蘇 峰,曲長文,簡 濤

（海軍航空工程學院,煙臺 264001）

0 引 言

信號的時頻分布將時域和頻域有機地結(jié)合在一起,反映信號在時頻平面的特征。時頻分析通過將信號的時域或頻域表示變換為時頻二維表示,分析信號的瞬時頻譜或頻譜隨時間的變化規(guī)律,是分析非平穩(wěn)或時變信號的有力工具。線性時頻分析方法有短時傅里葉變換、Gabor變換、小波變換等；能量或平方時頻分析方法有Wigner-Ville分布、Cohen類分布、模糊函數(shù)、譜圖、尺度圖等。時頻分析近幾年得到迅速發(fā)展,廣泛應用到許多領域的信號分析與處理中。

各種時頻分布之間有著一定的聯(lián)系,Cohen類分布是Wigner-Ville分布的一般平滑型,譜圖、尺度圖是Wigner-Ville分布的特殊平滑型。短時傅里葉變換、小波變換、Wigner-Ville分布是3種典型的時頻分布,其它時頻分布的性能介于它們的性能之間。短時傅里葉變換、小波變換、Wigner-Ville分布的計算量基本相同。將信號轉(zhuǎn)換為解析信號,Wigner-Ville分布與離散的短時傅里葉變換、小波變換具有相同的頻率周期。短時傅里葉變換、小波變換、Wigner-Ville分布的交叉項、分辨率有較大的差別,而交叉項、分辨率是影響它們應用的重要因素。本文主要分析、比較短時傅里葉變換、小波變換、譜圖、尺度圖以及Wigner-Ville分布的分辨率以及交叉項對分辨率的影響。

1 時頻分布

短時傅里葉變換和Gabor變換的基本原理是一致的,均是加窗傅里葉變換。窗函數(shù)使短時傅里葉變換具有了局域特性,窗函數(shù)的移動使短時傅里葉變換又具有全局特性。短時傅里葉變換是時間和頻率的二元函數(shù)。信號z（t）的短時傅里葉變換為:

式中:w（t）為窗函數(shù),可以在L2（R）空間內(nèi)任意選擇,一般以具有好的時頻聚集性為原則。

短時傅里葉變換是線性的,其模的平方定義為信號z（t）的譜圖。譜圖是能量時頻分布,不滿足線性疊加原理。

Wigner-Ville分布是一種能量時頻表示,幾乎滿足期望具有的所有數(shù)學性質(zhì)。信號z（t）的Wigner-Ville分布定義為:

小波變換是一種多分辨分析,其定義為:

當時間平移參數(shù)b變化時,窗函數(shù)在時間軸上平移。當尺度參數(shù)a變化時,窗函數(shù)寬度在時間軸上伸縮。若a＞1,使窗函數(shù)時寬增大,而窗函數(shù)頻寬縮??；若a＜1,使窗函數(shù)時寬縮小,而函數(shù)頻寬增大。小波變換是線性變換,其模的平方定義為信號z（t）的尺度圖。尺度圖是能量時間-尺度分布。

由于小波變換、尺度圖是時間-尺度分布,不方便與其它時頻表示比較性能。根據(jù)小波變換的原理,提出改進小波變換,如下:

當f=0時,改進小波變換變?yōu)樾〔ㄗ儞Q；當a=1時,改進小波變換變?yōu)槎虝r傅里葉變換。在考慮小波變換的時頻特性時,將尺度參數(shù)a看作參變量。改進小波變換的模的平方定義為改進尺度圖。

2 分辨率分析與比較

時頻分布的分辨率是指將時頻平面上2個信號區(qū)分開來的能力,包括2個參量:時間分辨率和頻率分辨率。由于高斯函數(shù)滿足不確定性原理的最低限,在時頻平面上具有較好的聚集性,選擇高斯函數(shù)作為比較時頻分布分辨率的信號。

設高斯信號為:

相應的Wigner-Ville分布為:

2t0）的Wigner-Ville分布為:

為了方便分析,選取受單一頻率調(diào)制的高斯信號作為第1個信號,其時寬為a=15 s,時延為t1=40 s。第2個信號與第1個信號相同,時延為t2=70 s,與第1個信號在時間上相隔30 s。這2個信號之和的Wigner-Ville分布,如圖1所示。2個信號產(chǎn)生交叉項與2個自Wigner-Ville分布項處于相連與非相連的臨界狀態(tài),只有當2個信號時間相隔大于30 s時,才能將2個信號區(qū)分開來,從而交叉項影響了分辨率。

對于短時傅里葉變換,選擇高斯函數(shù)作為窗函數(shù),即

圖1 交叉項對Wigner-Ville分布分辨率的影響

則單個高斯信號的短時傅里葉變換為:

相應的單個高斯信號的譜圖為:

它們與信號和窗函數(shù)的時寬有關。在信號一定的情況下,窗函數(shù)時寬越窄,譜圖的時間分辨率越高,頻率分辨率越低。對于多個信號的情況,短時傅里葉變換不產(chǎn)生交叉項,譜圖的交叉項僅出現(xiàn)在信號自譜圖項重疊的區(qū)域,對譜圖的時間分辨率和頻率分辨率沒有影響。

以時寬αw=25 s的高斯函數(shù)作為窗函數(shù),2個信號與圖1中所用的2個信號完全相同。2個信號之和的譜圖如圖2所示。這2個信號沒有重疊區(qū)域,也就沒有交叉項。即便2個信號有重疊區(qū)域,交叉項也僅限于重疊區(qū)域。因此,信號的多與少對分辨率無影響。

圖2 譜圖分辨率示意圖

為了考察小波變換的在時頻平面上的特性,采用改進小波變換。單個高斯信號的改進小波變換為:

對于小波變換,選擇調(diào)制高斯函數(shù)作為基本小波,即:

相應的單個高斯信號的改進尺度圖為:

它們與信號的時寬、基本小波的時寬及尺度參數(shù)有關。在信號一定的情況下,基本小波時寬越窄,尺度圖的時間分辨率越高,頻率分辨率越低。當尺度參數(shù)較大時,位于尺度圖的低頻端,尺度圖頻率分辨率高,時間分辨率低；當尺度參數(shù)較小時,位于尺度圖的高頻端,尺度圖頻率分辨率低,時間分辨率高。對于多個信號的情況,小波變換不產(chǎn)生交叉項,尺度圖的交叉項僅出現(xiàn)在信號自尺度圖項重疊的區(qū)域,對尺度圖的時間分辨率和頻率分辨率沒有影響。

為了反映尺度圖的時間分辨率和頻率分辨率變化情況,取 4個調(diào)制高斯信號z1（t）、z2（t）、z3（t）、z4（t）,它們的時寬均為α=15 s。z1（t）與z2（t）有相同的調(diào)制頻率,z3（t）與z4（t）有相同的調(diào)制頻率。z1（t）與z3（t）有相同的時延,t1=t3=40 s。z2（t）與z4（t）有相同的時延,t2=t4=76 s。以調(diào)制高斯函數(shù)作為基本小波,時寬為 αg=11 s。這4個信號之和的尺度圖如圖3所示。圖3所示結(jié)果反映了尺度圖時間分辨率和頻率分辨率變化的規(guī)律,交叉項不會出現(xiàn)在自尺度圖項非重疊區(qū)域。

圖3 尺度圖分辨率示意圖

3 結(jié) 論

本文利用時頻聚集性較好的高斯函數(shù)作為標準信號,統(tǒng)一分析、比較了短時傅里葉變換、小波變換、譜圖、尺度圖、Wigner-Ville分布的分辨率,尤其是通過改進小波變換使時間-尺度分布與時頻分布分辨率可以統(tǒng)一比較,給出了時間分辨率和頻率分辨率的表達式。時頻分布分辨率的比較,為在信號分析與處理中選擇合適的分析方法提供了依據(jù)。

[1] Hlawatsch F,Boudreaux Bartels G F.Linear and qaudratic time-frequency signal representations[J].IEEE Signal Processing M agazine,1992,9（4）:21-67.

[2] Cohen L.Time-frequencydistributions—— areview[J].Proceedings of the IEEE,1989,77（7）:941-981.

[3] Shie Qian,Dapang Chenl.Joint time-frequency analysis[J].IEEE Signal ProcessingMagazine,1999（3）:52-67.

[4] Mallat S.A Wavelet Tour of Signal Processing[M].Burlington:Academic Press,1999.

[5] 張賢達,保錚.非平穩(wěn)信號分析與處理[M].北京:國防工業(yè)出版社,1998.

[6] Cohen L.Time-FrequencyAnalysis[M].New Jersey:Prentice-Hall,1995.

[7] Jones D L,Parks T W.A resolution comparison of several time-frequency representations[J].IEEE Transactions on Signal Processing,1992,40（2）:413-420.

[8] Mallat S.A theory for multiresolution signal decomposition:the wavelet representation[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1989,11（7）:674-693.

[9] Daubechies I.The wavelet transform,time-frequency localization and signal analysis[J].IEEE Transactions on Information Theory,1990,36（2）:961-1005.

[10]Kadambe S,Boudreaux-Bartels G F.A comparison of the existence of"cross terms"in the Wigner distribution and the squared magnitude of the wavelet transform and the short time Fourier transform[J].IEEE Transactions on Signal Processing,1992,40（10）:2498-2516.