搜索
第1章信号分析基础1．1信号的时－频联合分析我们生活在一个信息社会里，而信息的载体就是我们本书要讨论的主题——信号。在我们身边以及在我们身上，信号是无处不在的。如我们随时可听到的语音信号，随时可看到的视频图像信号，伴随着我们生命始终的心电信号，脑电信号以及心音、脉搏、血压、呼吸等众多的生理信号。对一个给定的信号，如，我们可以用众多的方法来描述它，如的函数表达式，通过傅立叶变换所得到的的频谱，即)(tx)(tx)(tx)(ΩjX，再如的相关函数，其能量谱或功率谱等。在这些众多的描述方法中，有两个昀基本的物理量，即时间和频率。显然，时间和频率与我们的日常生活关系昀为密切，我们时时可以感受到它们的存在。时间自不必说，对频率，如夕阳西下时多变的彩霞，音乐会上那优美动听的旋律以及在一片寂静中突然冒出的一声刺耳的尖叫等，这些都包含了丰富的频率内容。正因为如此，时间和频率也成了描述信号行为的两个昀重要的物理量。)(tx信号是变化着的，变化着的信号构成了我们周围五彩斑斓的世界。此处所说的“变化”，一是指信号的幅度随时间变化，二是指信号的频率内容随时间变化。幅度不变的信号是“直流”信号，而频率内容不变的信号是由单频率信号，或多频率信号所组成的信号，如正弦波、方波、三角波等。不论是“直流”信号还是正弦类信号都只携带着昀简单的信息。给定了信号的函数表达式，或)(txx随t变化的曲线，我们可以由此得出在任一时刻处该信号的幅值。如果想要了解该信号的频率成分，即“在××Hz处频率分量的大小”，则可通过傅立叶变换来实现，即∫∞∞−Ω−=ΩdtetxjXtj)()(（1.1.1a）∫∞∞−ΩΩΩ=dejXtxtj)()(21π（1.1.1b）式中fπ2=Ω，单位为弧度/秒，将)(ΩjX表示成的形式，即可得到和)(|)(|ΩΩϕjejX|)(|ΩjX)(Ωϕ随变化的曲线，我们分别称之为的幅频特性和相频特性。Ω)(tx如果我们想知道在某一个特定时间，如，所对应的频率是多少，或对某一个特点的频0t1率，如，所对应的时间是多少，那么傅立叶变化则无能为力。0Ω分析（1.1.1）式，对给定的某一个频率，如0Ω，那么，为求得该频率处的傅氏变换，（1.1.1a）式对的积分仍需要从)(0ΩjXt∞−到∞+，即需要整个的“知识”。反之，如果我们要求出某一时刻，如处的值，由（1.1.1b）式，我们需要将对从至作积分，同样也需要整个)(tx0t)(0tx)(ΩjXΩ∞−∞+)(ΩjX的“知识”。实际上，由（1.1.1a）所得到的傅氏变换是信号在整个积分区间的时间范围内所具有的频率特征的平均表示。反之，（1.1.1b）式也是如此，因此，傅立叶变换不具有时间和频率的“定位”功能。)(ΩjX)(tx前已述及，信号的幅度不但随时间变化，而且对现实物理世界中的大部分信号，其频率也随时间变化。实际上，在时域中愈是在较短时间内发生幅度突变的信号，其包含的信息就愈多。但由傅立叶变换看不出在什么时刻发生了此种类型的突变。现举两个例子说明这一概念。)(ΩjX例1．1．1设信号x(n)由三个不同频率的正弦所组成，即⎪⎩⎪⎨⎧=),sin(),sin(),sin()(321nnnnxωωω11102211−≤≤−≤≤−≤≤NnNNnNNn（1.1.2）式中12312,ωωωNNN。ω为圆周频率，sff/2πω=，f是信号的实际频率，为抽样频率，所以sfω的单位为弧度，Ω和ω的关系是[19]:ssffT/2πω=Ω=（1.1.3）)(nx的波形如图1.1.1(a)所示，的傅立叶变换的幅频特性，如图1.1.1(b)所示。显然，|只给出了在)(nx|)(|ωjeX)(|ωjeX21,ωω及3ω处有三个频率分量，给出了这三个频率分量的大小，但由此图看不出在何时有频率)(nx1ω，何时又有2ω及3ω，即傅立叶变换无时间定位功能。图1.1.1(c)是用我们后面所讨论的方法求出的的联合时－频分布。该图是三维图形的二维投影，在该图中，一个轴是时间，一个轴是频率。由该图可清楚地看出的时间－频率关系。若将1.1.1(c)画成三维图，则如图1.1.1(d)所示。)(nx)(nx2例1.1.2令（1.1.4）)exp()exp()(2njnnjnxωω==该信号称作线性频率调制信号，其频率与时间序号成正比，在雷达领域中，该信号又称作chirp信号，图1.1.2(a)是其时域波形，n127~0=n，图1.1.2(b)是其频谱。显然，无论从时域波形还是从频域波形，我们都很难看出该信号的调制类型及其他特点。和图1.1.1(c)一样，图1.1.2(c)也是的时－频分布表示，由该图可明显看出，该信号的频率与时间成)(nx3-101RealpartSignalintime0797515951LinearscaleEnergyspectraldensity5010015020025030035000.10.20.30.4|STFT|2,Lh=48,Nf=192,lin.scale,contour,Thld=5%Time[s]Frequency[Hz]图1.1.1信号的时－频表示（a）信号x(n),(b)x(n)的频谱，(c)x(n)时－频分布的二维表示，(d)x(n)时－频分布的三维表示，正比，且信号的能量主要集中在时间－频率平面的这一斜线上。图1.1.2(d)是图1.1.2(c)的立体表示。)(nx-0.500.51RealpartSignalintime0182365LinearscaleEnergyspectraldensity2040608010012000.10.20.30.4WV,lin.scale,contour,Threshold=5%Time[s]Frequency[Hz]图1.1.2chirp信号的时－频表示.（a）信号x(n),(b)x(n)的频谱，(c)x(n)时－频分布的二维表示，(d)x(n)时－频分布的三维表示，频率随时间变化的信号（如例1.1.2中的）称为时变信号。文献)(nx[13]称这一类信号为“非平稳”信号，而把频率不随时间变化的信号称为“平稳”信号。此处的“平稳”和“不平稳”和随机信号中的“平稳随机信号”及“非平稳随机信号”的意义不同。平稳随机信号是指该4类信号的一阶及二阶统计特征（均值与方差）不随时间变化，其自相关函数和观察的起点无关，而非平稳信号的均值、方差及自相关函数均与时间有关，即是时变的。尽管这两类说法的出发点不同，但非平稳信号的频率实质上也是时变的，因此，把频率随时间变化的信号统称为“非平稳信号”并无大碍。但要说一个信号是“平稳信号”，则要具体说明所指的是频率不随时间变化的信号还是平稳随机信号。由上述两例可以看出，傅立叶变换反映不出信号频率随时间变化的行为，因此，它只适合于平稳信号，而对频率随时间变化的非平稳信号，它只能给出一个总的平均效果。现在，我们再从“分辨率”的角度来讨论傅立叶变换的不足。“分辨率”包含了信号的时域和频域两个方面，它是指对信号所能作出辨别的时域或频域的昀小间隔（又称昀小分辨细胞）。分辨能力的好坏一是取决于信号的特点，二是取决于所用的算法。对在时域具有瞬变的信号，我们希望时域的分辨率要好（即时域的观察间隔尽量短），以保证能观察到该瞬变信号发生的时刻及瞬变的形态。对在频域具有两个（或多个）靠得很近的谱峰的信号，我们希望频域的分辨率要好（即频域的观察间隔尽量短，短到小于两个谱峰的距离），以保证能观察这两个或多个谱峰。有关分辨率的讨论见文献[19]的第三章。（1.1.1a）式的傅立叶变换可以写成如下的内积形式：=ΩΩtjetxjX),()(21π（1.1.5）式中yx,表示信号x和的内积。若yx，都是连续的，则y（1.1.6a）∫=dttytxyx)()(,*若x，均是离散的，则y∑=nnynxyx)()(,*（1.1.6b）内积的概念将贯穿在本书的始终。