短时傅里叶变换及其应用

《短时傅里叶变换及其应用》由会员分享，可在线阅读，更多相关《短时傅里叶变换及其应用（47页珍藏版）》请在金锄头文库上搜索。

1、- 1 - 短时傅里叶变换及其应用 1 引言引言 传统傅里叶变换（Fourier Transform）分析方法已经在众多的领域内产生巨大 影响。特别在 1965 年之后，快速傅里叶变换（FFT）算法的发现及改进使得离散 傅里叶变换（DFT）实现了高效的数学实现，为数字信号处理技术应用于各种信号 的实时处理创造了条件，加速了离散时间信号与系统分析技术的发展。但长久以 来，人们也发现了傅里叶分析方法存在的一些不足，正如詹姆斯凯塞（James F. Kaiser）曾经说过， “最多被使用的信号处理工具是 FFT，而最多被滥用的信号处 理工具也是FFT” 。 从20世纪80年代以来， 数字信号处理技术

2、在联合时频分析 （Joint Time-frequency Analysis）方法方面有了很大的发展，各种联合时频分析方法得到 了广泛的研究和应用，并逐渐形成了一套独特的理论体系。它的主要研究对象是 非平稳信号或时变信号，主要的任务是描述信号的频谱含量是怎样随时间变化的。 短时傅立叶变换（Short-time Fourier Transform，STFT）就是其中的一种最简单的 联合时频分析方法。本文具体研究了短时傅里叶分析与综合，测不准原理，STFT 的分辨率，STFT 的优缺点和窗函数的相关内容，最后借助 MATLAB 进行了相应 的仿真并对仿真结果进行分析。 2 传统傅里叶变换传统傅里叶

3、变换 2.1 傅里叶变换的定义傅里叶变换的定义 连续时间信号 s(t)的傅里叶变换（Fourier Transform）的数学表达式： （2-1） 式（2-1）所表示的傅里叶正变换也称为傅里叶分析。 信号 s(t)的傅里叶变换的逆变换的数学表达式： （2-2） 式（2-2）所表示的傅里叶逆变换也称为傅里叶综合。 2.2 傅里叶变换的意义傅里叶变换的意义 热的传播与扩散现象是导致傅里叶研究成果的实际物理背景。由式（2-1）可 以看出傅里叶变换是一种线性的积分变换，它能够将满足一定条件的某个函数表 示成为一组复指数函数的积分。由式（2-2）可以看出 S(j)告诉我们将 s(t)表示为 不同频率正弦

4、信号的线性组合（就是积分）所需要的信息。傅里叶变换及其逆变 换可以将信号的时域描述和频域描述联系起来。在不同的研究领域，傅里叶变换 具有多种不同的变体形式，如离散时间傅里叶变换（DTFT）和离散傅里叶变换 （DFT） 。由式（2-2）容易求出傅里叶变换的逆变换，而且逆变换的形式与正变换 非常类似。对用线性常系数微分方程表征的系统运用傅里叶变换的微分性质，这 样可容易地求得系统的频率响应。另外在对线性时不变的物理可实现系统进行分 析时，系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获 取。卷积定理还指出：傅里叶变换可以化简复杂的卷积运算为简单的乘积运算， 从而提供了计算卷积的一种

5、简单手段。离散傅里叶变换可以利用数字计算机快速 的实现（FFT） 。 基于以上良好的性质，傅里叶变换在物理学、数论、组合数学、信号处理、 概率、统计、密码学、声学、光学等领域都有着广泛的应用。 2.3 傅里叶变换的缺陷傅里叶变换的缺陷 2.3.1 不适用于非平稳信号不适用于非平稳信号 若一个随机过程 (t)的任意的有限维分布函数与时间起点无关，也就是说，对 于任意的正整数 n 和所有实数 ，有 （2-3） 则称该随机过程是在严格意义下的平稳随机过程，简称严平稳随机过程。该 定义表明，平稳随机过程的统计特性不随时间的推移而改变。可见平稳随机过程 具有简明的数字特征： 均值与时间t无关， 为常数；

