主要内容gydF4y2Ba

dlstftgydF4y2Ba

深度学习短时傅里叶变换gydF4y2Ba

折叠所有页面gydF4y2Ba

语法gydF4y2Ba

[yr,yi] = dlstft(x)gydF4y2Ba
[yr,yi] = dlstft(x,fs)gydF4y2Ba
[yr,yi] = dlstft(x,ts)gydF4y2Ba
[yr,yi] = dlstft(gydF4y2Ba___gydF4y2Ba、名称、值)gydF4y2Ba
[yr,yi,f,t] = dlstft(gydF4y2Ba___gydF4y2Ba）gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba年gydF4y2Ba，gydF4y2Ba易gydF4y2Ba= dlstft(gydF4y2BaxgydF4y2Ba）gydF4y2Ba回归深度学习gydF4y2Ba短时傅里叶变换gydF4y2Ba(STFT)gydF4y2BaxgydF4y2Ba．gydF4y2BadlstftgydF4y2Ba需要深度学习工具箱™。gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba年gydF4y2Ba，gydF4y2Ba易gydF4y2Ba= dlstft(gydF4y2BaxgydF4y2Ba，gydF4y2BafsgydF4y2Ba）gydF4y2Ba返回深度学习STFT，假设gydF4y2BaxgydF4y2Ba是按这个速率采样的吗gydF4y2BafsgydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba年gydF4y2Ba，gydF4y2Ba易gydF4y2Ba= dlstft(gydF4y2BaxgydF4y2Ba，gydF4y2BatsgydF4y2Ba）gydF4y2Ba返回深度学习STFT，假设gydF4y2BaxgydF4y2Ba是否有采样时间gydF4y2BatsgydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba年gydF4y2Ba，gydF4y2Ba易gydF4y2Ba= dlstft(gydF4y2Ba___gydF4y2Ba，gydF4y2Ba名称,值gydF4y2Ba）gydF4y2Ba使用名称-值参数指定其他选项。选项包括光谱窗口和FFT长度。这些参数可以添加到前面的任何输入语法中。例如,gydF4y2Ba“DataFormat”、“认知行为治疗”gydF4y2Ba的数据格式gydF4y2BaxgydF4y2Ba作为gydF4y2Ba认知行为治疗gydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba年gydF4y2Ba，gydF4y2Ba易gydF4y2Ba，gydF4y2BafgydF4y2Ba，gydF4y2BatgydF4y2Ba= dlstft(gydF4y2Ba___gydF4y2Ba）gydF4y2Ba返回频率gydF4y2BafgydF4y2Ba和时间gydF4y2BatgydF4y2Ba计算深度学习STFT。gydF4y2Ba

例子gydF4y2Ba

全部折叠gydF4y2Ba

这个例子使用了:gydF4y2Ba

打开实时脚本gydF4y2Ba

生成一个采样频率为600hz的信号，持续2秒。该信号由具有正弦变化频率内容的啁啾组成。gydF4y2Ba

Fs = 6e2;T = 0:1/fs:2;X = vco(sin(2*pi*t)，[0.1 0.4]*fs,fs);gydF4y2Ba

将信号存储在一个未格式化的深度学习数组中。计算信号的短时傅里叶变换。输入采样时间为agydF4y2Ba持续时间gydF4y2Ba标量。(或者，将采样率输入为数值标量。)指定输入数组在gydF4y2Ba“施”gydF4y2Ba格式。gydF4y2Ba

DLX = dlarray(x);[yr,yi,f,t] = dlstft(dlx,seconds(1/fs)，gydF4y2Ba“DataFormat”gydF4y2Ba，gydF4y2Ba“施”gydF4y2Ba）;gydF4y2Ba

