. 频率表示法在任何时候都是对时间表示法的平均值，而时间表示法在所有频率上都是对频率表示法的平均值。
3. 三个具有实际重要性的信号: Sinusoidal FM signal / Linear-FM signal / Musical performance (非平稳信号）
4. 在实践中，人们倾向于只处理正频率。这是通过引入一个特殊的复信号z(t)来实现的，称为“解析信号”，它只包含正频率。

1.1 The benefits of TFDs

1. 幅度谱没有显示出频率随时间的增加而增加;它告诉我们信号中出现了什么频率，但不告诉我们这些频率的“到达时间”。后一种信息，我们称之为光谱延迟(SD)，被编码在相位谱中。
2. (t,f)方法假设，如果我们可以从信号的单一表示中推断SD和IF，而不需要解释其他表示，如相位谱，将会更方便。
3. Wigner-Ville分布(WVD)，以其对线性调频定律的清晰分辨而闻名。
4. 一个信号可以有多个分量，每个分量都有自己的IF。IF特征在传统信号表示中不明显。
5. [9-11]tfd的一些典型用途、应用和相应的必要属性:
   • 在(t,f)域中分析原始信号，以识别诸如分量数量、相对振幅、IF定律、(t,f)复杂度、(t,f)平坦度、(t,f)能量集中区域等特征。
   • 通过在(t,f)域中进行滤波，将分量或(t,f)区域彼此分离，并从背景噪声中分离出来(见第10.6和11.4节)。综合滤波后的TFD，在时域内重构s(t)。
   • 分别估计和分析具体的组成部分，特别是:
     • 跟踪瞬时振幅;
     • .跟踪IF;
     • 跟踪瞬时带宽(关于中频的能量分布)。
6. TFD分辨率的一个简单度量是关于信号IF定律的能量集中。

[9] B. Boashash, G. Azemi, J.M. O’Toole, “Time-frequency processing of nonstationary signals: advanced TFD design to aid diagnosis with highlights from medical applications”, IEEE Signal Process. Mag. 30 (6) (2013) 108-119. [10] B. Boashash, N.A. Khan, T. Ben-Jabeur, “Time-frequency features for pattern recognition using high resolution TFDs: a tutorial review”, Digital Signal Process. 40 (2015) 1-30, http://dx.doi.org/ 10.1016/j.dsp.2014.12.015. [11] B. Boashash, G. Azemi, N.A. Khan, “Principles of time-frequency feature extraction for change detection in non-stationary signals: applications to newborn EEG abnormality detection”, Pattern Recog. 48 (3) (2015) 616-627.

1.2 时频域信号公式和特征

1. 一个实信号s(t) iff S ( − f ) =