科恩系列分布(Cohen's class distribution)于1966年由L. Cohen首次提出,且其使用双线性转换亦是此种转换形式中最通用的一种。在几种常见的时频分布中,Cohen's class分布是最强大的转换之一。随着近几年来时频分析发展,应用也越来越多元。Cohen's class分布和短时距傅里叶变换比较起来有较高的清晰度,但也相对的有交叉项(cross-term)的问题,不过可选择适当的遮罩函数(mask function)来将交叉项的问题降到最低。
模糊函数的定义为:
我们来看一下
对于模糊函数的影响
(1) 假设
是一个高斯函数:
, 其中 
那么我们可以得到
, 代入模糊函数
中:
(2) 假设
是一个经过 shifting 和 modulation 的高斯函数:
那么我们可以得到
, 代入模糊函数
中:
我们可以看到
,
因此我们可以得出 time shifting
和 modulation
并不会影响 
积分后,
所以
在
的地方会有最大的 
上述所列出来的是当
只有一项而已 (one term only),如果
有两项以上的元素构成 (more than two terms),
,依然会有交叉项 (cross-term) 的问题存在。
假设
, 其中
将
代入模糊函数
中:
(1) 
(2) 
因此,我们目前得到
(auto-terms) 和
(cross-terms) 的公式,我们再仔细的分析 auto-terms 和 cross-terms 分别发生最大值的位置。
首先,先看 Auto-terms:
而 Cross-terms:
换句话说,如果我们绘制一个 x轴为
, y轴为
的座标图,Auto-terms发生在原点
的位置,而 Cross-terms 则是以原点为对称中心,在第一象限和第三象限的位置,
这也是为什么可以透过一个低通函数来滤除噪声,把主成分 Auto-terms 分离出来,避免交叉项的问题。
维格纳分布是由尤金·维格纳于 1932 年提出的新的时频分析方法,对于非稳态的讯号有不错的表现。
相较于傅里叶转换或是短时距傅里叶转换,维格纳分布能有比较好的解析能力。
维格纳分布的定义为:
如果我们假设
是一个具有弦波特性的讯号, 
那么将此
代入维格纳分布中,
所以当
时,
在
的地方会有最大值。
换句话说,当
有 modulation
或是有 time shifting
的情况发生时,会影响维格纳分布 (Wigner Distribution Function) 最大值
的位置
然而,对于科恩系列分布 (Cohen's class distribution)而言,time shifting
和 modulation
并不会影响 