将输出转换为数字数组。计算短时傅里叶变换的幅度，并将其显示为瀑布图。gydF4y2Ba

Yr = extractdata(Yr);Yi = extractdata(Yi);F = extractdata(F);T =秒(T);瀑布(f,t，挤压(hypot(yr,yi))') ax = gca;斧子。XDir =“反向”gydF4y2Ba；视图(30、45)ylabel (gydF4y2Ba“时间(s)”gydF4y2Ba)包含(gydF4y2Ba的频率(赫兹)gydF4y2Ba) zlabel (gydF4y2Ba“级”gydF4y2Ba）gydF4y2Ba

图中包含一个轴对象。axis对象包含一个patch类型的对象。gydF4y2Ba

这个例子使用了:gydF4y2Ba

打开实时脚本gydF4y2Ba

生成一个3 × 160(-by-1)数组，其中包含一批三通道、160采样的正弦信号。归一化正弦波频率为gydF4y2Ba πgydF4y2Ba /gydF4y2Ba 4gydF4y2Ba rad /样本,gydF4y2Ba πgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba rad /样品,gydF4y2Ba 3.gydF4y2Ba πgydF4y2Ba /gydF4y2Ba 4gydF4y2Ba rad /样品。将信号保存为agydF4y2BadlarraygydF4y2Ba，按顺序指定尺寸。gydF4y2BadlarraygydF4y2Ba将数组尺寸排列到gydF4y2Ba“认知行为治疗”gydF4y2Ba深度学习网络所期望的形状。显示数组尺寸大小。gydF4y2Ba

X = dlarray(cos(pi.*(1:3)'/4*(0:159))，gydF4y2Ba“施”gydF4y2Ba）;[nchan,nbtch,nsamp] = size(x)gydF4y2Ba
Nchan = 3gydF4y2Ba
NBTCH = 1gydF4y2Ba
Nsamp = 160gydF4y2Ba

计算信号的深度学习短时傅里叶变换。指定一个64样例矩形窗口，FFT长度为1024。gydF4y2Ba

[re,im,f,t] = dlstft(x，gydF4y2Ba“窗口”gydF4y2Barectwin (64),gydF4y2Ba“FFTLength”gydF4y2Ba, 1024);gydF4y2Ba

dlstftgydF4y2Ba计算沿的变换gydF4y2Ba“T”gydF4y2Ba维度。输出数组在gydF4y2Ba“SCBT”gydF4y2Ba格式。的gydF4y2Ba“年代”gydF4y2Ba维数对应于短时傅里叶变换中的频率。gydF4y2Ba

从深度学习阵列中提取数据。gydF4y2Ba

Re = squeeze(extractdata(Re));Im = squeeze(extractdata(Im));F = extractdata(F);T = extractdata(T);gydF4y2Ba

计算短时傅里叶变换的幅度。在瀑布图中分别为每个通道绘制幅值。gydF4y2Ba

Z = abs(re + 1j*im);gydF4y2Ba为gydF4y2BaKj = 1:nchan subplot(nchan,1, Kj)瀑布(f/pi,t，挤压(z(:， Kj，:))')视图(30,45)gydF4y2Ba结束gydF4y2Ba包含(gydF4y2Ba频率(\乘以\ π rad/sample)gydF4y2Ba) ylabel (gydF4y2Ba“样本”gydF4y2Ba）gydF4y2Ba

图中包含3个轴对象。Axes对象1包含一个patch类型的对象。Axes对象2包含一个patch类型的对象。Axes对象3包含一个patch类型的对象。gydF4y2Ba

输入参数gydF4y2Ba

全部折叠gydF4y2Ba

输入数组，指定为未格式化的gydF4y2BadlarraygydF4y2Ba(深度学习工具箱)gydF4y2Ba，一个格式化的gydF4y2BadlarraygydF4y2Ba在gydF4y2Ba“认知行为治疗”gydF4y2Ba格式或数字数组。如果gydF4y2BaxgydF4y2Ba是未格式化的gydF4y2BadlarraygydF4y2Ba或数值数组时，必须指定gydF4y2Ba“DataFormat”gydF4y2Ba就像某种排列gydF4y2Ba“认知行为治疗”gydF4y2Ba．gydF4y2Ba

