KNOWECON WIKI

ARTICLE

时频分析

时频分析 (Time-Frequency Analysis) 时频分析 (Time-Frequency Analysis) 是信号处理领域的一类关键方法，旨在同时描述信号在时间和频率两个维度上的能量分布。传统傅里叶变换 (Fourier Transform) 仅能揭示信号的全局频率成分，却丢失了频率随时间变化的局部信息。时频分析通过构造时间和频率的联合函数—

浏览 0 更新 2025-11-09

时频分析 (Time-Frequency Analysis)

时频分析 (Time-Frequency Analysis) 是信号处理领域的一类关键方法，旨在同时描述信号在时间和频率两个维度上的能量分布。传统傅里叶变换 (Fourier Transform) 仅能揭示信号的全局频率成分，却丢失了频率随时间变化的局部信息。时频分析通过构造时间和频率的联合函数——时频分布 (Time-Frequency Distribution)，克服了这一局限，尤其适用于处理非平稳信号 (Non-Stationary Signal)，如语音、音乐、生物医学信号（ECG、EEG）、雷达和地震数据。

核心动机：傅里叶变换的局限

对于平稳信号，傅里叶变换 X(f)=∫−∞∞x(t)e−j2πftdtX(f)=\int_{-\infty}^{\infty} x(t) e^{-j2\pi f t} dt 提供了完整的频谱信息。然而，对于频率随时间变化的非平稳信号（如一段旋律或变频雷达脉冲），傅里叶变换只能告知"存在哪些频率"，却无法回答"这些频率出现在什么时刻"。这一缺陷催生了将时间与频率信息结合分析的时频方法。

线性时频表示

短时傅里叶变换 (Short-Time Fourier Transform, STFT) 是最直观的线性时频方法。其思路是：用窗函数 w(t)w(t) 截取信号的一个小片段，假设该片段内信号近似平稳，再对该片段做傅里叶变换，然后沿时间轴滑动窗口，最终得到频谱图 (Spectrogram)：

STFT(t,f)=∫x(τ)w(τ−t)e−j2πfτdτSTFT(t,f)=\int x(\tau) w(\tau-t) e^{-j2\pi f \tau} d\tau

频谱图的平方幅度 ∣STFT(t,f)∣2|STFT(t,f)|^2 即信号在时间-频率平面上的能量密度。STFT 受海森堡不确定性原理 (Heisenberg-Gabor Limit) 制约：时间分辨率 Δt\Delta t 与频率分辨率 Δf\Delta f 的乘积存在下界，无法同时达到任意高精度。窄窗提升时间分辨率但牺牲频率分辨率；宽窗则相反。

小波变换 (Wavelet Transform) 是另一种重要的线性时频方法。它采用可伸缩的母小波替代固定长度的窗函数，在低频处用长时窗获取精细频率信息，在高频处用短时窗获取精确时间定位，实现了多分辨率分析：

W(a,b)=1a∫x(t)ψ∗(t−ba)dtW(a,b)=\frac{1}{\sqrt{a}}\int x(t)\psi^{*}\left(\frac{t-b}{a}\right)dt

其中 aa 为尺度参数（对应频率的倒数），bb 为平移参数（对应时间）。

二次型（双线性）时频分布

为克服线性方法的分辨率限制，科恩类 (Cohen's Class) 分布引入了双线性核函数。最著名的代表是维格纳-维尔分布 (Wigner-Ville Distribution, WVD)：

Wx(t,f)=∫x(t+τ2)x∗(t−τ2)e−j2πfτdτW_x(t,f)=\int x\left(t+\frac{\tau}{2}\right)x^{*}\left(t-\frac{\tau}{2}\right)e^{-j2\pi f\tau}d\tau

WVD 具有优异的时频集中度，但存在交叉项干扰（混叠伪影）。实际应用中常通过核函数平滑来抑制交叉项，产生如伪维格纳-维尔分布 (Pseudo WVD)、平滑伪维格纳-维尔分布 (Smoothed Pseudo WVD) 以及乔伊-威廉姆斯分布 (Choi-Williams Distribution) 等变体。

时频分析的应用

时频分析广泛应用于：（1）语音处理：语谱图 (Spectrogram) 作为语音识别和说话人识别的核心特征；（2）生物医学：分析心电信号 (ECG) 的心律失常、脑电图 (EEG) 的癫痫棘波；（3）机械故障诊断：通过振动信号的时频特征识别轴承或齿轮的早期故障；（4）地球物理：地震信号的时频属性用于油气储层预测；（5）通信与雷达：检测和参数估计跳频信号、线性调频信号。

结语

从 STFT 到小波变换再到科恩类分布，时频分析为揭示非平稳信号的局部时变特征提供了强有力的工具。选择何种方法取决于具体应用对时间分辨率、频率分辨率和计算效率的权衡需求。