现代信号处理教程-胡广书清华

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

0 / 1

第3章 短时傅立叶变换

3.1连续信号的短时傅立叶变换

由于在实际工作中所遇到的信号往往是时变的,即信号的频率在随时间变化,而传统的傅立叶变换,由于其基函数是复正弦,缺少时域定位的功能,因此傅立叶变换不适用于时变信号。信号分析和处理的一个重要任务,一方面是要了解信号所包含的频谱信息,另一方面还希望知道不同频率所出现的时间。 早在1946年,Gabor 就提出了短时傅立叶变换(Short Time Fourier Transform ,STFT )

的概念,用以测量声音信号的频率定位[64]

给定一信号)()(2

R L t x ∈,其STFT 定义为

>

-=<-==ΩΩΩ-Ω⎰⎰τ

τ

ττττττ

ττj j t x e

t g x d e

t g x d g x t STFT )(),()()()()(),(*

*,(3.1.1)

式中

τ

ττΩΩ-=j t e

t g g )()(,

(2.1.2) 及

1||)(||=τg ,1||)(||,=Ωτt g

并且窗函数)(τg 应取对称函数。STFT 的含义可解释如下:

在时域用窗函数)(τg 去截)(τx (注:将)(t x ,)(t g 的时间变量换成τ),对截下来的局

部信号作傅立叶变换,即得在t 时刻得该段信号得傅立叶变换。不断地移动t ,也即不断地移动窗函数)(τg 的中心位置,即可得到不同时刻的傅立叶变换。这些傅立叶变换的集合,即是),(Ωt STFT x ,如图2.1.1所示。显然,),(Ωt STFT x 是变量),(Ωt 的二维函数。

由于)(τg 是窗函数,因此它在时域应是有限支撑的,又由于τ

Ωj e

在频域是线谱,所以

STFT 的基函数τ

τΩ-j e

t g )(在时域和频域都应是有限支撑的。这样,(3.1.1)式内积的结果

即可实现对)(t x 进行时-频定位的功能。当然,我们自然要关心这一变换时域及频域的分辨

率。对(

0 / 1

3.1.2)式两边作傅立叶变换,有 ⎰

-ΩΩ-=ττυυττ

d e e t g G j j t )()(,

''='Ω--Ω--t d e t g e

t j t

j )()()(υυ t j e G )()(Ω--Ω-=υυ (3.1.3)

式中υ是和Ω等效的频率变量。

图3.1.1 STFT 示意图

由于

υ

υυυυτυπ

πd e

G X G X g t x t

j t t )(*

21,21,)()()(),()(),(Ω-∞

-ΩΩΩ-=

>

<>=

<⎰

(3.1.4)

所以 ⎰

-Ω-Ω-=Ωυυυυπ

d e G X e

t STFT t j t j x )()(),(*21

(3.1.5)

该式指出,对)(τx 在时域加窗)(t g -τ,引导出在频域对)(υX 加窗)(Ω-υG 。

Ω

由图3.1.1可以看出,基函数)(,τΩt g 的时间中心t =0τ(注意,t 是移位变量),其时

=-=∆Ωτττττττd g d g t t 2

22

,22

|)(||)(|)(

(3.1.6)

即)(,τΩt g 的时间中心由t 决定,但时宽和t 无关。同理,)(,υΩt G 的频率中心Ω=0υ,而带宽

-Ω=Ω-=

∆υυυυυυπ

π

υd G d G t 2221

2

,221

2

|)(||)(|)( (3.1.7)

也和中心频率Ω无关。

这样,STFT 的基函数)(,τΩt g 具有时-频平面上的一个如下的分辨“细胞”:其中心在

),(Ωt 处,其大小为υτ∆⋅∆,不管Ω,t 取何值(即移到何处)

,该“细胞”的面积始终保持不变。该面积的大小即是STFT 的时-频分辨率。如图3.1.2所示。

图3.1.2 STFT 的时-频分辨率

当我们对信号作时-频分析时,一般,对快变的信号,我们希望它有好的时间分辨率以观察其快变部分(如尖脉冲等),即观察的时间宽度t ∆要小,受时宽-带宽积的影响,这样,对该信号频域的分辨率必定要下降。由于快变信号对应的是高频信号,因此对这一类信号,我们希望有好的时间分辨率,但同时就要降低高频的分辨率。反之,对慢变信号,由于它对应的是低频信号,所以我们希望在低频处有好的频率分辨率,但不可避免的要降低时域的分辨率。

Ω2Ω1

因此,我们希望所采取的时-频分析算法能自动适应这一要求。显然,由于STFT 的

υτ∆∆,不随Ω,t 变化而变化,因而不具备这一自动调节能力。我们在后面要讨论的小波变换

则具备这一能力。 现在,我们举例来讨论STFT 的时-频分辨率和窗函数的关系及STFT 的应用。 例3.1.1 令)()(0ττδτ-=x ,可以求出其

0)()()(),(00ττ

ττττδΩ-Ω--=--=Ω⎰

j j x e t g e

t g t STFT (3.1.7)

该例说明,STFT 的时间分辨率由窗函数)(τg 的宽度而决定。 例3.1.2 若τ

τ0)(Ω=j e x ,则

t j j j x e G d e t g e

t STFT )(000)()(),(Ω-Ω-Ω-ΩΩ-Ω=-=Ω⎰

ττττ

(3.1.8)

这样,STFT 的频率分辨率由)(τg 频谱的宽度来决定。

这两个例子给出的是极端的情况,即)(t x 分别是时域的δ函数和频域的δ函数。)(t x 为

其他信号时的情况也是如此。显然,当利用STFT 时,若我们希望能得到好的时-频分辨率,或好的时-频定位,应选取时宽、带宽都比较窄的窗函数)(τg ,遗憾的是,由于受不定原理的限制,我们无法做到使υτ∆∆,同时为最小。为说明这一点,我们再看两个极端的情况:

例2.1.3 若1)(=τg ,τ∀,则)()(Ω=ΩδG ,这样,)(),(Ω=ΩX t STFT x 。这时,STFT 减为简单的FT ,这将给不出任何的时间定位信息。其实,由于)(τg 为无限宽的矩形窗,故等于没有对信号作截短。

图3.1.3给出的是在1)(=τg ,τ∀的情况下所求出的一高斯幅度调制的chirp 信号的STFT ,上面是时域波形,其中心在70=t 处,时宽约为15,左边是其频谱,右下是其STFT ,可见此时的STFT 无任何时域定位功能。

相关文档
最新文档