6、 自相关函数只与时间间隔有关。 实际中把同时满足这两个条件的过程定义为广义平稳随机过程1。 如果一个信号不 是广义平稳的，则称它是非平稳的或时变的。 对于非平稳信号而言，由于其频谱含量随时间有较大的变化，要求分析方法 能够准确的反映出信号的这种局部时变频谱特性，只了解信号在时域或者频域的 全局特性是远远不够的，或者说是不适合的。而傅立叶变换及其逆变换是一种信 号的整体变换，要么完全在时域进行分析处理，要么完全在频域进行分析处理， 无法给出信号频谱含量随时间的变化规律。为了分析和处理非平稳信号，就需要 使用信号的时域和频域的二维联合表示，即联合时频分析方法。 2.3.2 没有局域性没有局域性 傅

7、里叶变换及其逆变换可以将信号的时域描述和频域描述联系起来。但是通 过傅里叶变换建立起来的时域-频域关系无“定位”能力，即若需知道某一频率 0 处的 S(j0)，则需要知道 s(t)在-t+内的所有值，反之亦然2。也就是说，无法 从局部时刻的 s(t)得到某一局部频率的 S(j)，反过来也是如此。 2.3.3 时域与频域时域与频域分割分割 傅里叶变换及其逆变换使用的是一种全局的线性处理方法，要么完全在时域， 要么完全在频域。尽管时间信息隐含在傅里叶变换结果的相位描述中，但通常是 不便于理解的3。即单凭傅里叶变换，我们难以弄清楚信号的频率成分随时间是怎 样变化的。从时域波形中很难发现它的频率特性；

8、同样的，在频谱图中也难知道 具体频率是发生在哪些时间段。 2.4 本章小结本章小结 传统傅里叶变换在众多领域产生巨大影响，然而它本身也存在不适用于非平 稳信号，没有局域性以及时域与频域分割的缺陷。要克服这些缺陷，就需要寻求 联合时频分析方法。 3 短时傅里叶短时傅里叶分析及其综合分析及其综合 3.1 STFT 提出提出的的背景背景与基本思想与基本思想 鉴于传统傅里叶变换的缺陷提出了联合时频分析方法。此概念由尤金维格 纳（Eugene Wigner）于 1932 年提出，即找到一个二维函数，它可以把信号的时域 分析和频域分析结合起来，联合时频分析的结果既反映了信号的频率内容，也反 映了频率内容随

9、时间变化的规律。该方法大体可分为两类：线性联合时频分析方 法和非线性联合时频分析方法。线性联合时频分析方法主要包括短时傅里叶变换、 Gabor 展开及小波变换。对于非线性联合时频分析方法，它包括 Wigner-Ville 分布 和广义的双线性时频分布等2。 在 1946 年，丹尼斯 加博尔 （Dennis Gabor） 提出了短时傅里叶变换和 Gabor 展 开的概念。短时傅里叶变换，其基本思想是将信号加窗，将加窗后的信号再进行 傅里叶变换。加窗处理使得变换结果为时刻 t 附近的很小时间段上的局部谱，窗函 数可以根据时间 t 的变化在整个时间轴上平移，即利用窗函数可以将任意时刻 t 附 近的频

10、谱实现时间局域化，从而构成信号的二维时频谱。即使信号 s(t)是非平稳的 或时变的，但加窗处理将它分成许多小段后，可以假定每一小段的信号都是平稳 的，所以短时傅里叶变换也可以用于非平稳信号或时变信号的分析。 3.2 短时傅里叶短时傅里叶分析分析 3.2.1 连续时间短时傅里叶变换连续时间短时傅里叶变换 3.2.1.1 数学表达式数学表达式 连续时间信号 s(t)的短时傅里叶变换（Continuous-time STFT）的数学表达式3 为 （3-1） 上式中为窗函数,通常是实偶的。另有对于连续时间信号 s(t)， ，称为内积或点积3。 对于连续时间信号 s(t)的短时傅里叶变换，其实现原理可以

11、利用图（3-1）所示 的框图表示2。 图图 3-1 Continuous-time STFT 的实现原理框图的实现原理框图 3.2.1.2 公式涵义公式涵义 在时域用窗函数去截信号 s(t)，同时认为截取下来的局部信号是平稳的。 然后对截取下来的局部信号作傅里叶变换，即在 t 时刻附近计算信号的傅里叶变 换；再不断地改变 t 的数值，也即不断地移动窗函数的中心位置，即可得到不同时 刻附近的傅立叶变换，这些傅立叶变换的集合即是 STFT(t,)。STFT(t,)是一个二 维的复函数，它表示信号 s(t)随时间和频率变化的幅度和相位。短时傅里叶变换可 以看成是用基函数来代替傅里叶变换公式中的基函数

