广义频谱图

✍ dations ◷ 2025-06-29 11:36:15 #声学,信号处理

广义频谱图(Generalized spectrogram),为频谱图的通用型。为了得知信号随着时间的频率分布状态,以频谱图观察时,其分辨率受到测不准原理影响,频率分辨率与时间分辨率相乘为定值。为解决此问题,于是将频谱图推广至广义频谱图。

一段随时间变化的信号,同时具有时域和频域的特征,若想要了解一个信号在某段时间内的频率特征,最好的方式就是使用时频分析,观察一段信号的时频分布图。频谱图(Spectrogram)就是其中一种同时表示时间和频率特征的分布图。

以高斯函数作为窗函数(window function),使用时频分析,求出两组不同长度的窗函数的加伯转换,即 G x , w 1 ( t , f ) {\displaystyle {G_{x,{w_{1}}}}\left({t,f}\right)} G x , w 2 ( t , f ) {\displaystyle {G_{x,{w_{2}}}}\left({t,f}\right)} ,再将 G x , w 2 ( t , f ) {\displaystyle {G_{x,{w_{2}}}}\left({t,f}\right)} 取共轭复数后相乘。公式如下:

S P x , w 1 , w 2 ( t , f ) = G x , w 1 ( t , f ) G x , w 2 ( t , f ) {\displaystyle S{P_{x,{w_{1}},{w_{2}}}}(t,f)=G_{x,{w_{1}}}(t,f)G_{x,{w_{2}}}^{*}(t,f)}

其中 w 1 ( t ) , w 2 ( t ) {\displaystyle w_{1}(t),w_{2}(t)} 为加伯转换的窗函数, t {\displaystyle t} 为时间 f {\displaystyle f} 为频率。

加伯转换的公式如下:

G x , w 1 ( t , f ) = w 1 ( t τ ) x ( τ ) e j 2 π f τ d τ {\displaystyle {G_{x,{w_{1}}}}\left({t,f}\right)=\int _{-\infty }^{\infty }{{w_{1}}\left({t-\tau }\right)x\left(\tau \right)\,{e^{-j2\pi \,f\,\tau }}d\tau }}

G x , w 2 ( t , f ) = w 2 ( t τ ) x ( τ ) e j 2 π f τ d τ {\displaystyle {G_{x,{w_{2}}}}\left({t,f}\right)=\int _{-\infty }^{\infty }{{w_{2}}\left({t-\tau }\right)x\left(\tau \right)\,{e^{-j2\pi \,f\,\tau }}d\tau }}

若将 w 1 ( t ) = w 2 ( t ) {\displaystyle w_{1}(t)=w_{2}(t)} ,则与原本频谱图无异。

长度不同的窗函数,其时频域的分辨率不同,依据测不准原理,较窄的窗函数,时间分辨率较好,而频率分辨率较差;相反的,较宽的窗函数,频率分辨率较好,而时间分辨率较差。

为了同时在时间和频率轴上都达到更好的分辨率,把在频谱图原定义中的 w ( t ) {\displaystyle w(t)} 分为两个长短不同的波形。例如 : 可以让 w 1 ( t ) {\displaystyle w_{1}(t)} 长度较宽,在频域上面有良好的分辨率,而 w 2 ( t ) {\displaystyle w_{2}(t)} 则长度较窄,在时域上有良好的分辨率。先分别运算 G x , w 1 ( t , f ) {\displaystyle {G_{x,{w_{1}}}}\left({t,f}\right)} G x , w 2 ( t , f ) {\displaystyle {G_{x,{w_{2}}}}\left({t,f}\right)} ,再相乘,变为 S P x , w 1 , w 2 ( t , f ) {\displaystyle S{P_{x,{w_{1}},{w_{2}}}}\left({t,f}\right)} 。如此一来时域和频域上的分辨率都能兼顾到。

当我们的输入信号为:

我们先分别求出 σ = 0.1 {\displaystyle \sigma =0.1} σ = 1.6 {\displaystyle \sigma =1.6} 的 。经Matlab计算后,如下图

将其中一个取共轭复数后,两者相乘,得到广义频谱图如下;

我们可以与 σ = 0.4 {\displaystyle \sigma =0.4} 的加伯转换比较:

