时频分析及同步挤压变换研究（Matlab代码实现）

荔枝科研社

已于 2023-09-17 19:53:55 修改

阅读量690

点赞数

分类专栏：信号处理/OFDM 文章标签： matlab 算法图像处理

于 2023-04-07 15:43:20 首次发布

本文链接：https://blog.csdn.net/weixin_46039719/article/details/129759153

版权

信号处理/OFDM 专栏收录该内容

122 篇文章 21 订阅

订阅专栏

👨‍🎓个人主页：研学社的博客

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 算例1

2.2 算例2

2.3 算例3

2.4 算例4

2.5 算例5

2.6 算例6

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

本文为强非平稳信号生成理想的时频表示。时频分析及同步挤压变换研究。

时频分析是指将信号在时域和频域上进行分析的一种方法。它可以用来分析信号的频率内容随时间的变化情况，常用于信号处理、通信系统等领域。

同步挤压变换（Squeeze Transform）是一种时频分析方法，它通过将信号进行非线性变换，将时域上的窄带信号转换为频域上的宽带信号，从而实现对信号的时频分析。同步挤压变换在信号处理、图像处理等领域有着广泛的应用。

同步挤压变换的基本原理是将信号通过一系列滤波器进行频带分解，然后将每个频带上的信号进行非线性变换，最后将变换后的信号进行合成。这样就可以得到信号在时频域上的分布情况。

同步挤压变换具有较好的时频分辨率和抗噪性能，可以有效地提取信号的时频特征。它在语音识别、图像压缩、信号调制等领域都有着重要的应用价值。

时频分析及同步挤压变换的研究主要涉及算法优化、性能分析和应用探索等方面。通过对时频分析方法的研究，可以更好地理解信号的时频特性，从而为信号处理和通信系统的设计提供指导和支持。

📚2 运行结果

2.1 算例1

2.2 算例2

2.3 算例3

2.4 算例4

2.5 算例5

2.6 算例6

算例5和算例6就不展示了，详情见第4部分。

部分代码：

data=bat(501:1400);
n=length(data);

p=zeros(1,n);
Sp=zeros(1,n);

SampFreq=100;

time=(1:n)/SampFreq;
fre=(SampFreq/2)/(n/2):(SampFreq/2)/(n/2):(SampFreq/2);
%This IF parameter was estimated by the Gaussian model from MATLAB toolbox 'cftool'.
a1 = 1.348;
b1 = -0.1498;
c1 = 0.4482;
a2 = 8.656;
b2 = -1.321;
c2 = 2.383;
a3 = -0.8441;
b3 = 2.007;
c3 = 0.5633;
a4 = -0.4868;
b4 = 1.833;
c4 = 0.3106;
a5 = 9.152;
b5 = -1.165;
c5 = 3.543;
a6 = 0.03345;
b6 = 4.979;
c6 = 0.2038;
a7 = 0.1629;
b7 = 5.339;
c7 = 0.779;
a8 = 17.58;
b8 = -0.1755;
c8 = 42.22;
x=time;

p = a1*exp(-((x-b1)/c1).^2) + a2*exp(-((x-b2)/c2).^2) + a3*exp(-((x-b3)/c3).^2) + a4*exp(-((x-b4)/c4).^2) + a5*exp(-((x-b5)/c5).^2) + a6*exp(-((x-b6)/c6).^2) + a7*exp(-((x-b7)/c7).^2) + a8*exp(-((x-b8)/c8).^2);

%Sp=INT(p,time);

[tfr Ts] = SST2(data,SampFreq,371,p);

figure
imagesc(time,fre,abs(tfr));
axis xy
ylabel('Freq / Hz');
xlabel('Time / Sec');
title('PSTFT');

figure
imagesc(time,fre,abs(Ts));
axis xy
ylabel('Freq / Hz');
xlabel('Time / Sec');
title('SST');

%The following code can obtain more accurate SST result.
%Beacuse it just uses the peak data as IF, and not considers the fitting curve.
[tfr Ts] = SST2(data,SampFreq,121,p);
[v, I] = max(abs(Ts),[],1);
%SI=INT(fre(I),time);
[tfr Ts] = SST2(data,SampFreq,371,fre(I));
figure
imagesc(time,fre,abs(Ts));
axis xy
ylabel('Freq / Hz');
xlabel('Time / Sec');
title('SST');