例子:gydF4y2Badlarray (cos (pi. /(4; 2) *(0:159)),“施”)gydF4y2Ba而且gydF4y2Badlarray (cos (pi. /(4; 2) *(0:159))”、“TCB”)gydF4y2Ba两者都指定了对双通道正弦信号的一次批量观测gydF4y2Ba“认知行为治疗”gydF4y2Ba格式。gydF4y2Ba

采样率，指定为正数值标量。gydF4y2Ba

采样时间，指定为gydF4y2Ba持续时间gydF4y2Ba标量。指定gydF4y2BatsgydF4y2Ba是否等同于设定抽样率gydF4y2BafgydF4y2Ba年代gydF4y2Ba= 1 /gydF4y2BatsgydF4y2Ba．gydF4y2Ba

例子:gydF4y2Ba秒(1)gydF4y2Ba是一个gydF4y2Ba持续时间gydF4y2Ba表示连续信号样本之间1秒时间差的标量。gydF4y2Ba

名称-值参数gydF4y2Ba

的可选逗号分隔对gydF4y2Ba名称,值gydF4y2Ba参数。gydF4y2Ba的名字gydF4y2Ba参数名称和gydF4y2Ba价值gydF4y2Ba对应的值。gydF4y2Ba的名字gydF4y2Ba必须出现在引号内。您可以以任意顺序指定多个名称和值对参数gydF4y2BaName1, Value1,…,的家gydF4y2Ba．gydF4y2Ba

例子:gydF4y2Ba“窗口”,汉明(100),“OverlapLength”,50岁' FFTLength ', 128gydF4y2Ba使用100个样本的汉明窗口对数据进行窗口化，相邻段之间有50个重叠样本和128点FFT。gydF4y2Ba

输入的数据格式，指定为字符向量或字符串标量。这个论点只有在以下情况下才成立gydF4y2BaxgydF4y2Ba未格式化。gydF4y2Ba

这个参数中的每个字符必须是以下标签之一:gydF4y2Ba

  • CgydF4y2Ba——频道gydF4y2Ba

  • BgydF4y2Ba-批量观察gydF4y2Ba

  • TgydF4y2Ba——时间gydF4y2Ba

的gydF4y2BadlstftgydF4y2Ba函数接受的任意排列gydF4y2Ba“认知行为治疗”gydF4y2Ba．属性中最多只能指定一个gydF4y2BaCgydF4y2Ba，gydF4y2BaBgydF4y2Ba,gydF4y2BaTgydF4y2Ba标签。gydF4y2Ba

参数的每个元素都标记了的匹配维度gydF4y2BaxgydF4y2Ba．如果参数不在列出的顺序中(gydF4y2Ba“C”gydF4y2Ba紧随其后的是gydF4y2Ba“B”gydF4y2Ba等等)，然后gydF4y2BadlstftgydF4y2Ba隐式地排列参数和数据以匹配顺序，但不改变数据的存储方式。gydF4y2Ba

例子:gydF4y2Ba“认知行为治疗”gydF4y2Ba

光谱窗口，指定为矢量。如果不指定窗口或将其指定为空，则该函数使用长度为128的Hann窗口。的长度gydF4y2Ba“窗口”gydF4y2Ba必须大于等于2。gydF4y2Ba

有关可用窗口的列表，请参见gydF4y2Ba窗户gydF4y2Ba．gydF4y2Ba

例子:gydF4y2Ba损害(N + 1)gydF4y2Ba而且gydF4y2Ba(1-cos(2 *π* (0:N) / N)) / 2gydF4y2Ba都指定了长度的汉恩窗口gydF4y2BaNgydF4y2Ba+ 1。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

重叠样本的数目，指定为小于的长度的非负整数gydF4y2Ba“窗口”gydF4y2Ba．如果你省略了gydF4y2Ba“OverlapLength”gydF4y2Ba或将其指定为空，则将其设置为小于窗口长度75%的最大整数，默认Hann窗口为96个样本。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

DFT点的数目，指定为正整数。该值必须大于或等于窗口长度。如果输入信号的长度小于DFT长度，则用零填充数据。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba单gydF4y2Ba

输出参数gydF4y2Ba

全部折叠gydF4y2Ba

短时间傅里叶变换，返回为两次格式化gydF4y2BadlarraygydF4y2Ba(深度学习工具箱)gydF4y2Ba对象。gydF4y2Ba年gydF4y2Ba包含变换的实部。gydF4y2Ba易gydF4y2Ba包含变换的虚部。gydF4y2Ba

  • 如果gydF4y2BaxgydF4y2Ba是格式化的gydF4y2BadlarraygydF4y2Ba，gydF4y2Ba年gydF4y2Ba而且gydF4y2Ba易gydF4y2Ba是gydF4y2Ba“SCBT”gydF4y2Ba格式化gydF4y2BadlarraygydF4y2Ba对象。的gydF4y2Ba“年代”gydF4y2Ba维数对应于短时傅里叶变换中的频率。gydF4y2Ba

  • 如果gydF4y2BaxgydF4y2Ba是未格式化的gydF4y2BadlarraygydF4y2Ba或者一个数字数组，gydF4y2Ba年gydF4y2Ba而且gydF4y2Ba易gydF4y2Ba是无格式gydF4y2BadlarraygydF4y2Ba对象。的维度顺序gydF4y2Ba年gydF4y2Ba而且gydF4y2Ba易gydF4y2Ba是gydF4y2Ba“SCBT”gydF4y2Ba．gydF4y2Ba

如果没有指定时间信息，则在奈奎斯特范围内计算STFTgydF4y2Ba[0,gydF4y2BaπgydF4y2Ba］gydF4y2Ba如果gydF4y2Ba“FFTLength”gydF4y2Ba是偶数和overgydF4y2Ba[0,gydF4y2BaπgydF4y2Ba）gydF4y2Ba如果gydF4y2Ba“FFTLength”gydF4y2Ba是奇数。如果指定时间信息，则间隔为gydF4y2Ba[0,gydF4y2BafgydF4y2Ba年代gydF4y2Ba/ 2)gydF4y2Ba而且gydF4y2Ba[0,gydF4y2BafgydF4y2Ba年代gydF4y2Ba/ 2)gydF4y2Ba，分别为gydF4y2BafgydF4y2Ba年代gydF4y2Ba是有效抽样率。gydF4y2Ba

深度学习STFT计算的频率，返回为gydF4y2BadlarraygydF4y2Ba对象。gydF4y2Ba

  • 如果输入数组不包含时间信息，则频率以标准化单位rad/sample表示。gydF4y2Ba

  • 如果输入数组包含时间信息，则gydF4y2BafgydF4y2Ba包含以Hz表示的频率。gydF4y2Ba

深度学习STFT计算的时间，返回为gydF4y2BadlarraygydF4y2Ba对象或gydF4y2Ba持续时间gydF4y2Ba数组中。gydF4y2Ba

  • 如果不指定时间信息，则gydF4y2BatgydF4y2Ba包含样本编号。gydF4y2Ba

  • 如果你指定一个采样率，那么gydF4y2BatgydF4y2Ba包含以秒为单位的时间值。gydF4y2Ba

  • 如果指定采样时间，则gydF4y2BatgydF4y2Ba是一个gydF4y2Ba持续时间gydF4y2Ba数组的时间格式与gydF4y2BaxgydF4y2Ba．gydF4y2Ba

更多关于gydF4y2Ba

全部折叠gydF4y2Ba

短时傅里叶变换gydF4y2Ba

短时傅里叶变换(STFT)用于分析非平稳信号的频率内容如何随时间变化。gydF4y2Ba

信号的STFT是通过滑动矩阵计算的gydF4y2Ba分析窗口gydF4y2Ba的长度gydF4y2Ba 米gydF4y2Ba 并计算加窗数据的离散傅里叶变换。窗口以的间隔跳过原始信号gydF4y2Ba RgydF4y2Ba 样本。大多数窗口函数在边缘逐渐减少，以避免光谱振铃。如果重叠长度非零gydF4y2Ba lgydF4y2Ba 指定时，叠加加窗段可补偿窗口边缘处的信号衰减。每个加窗段的DFT被添加到包含每个时间和频率点的幅度和相位的矩阵中。STFT矩阵中的列数由gydF4y2Ba

kgydF4y2Ba ＝gydF4y2Ba ⌊gydF4y2Ba NgydF4y2Ba xgydF4y2Ba −gydF4y2Ba lgydF4y2Ba 米gydF4y2Ba −gydF4y2Ba lgydF4y2Ba ⌋gydF4y2Ba ，gydF4y2Ba

在哪里gydF4y2Ba NgydF4y2Ba xgydF4y2Ba 是原始信号的长度吗gydF4y2Ba xgydF4y2Ba （gydF4y2Ba ngydF4y2Ba ）gydF4y2Ba 和gydF4y2Ba⌊⌋gydF4y2Ba符号表示楼层功能。矩阵中的行数等于gydF4y2BaNgydF4y2BaDFTgydF4y2Ba为DFT点数，用于中心变换和双面变换gydF4y2Ba⌊gydF4y2BaNgydF4y2BaDFTgydF4y2Ba/2⌋+ 1gydF4y2Ba对于单边变换。gydF4y2Ba

STFT矩阵由gydF4y2Ba XgydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba ＝gydF4y2Ba ［gydF4y2Ba XgydF4y2Ba 1gydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba XgydF4y2Ba 2gydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba XgydF4y2Ba 3.gydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba ⋯gydF4y2Ba XgydF4y2Ba kgydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba ］gydF4y2Ba 这样gydF4y2Ba 米gydF4y2Ba 这个矩阵的第Th元素是gydF4y2Ba

XgydF4y2Ba 米gydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba ＝gydF4y2Ba ∑gydF4y2Ba ngydF4y2Ba ＝gydF4y2Ba −gydF4y2Ba ∞gydF4y2Ba ∞gydF4y2Ba xgydF4y2Ba （gydF4y2Ba ngydF4y2Ba ）gydF4y2Ba ggydF4y2Ba （gydF4y2Ba ngydF4y2Ba −gydF4y2Ba 米gydF4y2Ba RgydF4y2Ba ）gydF4y2Ba egydF4y2Ba −gydF4y2Ba jgydF4y2Ba 2gydF4y2Ba πgydF4y2Ba fgydF4y2Ba ngydF4y2Ba ，gydF4y2Ba

在哪里gydF4y2Ba

  • ggydF4y2Ba （gydF4y2Ba ngydF4y2Ba ）gydF4y2Ba -长度窗口函数gydF4y2Ba 米gydF4y2Ba ．gydF4y2Ba

  • XgydF4y2Ba 米gydF4y2Ba （gydF4y2Ba fgydF4y2Ba ）gydF4y2Ba -以时间为中心的加窗数据的DFTgydF4y2Ba 米gydF4y2Ba RgydF4y2Ba ．gydF4y2Ba

  • RgydF4y2Ba -连续dft之间的跳数。跃点大小是窗口长度的差值gydF4y2Ba 米gydF4y2Ba 重叠长度gydF4y2Ba lgydF4y2Ba ．gydF4y2Ba

STFT的大小平方得到gydF4y2Ba光谱图gydF4y2Ba函数的功率谱密度表示。gydF4y2Ba

扩展功能gydF4y2Ba

另请参阅gydF4y2Ba

(深度学习工具箱)gydF4y2Ba|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba

主题gydF4y2Ba

R2021a中引入gydF4y2Ba

信号处理工具箱文档gydF4y2Ba

金宝app

基于MATLAB的深度学习信号处理gydF4y2Ba

基于MATLAB的深度学习信号处理gydF4y2Ba

下载白皮书gydF4y2Ba