模糊函数与韦格纳分布的关系

✍ dations ◷ 2025-04-04 20:23:19 #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

  • 高兴高兴(high)即快乐的情绪,另可能指:
  • 查莫罗人查莫罗人(西班牙语:Chamorro),又称查莫洛人,是对马里亚纳群岛上土著人的称呼。其中最为人们所了解的是关岛查莫罗人。查莫罗人属于密克罗尼西亚人种,在民族学界对其起源存在较大争
  • 坚蜥目坚蜥目(Aetosauria)又名恩吐龙亚目,意思是“老鹰蜥蜴”,其下只有一科锹鳞龙科(Stagonolepididae),是一群已灭绝植食性主龙类演化支,身上有重骨板、体型由中到大,生存于三叠纪晚期。它
  • 深圳墟东门商业区,又名东门步行街、东门老街或东门町。位于中国广东省深圳市罗湖区,是深圳市最早发展的一个零售性质商业区,始建于1990年代初。东门老街范围包括深南东路以北,立新路以
  • 赵文瑄赵文瑄(1960年6月9日-),台湾电视剧演员,于明志工业专科学校机械科毕业。赵文瑄从明志工专机械科毕业后,先在西北航空公司做地勤,后到台湾中华航空公司做空勤人员,人称“空中少爷”,一
  • 明日记忆《明日记忆》(日语:明日の記憶,英语:),是一部由荻原浩所写的小说。之后由堤幸彦执导、渡边谦监制改编成电影,同时渡边谦也在戏中担任男主角。此剧获得日本电影金像奖多项提名,而男主
  • 燕话燕话,又名卫里话,是中国浙江省慈溪市的一个闽语方言岛,位于观海卫镇,形成于明代,目前面临消失的危险。燕话的使用者主要分布于观海卫镇西北角,卫西村、卫北村一带,目前仅有不足千人
  • 勒保勒保(满语:ᠯᡝᠪᠣᡠ,穆麟德:,1740年-1819年),字宜轩,费莫氏,满洲镶红旗人,清朝官员、工部尚书、武英殿大学士,军机大臣。出身监生。乾隆年间,以笔帖式任军机章京,外任陕甘总督。乾隆五十
  • 克鲁斯卡尔坐标系克鲁斯卡尔坐标系(或称作克鲁斯卡尔-塞凯赖什坐标系,英文Kruskal coordinates或Kruskal-Szekeres coordinates)是在史瓦西度规下建立的一种坐标系,名称来自于美国数学物理学家马
  • 安琪拉·琳德沃安琪拉·琳德沃(;1979年1月14日-)美国超级名模,她亦是高级内衣品牌《维多利亚的秘密》的模特儿。2000年,安琪拉入选Vogue年度模特儿,但是另一名模Carmen Kass获胜。她曾为Tommy Hif