这个图库向您提供了信号处理工具箱™和小波工具箱™中可用的时频分析特性的概述。这些描述和使用示例提供了您可以用于信号分析的各种方法。
方法 | 特性 | 可逆的 | 例子 |
---|---|---|---|
|
|
||
|
是的 |
||
|
没有 |
||
|
|
||
|
是的 |
||
|
没有 |
的短时傅里叶变换是一种用于分析非平稳多分量信号的线性时频表示。
短时傅里叶变换是可逆的。
频谱图是STFT的幅度平方。
你可以计算两个信号的跨谱图来寻找时间频率空间的相似性。
的持久性频谱信号的时频视图,显示给定频率在信号中出现的时间百分比。持久谱是工频空间中的直方图。在信号演化过程中,一个特定频率在信号中持续的时间越长,它的时间百分比就越高,因此它在显示器上的颜色就越亮或“越热”。
该时频方法的应用包括但不限于:
音频信号处理:基频估计、交叉合成、谱包络提取、时间尺度修正、时间拉伸、俯仰漂移。(见具有不同合成和分析窗口的相位声码器更多细节。)
裂纹检测:利用超声波兰姆波色散曲线检测铝板裂纹。
传感器阵列处理:声纳探测、地球物理探测和波束形成。
数字通信:跳频信号的检测。
产生一个信号采样5千赫为4秒。信号由一组持续时间减小的脉冲组成,被振幅振荡和频率波动区域隔开,并有增加的趋势。
FS = 5000;T = 0:1 / FS:4-1 / FS;x = 10 *贝塞尔 - 0.1000 *(SIN(2 * PI *(T + 2)。^ 3/60)。^ 5));
计算并绘制信号的短时傅里叶变换。窗口用具有形状因子的200样本kaiser窗口窗口 .
stft (x, fs,“窗口”,kaiser(200,30)))
加载一个音频信号,其中包含两个渐减的啁啾声和一个宽带溅射声。
负载长条木板
将重叠长度设置为96个样本。画出短时间傅里叶变换。
stft (y, Fs,“OverlapLength”, 96)
加载一个包含太平洋蓝鲸音频数据的文件,采样频率为4千赫。该文件来自康奈尔大学生物声学研究项目维护的动物发声图书馆。数据中的时间尺度被压缩了10倍,以提高音调,使呼叫更容易被听到。
whaleFile = fullfile (matlabroot,'例子',matlab的,“数据”,'bluewhale.au');[w, fs] = audioread (whaleFile);
计算鲸鱼歌声的声谱图,其重叠率为80%。将谱图的最小阈值设置为-50
D b。
pspectrum (w, fs,的谱图,“漏”, 0.2,“OverlapPercent”, 80,'minthreshold', -50)
装入嵌入在宽带信号中的干扰窄带信号。
负载TransientSig
计算信号的持久性频谱。两个信号组件都清晰可见。
pspectrum (x, fs,“坚持不懈”,...“FrequencyLimits”(100 290),'timeresolution',1)
小波变换是一种保持时移和时间尺度的线性时频表示。
的连续小波变换擅长检测非平稳信号中的瞬态信号,以及瞬时频率增长较快的信号。
CWT是可逆的。
CWT对具有可变窗口的时频平面进行分层处理。窗口会随时间自动变宽,适合低频现象,而对高频现象会变窄。
该时频方法的应用包括但不限于:
心电图(ECG):心电信号在临床上最有用的信息是由其特征所定义的连续波和振幅之间的时间间隔。小波变换将心电信号分解成尺度,使心电信号在不同频率范围内的分析更容易。
脑电图(EEG):原始脑电图信号存在空间分辨率低、信噪比低、伪影等问题。噪声信号的连续小波分解将信号的固有信息集中在几个绝对值较大的小波系数中,而不改变噪声的随机分布。因此,可以通过对小波系数进行阈值化来实现去噪。
信号解调:解调扩展二进制相移键控采用自适应小波构造方法。
深度学习: CWT可用于创建用于训练卷积神经网络的时频表示。利用小波分析和深度学习对时间序列进行分类(小波工具箱)展示了如何使用尺度图和迁移学习对心电信号进行分类。
类
计算连续小波变换并显示尺度图。或者,使用。创建CWT滤波器组cwtfilterbank
和应用wt
函数。在并行应用程序中或在循环中计算多个函数的转换时,使用此方法运行。
icwt