12、。 3.2.2 离散时间短时傅里叶变换离散时间短时傅里叶变换 离散时间信号 sn的短时傅里叶变换（Discrete-time STFT）的数学表达式2： （3-2） 为窗函数。公式（3-2）中 n 为离散的，而 是连续的，即离散时间短时 傅里叶变换在时间上是离散的，而在频率上是连续的。 3.2.3 离散离散短时短时傅里叶变换傅里叶变换 在数字信号处理的应用中， 有必要将连续时间信号的 STFT 中每段窗内信号的 连续时间傅里叶变换用离散傅里叶变换代替，结果得到的短时傅里叶变换在时间 上和频率上都是离散的，这样将便于数字计算机实现。离散短时傅里叶变换 （Discrete STFT）的数学表达式3

13、为 s() FT (-t) STFT(t,) （3-3） 公式（3-3）中，窗函数每次平移的步长为 1 点。另有 （3-4） 式（3-4）中 t 表示采样时间间隔。是 L 点的窗函数。容易得出 离散短时傅里叶变换在频率上具有周期性，即 （3-5） 其中 k=0,1,2,3, 3.3 短时傅里叶短时傅里叶综合综合 3.3.1 综合综合的条件的条件3 短时傅里叶变换也可以看作是时域到时间-频率域的一个映射。对于任意的时 域函数 s(t)和窗函数 (t),这样的映射总是存在的， 但是对于短时傅里叶变换的逆变 换（短时傅里叶综合）却并不总是这样。换句话说，给定一个函数 (t)和一个任意 的二维函数 B

14、(t,)，并不一定存在这样一个信号 s(t)，使它的短时傅里叶变换等于 B(t,)。这时，二维函数 B(t,)就不是一个有效的短时傅里叶变换。 一个简单的例子如下： （3-6） 4.1 节的内容将证明：如果一个信号在时域是有限长的，则该信号在频域即为 无限长；反之，如果信号在频域为有限长，则它在时域是无限长的。也就是说， 没有信号可以同时满足在时域及频域都是有限长的。 那么显然， 式 （3-6） 中的 B(t,) 不是一个有效的时间-频率描述。 一个有效的短时傅里叶变换 B(t,)的傅里叶逆变换是可分离的，即 （3-7） 式（3-7）中 和 t 是等效的时间变量。 3.3.2 一维逆变换表示一

15、维逆变换表示 如果用短时傅里叶变换的一维逆变换表示，即有 （3-8） 在式（3-8）中， 和 t 是等效的时间变量，若令 =t，则 （3-9） 3.3.3 二维逆变换表示二维逆变换表示 考虑 （3-10） 若 h*(t-)=(t-),则 （3-11） 其中 （3-12） 式 （3-12） 用短时傅里叶变换的二维逆变换来表示 s(t)。 这里的理解可以是， 信 号 s(t)用基函数展开，而是在时频点（,）的邻域内对信号 s(t)的贡献。 3.4 本章小结本章小结 本章首先讨论了短时傅里叶变换提出的背景及基本思想， 再研究了 STFT 的分 析与综合。连续时间短时傅里叶变换存在很高的冗余度，而离散

16、短时傅里叶变换 则改善了该问题，并且它便于用数字计算机实现，是在工程实践中所采用的分析 方法。同样，工程上使用离散短时傅里叶综合，所利用的方法是 Gabor 展开3。 4 测不准原理测不准原理 测不准原理（Uncertainty Principle） ，又名不确定性原理，是量子力学的一个 基本原理。关于该原理的一个典型的例子就是一个粒子的位置和动量。根据测不 准原理，一个粒子的位置（动量）越确定，那么它的动量（位置）就越不确定。 测不准原理是大自然最基本的现象之一。 傅里叶变换为测不准原理提供了完美的数学模型，通过傅里叶变换可以解释 测不准原理。 4.1 时间时间长长度和频带宽度度和频带宽度的关系的关系 由于信号的时域描述与频域描述可以通过傅里叶变换联系起来，因此信号的 时间和频率特性就不是相互独立的。当信号具有有限的时间长度，它的频带宽度 必然无限宽， 反之亦然。 即没有信号同时具有有限的时间长度和有限的频带宽度3。 为了证明这一事实，可以