（1.1.5）式说明信号的傅立叶变换等效于和基函数作内积，由于对不同的构成一族正交基，即)(tx)(txtjeΩtjeΩΩ（1.1.7）∫Ω−Ω==Ω−ΩΩΩ)(2,21)(2121πδdteeetjtjtj由1.5节的讨论可知，等于在这一族基函数上的正交投影，即精确地反映了在该频率处的成分大小。基函数在频域是位于)(ΩjX)(txtjeΩΩ处的δ函数，因此，当用傅立叶变换来分析信号的频域行为时，它具有昀好的频率分辨率。但是，在时域对应的是正弦函数（），因此其在时域的持续时间是从tjeΩtjtetjΩ+Ω=Ωsincos+∞∞−~，因此，在时域有着昀坏的分辨率。我们在“数字信号处理”的课程中已熟知，一个宽度为无穷的矩形窗（即直流信号）的傅立叶变换为一δ函数，反之亦然。当矩形窗为有限宽时，其傅立叶变换为一Sinc函数，即5∫−ΩΩΩ−==ΩTTTtjAdteAjXsin2)(（1.1.8）式中A是窗函数的高度，T是其单边宽度。和其频谱如图1.1.3(a)和(b)所示。)(txΩX(Ω)02AT-TT0Atx(t)图1.1.3矩形窗及其频谱(a)时域矩形窗，（b）矩形窗的频谱显然，矩形窗的宽度T和其频谱主瓣的宽度（TTππ~−）成反比。由于矩形窗在信号处理中起到了对信号截短的作用，因此，若信号在时域取得越短，即保持在时域有高的分辨率，那么由于的主瓣变宽因此在频域的分辨率必然会下降。所有这些都体现了傅立叶变换中在时域和频域分辨率方面所固有的矛盾。)(ΩjX如果我们用基函数（1.1.8）τττΩΩ−=jtetgg)()(,来代替傅立叶变换中的基函数，则tjeΩ−=ΩΩτττττjtetgxgx)(),()(),(,(1.1.9)),()()(*Ω=−=Ω−∫tSTFTdetgxxjττττ该式称为的短时傅立叶变换（ShortTimeFourierTransform,STFT）。式中)(tx)(τg是一窗函数。（1.1.9）式的意义实际上是用)(τg沿着轴滑动，因此可以不断地截取一段一段的信号，然后对其作傅立叶变换，故得到的是t),(Ωt的二维函数。)(τg的作用是保持在时域为有限长（一般称作“有限支撑”），其宽度越小，则时域分辨率越好。在频域，由于为一tjeΩδ函数，因此仍可保持较好的频域分辨率。比较（1.1.9）式和（1.1.5）式可以看出，使用不同的基函数可得到不同的分辨率效果。有关短时傅立叶变换的内容我们将在第二章详细讨论。6总之，对给定的信号，人们希望能找到一个二维函数)(tx),(ΩtWx，它应是我们昀关心的两个物理量和tΩ的联合分布函数，它可反映的能量随时间t和频率Ω变化的形态，同时，又希望既具有好的时间分辨率，同时又具有好的频率分辨率。)(tx),(ΩtWx法国工程师傅立叶于1807年提出了傅立叶级数的概念，即任一周期信号可分解为复正弦信号的迭加。1822年，傅立叶又提出了非周期信号分解的概念[13]，这就是傅立叶变换。经过100多年的发展，傅立叶变换不但已经形成了一个重要的数学分支，同时也在信号分析与信号处理中起到了重要的作用。正是由于傅立叶变换，原本对人们比较抽象的“频率”概念才变得具体化。在傅立叶变换理论发展的过程中，人们逐渐发现了我们在上面所说的它的一些严重不足。如，Gabor在1946年提出应用时间和频率这两个坐标同时来表示一个信号，即Gabor展开[64]：（1.1.10）∑∑∑∑∞−∞=∞−∞=Ω−==mnmntjnnmnmnmemTtgCtgCtx)()()(,,,式中是窗函数，是展开系数，代表时域序号，代表频域序号。早在1932年，)(tgnmC,mnWigner在量子力学的研究中提出了Wigner分布的概念[120]，到了1948年，Ville将这一概念引入信号处理领域，于是得到了著名的Wigner-Ville时－频分布，即ττττdetxtxtWjxΩ−−+=Ω∫)()(),(2*2（1.1.11）由于在积分中出现了两次，所以又称该式为双线性时－频分布，其结果是)(tx),(ΩtWxΩ,t的二维函数，它有着一系列好的性质，因此是应用甚为广泛的一种