对连续小波变换进行逆变换。
信号分析仪有一个尺度图视图来可视化时间序列的CWT。
加载以360 Hz采样的噪声心电波形。
负载心电图FS = 360;
计算连续小波变换。
CWT(ECG,FS)
心电图数据取自MIT-BIH心律失常数据库[2]。
的能量分布(WVD)是一个二次能量密度,通过将信号与自身的时间和频率平移和复共轭的版本相关联来计算。
即使信号是复杂的,Wigner-Ville分布也总是真实的。
时间边际密度和频率边际密度分别对应瞬时功率和频谱能量密度。
利用维格纳分布的局部一阶矩可以计算瞬时频率和群延迟。
WVD的时间分辨率等于输入样本的数量。
维格纳分布可以在局部假定为负值。
该时频方法的应用包括但不限于:
耳声排放(声):耳声发射(OAEs)是耳蜗(内耳)发出的窄带振荡信号,表明听力正常。
量子力学:经典统计力学的量子修正,模型电子输运,计算多体量子系统的静态和动态性质。
项
计算Wigner-Ville分布。
xwvd
计算两个信号的十字Wigner-Ville分布。看利用Cross Wigner-Ville分布估计瞬时频率为更多的细节。
加载一个数据文件,其中包含以20千赫采样的耳声发射数据。这种发射是由一个从25毫秒开始到175毫秒结束的刺激产生的。
负载dpoaefs = 20e3;
计算耳声数据的平滑伪Wigner Ville分布。方便图分离了大约在期望值1.2 kHz的发射频率。
项dpoaets Fs,“smoothedPseudo”凯瑟(511年,10),皇帝(511年,10),“NumFrequencyPoints”,4000,“NumTimePoints”, 3990)
有关耳声发射的更多细节,请参见《通过解析CWT确定准确频率》CWT-Based时频分析(小波工具箱)。
重新分配提高光谱估计的本地化,并生成更容易阅读和解释的光谱图。该技术将每个谱估计值重新定位到其垃圾箱的能量中心,而不是垃圾箱的几何中心。它为啁啾和脉冲提供精确的定位。
的傅里叶synchrosqueezed变换从短时傅里叶变换开始,“挤压”其值,使其在时频平面上集中于瞬时频率曲线。
的小波synchrosqueezed变换以频率重新分配信号能量。
傅里叶同步压缩变换和小波同步压缩变换都是可逆的。
重分配和同步压缩方法特别适合于时频跟踪和提取脊.
该时频方法的应用包括但不限于:
音频信号处理同步压缩变换(SST)最初是在音频信号分析中引入的。
地震数据:分析地震资料,寻找油气圈闭。同步压缩还可以探测到地震数据中经常被掩盖的深层微弱信号。
电力系统的振荡:蒸汽轮机和发电机可以在各种涡轮机级和发电机之间具有机械的子同步振荡(SSO)模式。SSO的频率通常在5Hz和45Hz之间,并且模式频率通常彼此接近。WSTST的抗杉能力和时频分辨率提高了时频视图的可读性。
深度学习同步压缩变换可用于提取时频特征,并馈入时间序列数据分类网络。基于深度学习的波形分割显示了如何FSST.
输出信号可以输入LSTM网络,用于对心电信号进行分类。
加载由大棕色蝙蝠(Eptesicus Fuscus)发出的回声定位脉冲。采样间隔为7微秒。
负载击球fs = 1 / dt;
计算重新分配的信号谱图。
次要情节(2,1,1)pspectrum (batsignal Fs,的谱图,'timeresolution'280 e-6,...“OverlapPercent”, 85,'minthreshold', -45,“漏”, 0.9)次要情节(2,1,2)pspectrum (batsignal Fs,的谱图,'timeresolution'280 e-6,...“OverlapPercent”, 85,'minthreshold', -45,“漏”, 0.9,“再分配”,真正的)
感谢伊利诺伊大学贝克曼中心的Curtis Condon、Ken White和Al Feng提供的蝙蝠数据,以及在本例[3]中使用它的许可。
装一个文件,里面有一个男人和一个女人说的“强壮”这个词。信号以8千赫采样。将它们连接成一个信号。
负载强大的X =[她的'他'];
计算信号的同步压缩傅里叶变换。使用带有形状因子的Kaiser窗口对信号进行加窗 .