可以发现广义频谱图无论是在时间分辨率下,或是频率分辨率下,都优于 σ = 0.4 {\displaystyle \sigma =0.4} 的加伯转换。

原本的广义频谱图公式为 S P x , w 1 , w 2 ( t , f ) = G x , w 1 ( t , f ) G x , w 2 ( t , f ) {\displaystyle S{P_{x,{w_{1}},{w_{2}}}}(t,f)={G_{x,{w_{1}}}}(t,f)G_{x,{w_{2}}}^{*}(t,f)}

我们可以对此再进行一般化,如下

S P x , w 1 , w 2 ( t , f ) = G x , w 1 α ( t , f ) G x , w 2 β ( t , f ) {\displaystyle S{P_{x,{w_{1}},{w_{2}}}}(t,f)=G_{x,{w_{1}}}^{\alpha }(t,f)G_{x,{w_{2}}}^{\beta }(t,f)}

或者如下方形式:

S P x , w 1 , w 2 ( t , f ) = | G x , w 1 ( t , f ) | α | G x , w 2 ( t , f ) | β {\displaystyle S{P_{x,{w_{1}},{w_{2}}}}(t,f)=\left|G_{x,{w_{1}}}(t,f)\right|^{\alpha }\left|G_{x,{w_{2}}}(t,f)\right|^{\beta }}

两种方法新增了 α {\displaystyle \alpha } β {\displaystyle \beta } 两变数,期望能找到更好的分辨率。

相关

  • 莎拉·伯恩哈特莎拉·伯恩哈特 (Sarah Bernhardt, 1844年10月22日-1923年3月26日)是一位19世纪和20世纪初法国舞台剧和电影女演员。正如罗伯特·戈特利在《莎拉》中所说的那样,她被认为是“世
  • 可塑剂塑化剂(英语:Plasticizer),或称增塑剂、可塑剂,是一种增加材料的柔软性或使材料液化的添加剂。其添加对象包含了塑胶(塑胶添加剂)、混凝土、干壁材料、水泥、胶粘剂与石膏等等。同
  • 瑶族瑶族(或称为徭族、傜族、猺族),是亚洲的一个民族,其历史比较悠久。有研究认为:瑶族起源于古代东夷部落,与九黎族关系密切,尊奉先祖蚩尤、盘瓠。中国的瑶族人口为285.3万(2010年),62.1%
  • 语源语源学(英语:Etymology,希腊语:ετυμολογία),是一门研究字词来源的学科。英语的“Etymology”一词本身源于“希腊语:έτυμος”(真实)与“希腊语:λόγος”(字、理性或
  • 柯林斯堡坐标:40°33′33″N 105°4′41″W / 40.55917°N 105.07806°W / 40.55917; -105.07806科林斯堡(英语:Fort Collins)是美国科罗拉多州拉里默尔县内的一座权力下放的城市,它位于
  • 角果角果是果实的一种类型,由两心皮合生雌蕊发育而成,属于单果。在果实两侧心皮合生的部位形成两条腹缝线,发育过程中腹缝线之间会形成隔膜将果实分为两个格室,这个隔膜并非由胎座发
  • 阿默斯特学院阿默斯特学院(Amherst College,发音:/ˈæmərst/)位于美国马萨诸塞州,是麻省第三古老的高等教育机构,也是全美排名最高的文理学院之一。美国总统卡尔文·柯立芝、美国国务卿罗伯
  • 王夔王夔(1928年5月7日-),天津人,中国无机化学家,北京大学医学部教授。1928年生于天津。1949年毕业于燕京大学化学系。北京大学医学部教授。曾任北京医科大学药学院院长,国家自然科学基
  • 贾特拉帕蒂·希瓦吉·马哈拉杰国际机场民用贾特拉帕蒂·希瓦吉·马哈拉杰国际机场(马拉提语:छत्रपती शिवाजी महाराज आंतरराष्ट्रीय विमानतळ,印地语:छत्रपति शिवा
  • 计算时间在计算复杂度理论中,计算时间是种计算抽象机器必须在某些特定计算中花费的步骤数。任何抽象机器花费的计算时间都是一种用以解决计算问题的计算资源。很多重要的复杂度类,都是