模糊函数与韦格纳分布的关系

✍ dations ◷ 2025-04-02 12:12:59 #信号处理

模糊函数(Ambiguity function,AF):
A F s ( θ , τ ) = s ( t + τ 2 ) s ( t τ 2 ) e j θ t d t {\displaystyle AF_{s}(\theta ,\tau )=\int _{-\infty }^{\infty }s\left(t+{\frac {\tau }{2}}\right)s^{*}\left(t-{\frac {\tau }{2}}\right)e^{-j\theta t}\,dt} 韦格纳分布(Wigner distribution,WD):
W D s ( t , ω ) = s ( t + τ 2 ) s ( t τ 2 ) e j ω τ d τ {\displaystyle WD_{s}(t,\omega )=\int _{-\infty }^{\infty }s\left(t+{\frac {\tau }{2}}\right)s^{*}\left(t-{\frac {\tau }{2}}\right)e^{-j\omega \tau }\,d\tau }

一个讯号s(t),自相关函数为 R ( τ ) = s ( t ) s ( t τ ) d t {\displaystyle R(\tau )=\int _{-\infty }^{\infty }s(t)s^{*}(t-\tau )\,dt} 如果 R ( τ ) {\displaystyle R(\tau )} 为时间相依性(time-dependent),则时间相依自相关(time-dependent auto-correlation)为 R ( t , τ ) {\displaystyle R(t,\tau )} ,时间相依(时变)频谱(time-dependent spectrum)可以表示的形式类似于传统的功率谱,即对时间相依自相关函数做傅立叶变换。
P ( t , ω ) = R ( t , τ ) e j ω τ d τ {\displaystyle P(t,\omega )=\int _{-\infty }^{\infty }R(t,\tau )e^{-j\omega \tau }\,d\tau }
不同的时间相依自相关会导致不同的时间相依功率谱。
如果 R ( t , τ ) = s ( t + τ 2 ) s ( t τ 2 ) {\displaystyle R(t,\tau )=s\left(t+{\frac {\tau }{2}}\right)s^{*}\left(t-{\frac {\tau }{2}}\right)} ,则时间相依功率谱变成为Wigner distribution
若对 R ( t , τ ) {\displaystyle R(t,\tau )} 中的t做傅立叶逆转换,得到另一个时频表示,对称模糊函数(symmetric ambiguity function,SAF)
S A F s ( θ , τ ) = 1 2 π s ( t + τ 2 ) s ( t τ 2 ) e j θ t d t {\displaystyle SAF_{s}(\theta ,\tau )={\frac {1}{2\pi }}\int _{-\infty }^{\infty }s\left(t+{\frac {\tau }{2}}\right)s^{*}\left(t-{\frac {\tau }{2}}\right)e^{j\theta t}\,dt} 模糊函数反映信号在时间和相位的相关性,并已广泛应用在雷达和声纳系统上。给一个对称模糊函数 S A F s ( θ , τ ) {\displaystyle SAF_{s}(\theta ,\tau )} ,透过傅立叶变换可以得到时间相依自相关:
S A F s ( θ , τ ) e j θ t d θ = s ( t + τ 2 ) s ( t τ 2 ) {\displaystyle \int _{-\infty }^{\infty }SAF_{s}(\theta ,\tau )e^{-j\theta t}\,d\theta =s\left(t+{\frac {\tau }{2}}\right)s^{*}\left(t-{\frac {\tau }{2}}\right)} 由上式可以推得
W D s ( t , ω ) = S A F s ( θ , τ ) e j ( ω τ + θ t ) d θ d τ {\displaystyle WD_{s}(t,\omega )=\int _{-\infty }^{\infty }\int _{-\infty }^{\infty }SAF_{s}(\theta ,\tau )e^{-j(\omega \tau +\theta t)}\,d\theta \,d\tau }
也就是对对称模糊函数做两次傅立叶变换可以得到Wigner distribution

一个讯号为两个Gaussian函数的和:
s ( t ) = i = 1 2 s i ( t ) = i = 1 2 α π 4 e α 2 ( t t i ) 2 + j ω i t {\displaystyle s(t)=\sum _{i=1}^{2}s_{i}(t)=\sum _{i=1}^{2}{\sqrt{\frac {\alpha }{\pi }}}e^{-{\tfrac {\alpha }{2}}(t-t_{i})^{2}+j\omega _{i}t}}
S A F s ( θ , τ ) = i = 1 2 S A F s i ( θ , τ ) + S A F s 1 , s 2 ( θ , τ ) + S A F s 2 , s 1 ( θ , τ ) {\displaystyle \Rightarrow SAF_{s}(\theta ,\tau )=\sum _{i=1}^{2}SAF_{si}(\theta ,\tau )+SAF_{s1,s2}(\theta ,\tau )+SAF_{s2,s1}(\theta ,\tau )}

从范例中得知一项重要事实,即为,在模糊域(ambiguity domain)中的auto-term总是集中在原点(0,0),而cross-term总是在远离原点处,所以可以用一个2D lowpass filter在模糊域中抑制cross-term的干扰,如下:
S A F s ( θ , τ ) Φ ( θ , τ ) e j ( θ t + ω τ ) d θ d τ {\displaystyle \int _{-\infty }^{\infty }\int _{-\infty }^{\infty }SAF_{s}(\theta ,\tau )\Phi (\theta ,\tau )e^{-j(\theta t+\omega \tau )}\,d\theta \,d\tau } ,其中 Φ ( θ , τ ) {\displaystyle \Phi (\theta ,\tau )} 为2D lowpass filter

如果 Φ ( θ , τ ) d θ d τ = ϕ ( t , ω ) {\displaystyle \int _{-\infty }^{\infty }\int _{-\infty }^{\infty }\Phi (\theta ,\tau )\,d\theta \,d\tau =\phi (t,\omega )} ,则
S A F s ( θ , τ ) Φ ( θ , τ ) e j ( θ t + ω τ ) d θ d τ {\displaystyle \int _{-\infty }^{\infty }\int _{-\infty }^{\infty }SAF_{s}(\theta ,\tau )\Phi (\theta ,\tau )e^{-j(\theta t+\omega \tau )}\,d\theta \,d\tau }
= ϕ ( x , y ) W D s ( t x , ω y ) d x d y = S W D ( t , ω ) {\displaystyle =\int _{-\infty }^{\infty }\int _{-\infty }^{\infty }\phi (x,y)WD_{s}(t-x,\omega -y)\,dx\,dy=SWD(t,\omega )}

通常 Φ ( θ , τ ) {\displaystyle \Phi (\theta ,\tau )} ( 和 ϕ ( t , ω ) {\displaystyle \phi (t,\omega )} )当作kernal function,用来控制SWD的特性。


若Wigner分布和对称模糊函数用大小(magnitude)及相位(phase)表示,如下:
W D s 1 , s 2 ( t , ω ) = A W D ( t , ω ) e j φ W D ( t , ω ) {\displaystyle WD_{s1,s2}(t,\omega )=A_{WD}(t,\omega )e^{j\varphi _{WD}(t,\omega )}}
S A F s 1 , s 2 ( θ , τ ) = A S A F ( θ , τ ) e j φ S A F ( θ , τ ) {\displaystyle SAF_{s1,s2}(\theta ,\tau )=A_{SAF}(\theta ,\tau )e^{j\varphi _{SAF}(\theta ,\tau )}}
θ φ S A F ( θ , τ ) = t u {\displaystyle {\frac {\partial }{\partial \theta }}\varphi _{SAF}(\theta ,\tau )=-t_{u}} , τ φ S A F ( θ , τ ) = ω u {\displaystyle {\frac {\partial }{\partial \tau }}\varphi _{SAF}(\theta ,\tau )=\omega _{u}}
也就是说对对称模糊函数的相位做偏微分,会等于Wigner分布的时频(time-frequency)中心。
相反地, ω φ W D ( t , ω ) = t d {\displaystyle {\frac {\partial }{\partial \omega }}\varphi _{WD}(t,\omega )=t_{d}} , t φ W D ( t , ω ) = ω d {\displaystyle {\frac {\partial }{\partial t}}\varphi _{WD}(t,\omega )=\omega _{d}}
则为对Wigner分布的相位做偏微分,会等于对称模糊函数的中心。


如果 ω 1 = ω 2 = ω 0 {\displaystyle \omega _{1}=\omega _{2}=\omega _{0}} ,则
S A F s 1 , s 2 ( θ , τ ) = e e j ( ω 0 τ θ t u ) {\displaystyle SAF_{s1,s2}(\theta ,\tau )=e^{-}e^{j(\omega _{0}\tau -\theta t_{u})}}
会集中在 τ {\displaystyle \tau } 轴上。


如果 t 1 = t 2 = t 0 {\displaystyle t_{1}=t_{2}=t_{0}} ,则
S A F s 1 , s 2 ( θ , τ ) = e e j {\displaystyle SAF_{s1,s2}(\theta ,\tau )=e^{-}e^{j}}
会集中在 θ {\displaystyle \theta } 轴上。

相关

  • 巴比妥酸盐巴比妥类药物(Barbiturate)是一类作用于中枢神经系统的镇静剂,属于巴比妥酸的衍生物,其应用范围可以从轻度镇静到完全麻醉,还可以用作抗焦虑药、安眠药、抗痉挛药。长期使用则会
  • 爱尔福特爱尔福特(德语:Erfurt),又译埃尔福特,是德国中部的一个城市。它是图林根州的首府,并是一个有196,500人口的制造业中心。爱尔福特东北100公里是莱比锡,向西113公里是卡塞尔和向西北1
  • 天意天意可以指:
  • 晨星晨星(morning star)可能指以下的事物:
  • CD-iCD-i(Compact Disc Interactive)是由飞利浦开发并销售的互动多媒体CD播放器。CD-i是这台机器上使用的多媒体CD的名称,或称绿皮书CD,这个格式是由飞利浦和索尼制定的。格式制定工
  • 代码膨胀代码膨胀(英语:Code bloat)是指程序代码(可以是源代码,也可以是机器代码)生成的程序文件过大、运行缓慢或者有其他浪费资源的情况。代码膨胀可能由编写代码的语言、编译时所用的编
  • 苏裴理斯苏裴理斯(Bishop Marie-Félix Choulet M.E.P..1854年12月4日-1923年7月31日),天主教南满宗座代牧区主教(1901年2月21日-1920年7月1日),巴黎外方传教会会士。1854年12月4日(一说16日
  • 愛若此時《愛若此時》(英语:),由塔维斯·费纳(英语:Travis Fine),在2012年拍摄成美国剧情电影,以及由塔维斯·费纳和乔治.安姆.布鲁姆编写。是在70年代后期触动了社会和法律上真实改编。1979年,
  • 加尔迪瓦拉加尔迪瓦拉(Gardhiwala),是印度旁遮普邦Hoshiarpur县的一个城镇。总人口6263(2001年)。该地2001年总人口6263人,其中男性3277人,女性2986人;0—6岁人口636人,其中男330人,女306人;识字
  • 成元治成元治(?年-?年),字 ,山西省人,毕业于山西西学专斋矿学专科,宣统三年进士。