fsst (x, Fs,皇帝(256年,20),“桠溪”)
加载以100hz采样1秒的合成地震数据。
负载SyntheticSeismicData
使用凸起小波和每个八度音程的30个声音计算地震数据的小波Synchroosqueezed变换。
墓场(x, Fs,“撞”,“VoicesPerOctave”30岁的“ExtendSignal”,真正的)
利用王平、高景怀、王志国[4]等人的“同步压缩变换地震数据时频分析”中提到的两个正弦波生成地震信号。
地震条件下三层试验结构一层荷载加速度测量。测量以1khz采样。
负载quakevibFS = 1E3;
计算加速度测量值的小波同步压缩变换。你正在分析呈现循环行为的振动数据。同步压缩变换允许你分离三个频率成分,大约11hz。主振动频率为5.86 Hz,等频峰表明两者具有谐波关系。振动的循环行为也是可见的。
墓场(gfloor1OL Fs,“撞”,“VoicesPerOctave”,48)ylim([0 35])
1995年神户地震的负荷地震仪数据。数据的采样率为1hz。
负载科比Fs = 1;
计算小波同步压缩变换,分离地震数据的不同频率分量。
墓场(Fs,科比“撞”,“VoicesPerOctave”48) ylim (300 [0])
这些数据是1995年1月16日在澳大利亚霍巴特的塔斯马尼亚大学(Tasmania University, Hobart, Australia)记录的地震仪(垂直加速度,纳米/平方秒)测量数据,从20:56:51 (GMT)开始,以1秒间隔[5]持续51分钟。
加载电力系统的次同步振荡数据。
负载OscillationData
计算小波同步压缩变换使用bump小波和48个声音每八度。四种频率分别为15hz、20hz、25hz和32hz。注意,15赫兹和20赫兹的模态能量随时间而减少,而25赫兹和32赫兹的模态能量则随时间而逐渐增加。
墓场(x, Fs,“撞”,“VoicesPerOctave”,48)ylim([10 50])
该合成次同步振荡数据是利用Zhao等人在《应用同步压缩小波变换提取电力系统次同步振荡参数》[6]中定义的方程生成的。
的持续的-问非平稳的伽柏变换使用具有不同中心频率和带宽的窗口,使中心频率与带宽的比值问因素,保持不变。
常数,问Gabor变换可以构造稳定的逆函数,从而得到完美的信号重构。
在频率空间中,窗口以对数间隔的中心频率为中心。
该时频方法的应用包括但不限于:
音频信号处理音乐中音调的基本频率是呈几何间隔的。人类听觉系统的频率分辨率近似为常数问,使这种技术适合于音乐信号处理。
加载一个包含带有人声、鼓和吉他的摇滚音乐片段的音频文件。该信号的采样率为44.1 kHz。
负载鼓
将CQT具有对数频率响应的频率范围设置为允许的最小频率为2khz。执行信号的CQT使用20箱每八度。
minFreq = fs /长度(音频);maxFreq = 2000;cqt(音频,“SamplingFrequency”fs,“BinsPerOctave”, 20岁,“FrequencyLimits”, (minFreq maxFreq])
的经验模式分解把信号分解成固有模态函数这形成了原始信号的完整和几乎正交的基础。
的简要地变换计算每个固有模态函数的瞬时频率。
这两种方法的结合对于非线性和非平稳信号的分析是有用的。
该时频方法的应用包括但不限于:
生理信号处理:分析人脑皮层经颅磁刺激(TMS)时的脑电图反应。
结构应用:定位梁和板中出现的裂缝、分层或刚度损失等异常。
系统识别:隔离具有紧密间隔的模态频率的结构的模态阻尼比。
海洋工程:识别水下电磁环境中人类引起的瞬变电磁干扰。
太阳物理学:提取太阳黑子数据的周期成分。
大气湍流:观察稳定边界层,分离湍流和非湍流运动。
流行病学:评估登革热等传染病的传播速度。
emd
计算经验模态分解。
遗传性出血性毛细血管扩张症
计算经验模态分解的希尔伯特黄谱。
加载从有缺陷的轴承产生的振动信号计算振动信号的希尔伯特谱的例子。信号以10khz的频率采样。
负载bearingVibration
计算信号的前五个固有模态函数(IMFs)。绘制第一和第三经验模态的希尔伯特谱。第一种模式显示由于对轴承外圈的高频冲击而增加磨损。第三种模式显示了在测量过程中发生的共振,导致了轴承中的缺陷。
国际货币基金组织(imf) = emd (y,“MaxNumIMF”,5,'展示', 0);次要情节(2,1,1)遗传性出血性毛细血管扩张症(国际货币基金组织(:1),fs)次要情节(2,1,2)遗传性出血性毛细血管扩张症(fs,国际货币基金组织(:,3)“FrequencyLimits”, 100年[0])
太平洋蓝鲸的档案来自康奈尔大学生物声学研究项目维护的动物发声图书馆。
穆迪公司,马克·r·G。MIT-BIH心律失常数据库的影响.IEEE医学与生物学工程20(3):45-50(2001年5- 6月)。(PMID: 11446209)
感谢伊利诺伊大学贝克曼中心的Curtis Condon, Ken White和Al Feng提供的蝙蝠回声定位数据。
[4]王,平,高,J.,王,Z.基于同步压缩变换的地震数据时频分析, IEEE地球科学与遥感通讯,2014年12月,第11期。
[5]在1995年1月16日开始于1995年1月16日(Gmtrue)开始于澳大利亚塔斯马尼亚大学,澳大利亚霍巴特霍巴特的地震(垂直加速,NM / SQ.SEC)。.
[6]赵等人。同步压缩小波变换在电力系统次同步振荡参数提取中的应用MDPI能量;2018年6月12日发布。
[7] Boashash Boualem。时频信号分析与处理:综合参考爱思唯尔,2016年。