模糊函数与韦格纳分布的关系

✍ dations ◷ 2025-06-29 17:23:27 #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

  • 假底物底物(英语:substrate)在生物化学领域指参与生化反应的物质,可为化学元素、分子或化合物,经酶作用可形成产物。一个生化反应的底物往往同时也是另一个化学反应的产物。
  • 荣总荣民医院或荣民总医院,可以指下列中华民国以服务民众为成立宗旨的医院,均由国军退除役官兵辅导委员会成立与管理:
  • 王迅 (物理学家)王迅(1934年4月23日-),籍贯江苏无锡,出生于上海,表面物理、半导体物理学家,中国科学院院士。著名计算机科学家王选之兄。王迅出生于无锡望族,曾祖父王縡为清同治年间进士。父亲王守
  • 太乙救苦天尊太乙救苦天尊,通称东极青华上帝,简称太乙天尊、救苦天尊、青玄上帝,是道教尊神,又称寻声救苦天尊、十方救苦天尊等,道教经典记太乙天尊居“东方长乐世界”妙严宫(“严”或作“岩”
  • 2011年世界俱乐部杯決赛2011年世界俱乐部杯决赛是2011年世界俱乐部杯的最后一场足球赛事,由来自南美洲的桑托斯与欧洲的巴塞罗那争夺该项锦标的冠军。桑托斯 v 巴塞罗那 最佳球员: 梅西(巴塞罗那)
  • 从众效应从众效应或乐队花车效应(英语:Bandwagon effect)是指人们受到多数人的一致思想或行动影响,而跟从大众之思想或行为,常被称为“羊群效应”(英语:Herd behavior)。从众效应是诉诸群众
  • 威廉·古柏威廉·古柏 (英语:William Cowper,发音为/ˈkuːpər/ "Cooper",1731年11月26日-1800年4月25日)是一位英国诗人和圣诗作者。他是那个时代最受欢迎的诗人之一,通过描绘日常生活和英
  • 明天属于我们《明天属于我们》(法语:)是一部于2017年7月17日在TF1开播的法国电视剧。
  • 清和大学清和大学(清和大学,Seiwa daigaku)是日本千叶县木更津市的一所私立大学,创建于1994年,设有清和大学短期大学部,幼儿园等,到JR东日本内房线和久留里线的木更津站约需步行十分钟。坐
  • 电离平衡电离平衡是一种化学现象,通常发生在具有极性共价键的化合物溶于水中的情况。具有极性共价键的弱电解质(例如部分弱酸、弱碱)溶于水时,其分子可以微弱电离出离子;同时,溶液中的相