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 | 特征 | 可逆的 | 例子 |
---|---|---|---|
|
|
||
|
是的 |
||
|
没有 |
||
|
|
||
|
是的 |
||
|
没有 |
这短时傅里叶变换是在分析非间断多组分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。
这持久性频谱信号是表示在信号中存在给定频率的时间的百分比的时频视图。持久频谱是幂频空间中的直方图。特定频率在信号中持续到信号的延长,其时间百分比越高,因此在显示器中更亮或更热“。
这种时频方法的应用包括但不限于:
音频信号处理:频率估计,交叉合成,光谱包络提取,时间尺度改性,时间拉伸和俯仰转移。(看相位声码器具有不同的合成和分析窗口更多细节。)
探伤:使用超声羔羊波的分散曲线检测铝板中的裂缝。
传感器阵列处理:声纳探索,地球物理勘探和波束成形。
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j(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,'窗户',Kaiser(200,30)))
加载包含两个减少啁啾和宽带溅射声的音频信号。
加载夹子
将重叠长度设置为96个样本。绘制短时傅里叶变换。
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'那'matlab'那“数据”那'bluewhale.au');[w, fs] = audioread (whaleFile);
计算鲸鲨的谱图,重叠百分比等于八十百分比。设置频谱图的最小阈值-50
D b。
pspectrum(w,fs,的谱图那“漏”,0.2,'重叠的'80,'minthreshold', -50)
加载嵌入在宽带信号内的干扰窄带信号。
加载TransientSig
计算信号的持久范围。两个信号组件都清晰可见。
pspectrum (x, fs,“坚持”那...'surformlimits'(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。
这连续小波变换擅长检测非间断信号中的瞬态,以及瞬时频率迅速增长的信号。
CWT是可逆的。
CWT将带有可变窗窗口的时频平面。窗口随时间自动扩大,使其适用于低频现象,以及高频现象的缩小。
这种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EEG信号具有差的空间分辨率,低信噪比和伪影。嘈杂信号的连续小波分解集中在具有大的绝对值的几个小波系数中的内在信号信息而不改变噪声的随机分布。因此,可以通过阈值平衡小波系数来实现去噪。
信号解调:解调扩展二进制相移键控使用自适应小波施工方法。
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。
信号分析仪具有缩放视图,可视化时间序列的CWT。
加载以360 Hz采样的嘈杂的ECG波形。
加载ecFS = 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]。
这能量分布(WVD)是通过将信号与其自身的时间和频率转换和复杂共轭版本相关联的信号来计算的二次能量密度。
即使信号复杂,Wigner-Ville分布始终是真实的。
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。
Wigner分布可以局部地假设负值。
这种时频方法的应用包括但不限于:
耳声辐射(OAES):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
计算两个信号的交叉Wigner-Ville分布。看利用Cross Wigner-Ville分布估计瞬时频率为更多的细节。
加载包含在20 kHz上采样的耳声发射数据的数据文件。发射由以25毫秒开始的刺激产生,并以175毫秒结束。
加载dpoaefs = 20e3;
计算耳声数据的平滑伪Wigner Ville分布。便捷绘图将发射频率与大致预期值为1.2 kHz隔离。
WVD(DPOAETS,FS,'smoothedpseudo'凯瑟(511年,10),皇帝(511年,10),'numfrequencypoints',4000,'numtimepoints',3990)
有关OTOMOUSSIC排放的更多详细信息,请参阅“通过分析CWT确定精确频率”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。
这傅里叶同步性转换从短时间傅里叶变换开始,“挤压”其值,使它们集中在时频平面中瞬时频率的曲线。
这小波synchrosqueezed变换重新分配频率的信号能量。
傅里叶同步压缩变换和小波同步压缩变换都是可逆的。
重新分配和同步性调节方法尤其适用于跟踪和提取时间频率rid。
这种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级和发电机之间具有机械的振荡(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。WSTS的抗野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。利用深度学习的波形分割显示了如何FSST.
输出可以馈入分类ECG信号的LSTM网络中。
加载由大棕色蝙蝠(Eptesicus fuscus)发出的回声机脉冲。采样间隔为7微秒。
加载击球路fs = 1 / dt;
计算信号的重新分配频谱图。
子图(2,1,1)PSPectrum(Batsignal,FS,的谱图那'timeresolution',280e-6,...'重叠的', 85,'minthreshold', -45,“漏”,0.9)子图(2,1,2)PSPectrum(Batsignal,FS,的谱图那'timeresolution',280e-6,...'重叠的', 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。
加载包含“强”单词的文件,由一个女人和一个男人说话。信号在8 kHz时采样。将它们连接到单个信号中。
加载强大的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”)
在100 Hz上加载合成地震数据1秒。
加载合成ismicdata.
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”那“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。
在地震条件下,在三层测试结构的一楼记录的负载加速度测量。测量值在1 kHz时进行采样。
加载QuakeVib.FS = 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。
WSST(Gfloor1ol,FS,“撞”那“VoicesPerOctave”,48)ylim([0 35])
装载1995年神户地震期间记录的地震仪数据。数据具有1 Hz的采样率。
加载科比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。
WSST(科比,FS,“撞”那“VoicesPerOctave”,48)ylim([0 300])
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。
加载电力系统的子同步振荡数据。
加载oscillationData.
使用凸点小波和每个八度音程的48个声音计算小波SynchroSquezed变换。四种模式频率为15 Hz,20 Hz,25 Hz和32 Hz。请注意,随着时间的推移,20 Hz和20 Hz的模式的能量随着时间的推移,25Hz和32 Hz的模式的能量逐渐增加。
墓场(x, Fs,“撞”那“VoicesPerOctave”,48)ylim([10 50])
使用Zhao等人在“SynchroSqueezed小波变换的应用中,用于提取电力系统中的振荡参数的SynchroSqueezed小波变换的应用”[6],使用Zhao等人的应用程序的振荡参数的提取。
这持续的-问:非平稳Gabor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:因子,保持不变。
常数,问:Gabor变换使得能够构建稳定的逆,产生完美的信号重建。
在频率空间中,窗口以对数间隔的中心频率为中心。
这种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几何间隔的。人体听觉系统的频率分辨率近似恒定 -问:,使这种技术适合于音乐信号处理。
加载包含具有人声,鼓和吉他的摇滚音乐片段的音频文件。该信号具有44.1kHz的采样率。
加载鼓
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 / length(音频);maxfreq = 2000;CQT(音频,'采样频率'fs,“BinsPerOctave”, 20岁,'surformlimits', (minFreq maxFreq])
这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。
这简要地变换计算每个固有模态函数的瞬时频率。
这种组合的这两种方法可用于分析非线性和非间断信号。
这种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。
太阳能物理学:提取SunSpot数据的周期性组件。
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:评估登革热等交际疾病的旅行速度。
从缺陷的轴承上加载振动信号计算振动信号的希尔伯特谱例子。信号以10kHz的速率进行采样。
加载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);子图(2,1,1)HHT(IMF(:,1),FS)子图(2,1,2)HHT(IMF(:,3),FS,'surformlimits', 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)
[3]感谢伊利诺伊州伊利诺伊大学贝克曼中心的Curtis Condon,Ken Went和Al Feng。
[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地球科学和遥感信件,第12卷,2014年12月11日。
[5]科比地震(垂直加速,NM / SQ.SEC)在塔斯马尼亚大学,澳大利亚霍巴特·霍巴特,于1995年1月16日开始于20:56:51(Gmtrue),并以1秒的间隔继续51分钟。
[6]赵等人。SynchroSqueezed小波变换在电力系统中振荡振荡参数提取的应用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elsevier,2016年。