广义频谱图
广义频谱图(Generalized spectrogram),为频谱图的通用型。为了得知信号随着时间的频率分布状态,以频谱图观察时,其分辨率受到测不准原理影响,频率分辨率与时间分辨率相乘为定值。为解决此问题,于是将频谱图推广至广义频谱图。
一段随时间变化的信号,同时具有时域和频域的特征,若想要了解一个信号在某段时间内的频率特征,最好的方式就是使用时频分析,观察一段信号的时频分布图。频谱图(Spectrogram)就是其中一种同时表示时间和频率特征的分布图。
广义频谱图的定义
以高斯函数作为窗函数(window function),使用时频分析,求出两组不同长度的窗函数的加伯转换,即 和
,再将
取共轭复数后相乘。公式如下:
其中为加伯转换的窗函数,
为时间
为频率。
加伯转换的公式如下:
若将,则与原本频谱图无异。
长度不同的窗函数,其时频域的分辨率不同,依据测不准原理,较窄的窗函数,时间分辨率较好,而频率分辨率较差;相反的,较宽的窗函数,频率分辨率较好,而时间分辨率较差。
为了同时在时间和频率轴上都达到更好的分辨率,把在频谱图原定义中的分为两个长短不同的波形。例如 : 可以让
长度较宽,在频域上面有良好的分辨率,而
则长度较窄,在时域上有良好的分辨率。先分别运算
和
,再相乘,变为
。如此一来时域和频域上的分辨率都能兼顾到。
优点
有优于测不准原理的时间分辨率与空间分辨率。
由于各自的加伯转换并不会有cross term,故此方法也不会有cross term出现。
有省时方法:当一组加伯转换中的数值为零时,我们将不用去计算另一组,因为相乘后还是零。
缺点
需要计算两组加伯转换,即与频谱图相比,最高会多花两倍的时间
需要去最佳化与
例子
当我们的输入信号为: