短时傅立叶变换Python 短时傅立叶变换例题

目录：

• 前言
• 实验环境
• Matlab spectrogram函数

• 1语法
• 2使用说明
• 3代码如下

• 3.1重新分配平方鸟声的谱图
• 3.2设置了下限的谱图

• 参考：

前言

之前讲了时频分析的原理，现在来讲讲它在matlab里面的实现。
想要复习原理的同学，可以参照一下这篇：短时傅里叶分析（1）
本次讲解进阶的函数使用，
基础的可以参见前面的：短时傅里叶实现（1）
中阶的可以参见前面的：短时傅里叶实现（2）
高阶的可以参见前面的：短时傅立叶实现（3）

实验环境

本文的所有实验都是在matlab2016a下通过的。

Matlab spectrogram函数

谱图函数：使用短时傅里叶变换化成短时傅里叶变换的谱图。

1语法

标准函数引用方式如下：

[___,ps] = spectrogram(___) 
[___] = spectrogram(___,'reassigned') 
[___,ps,fc,tc] = spectrogram(___)

2使用说明

[,ps] = spectrogram()
返回一个谱密度估计的矩阵
[] = spectrogram(,’reassigned’)
将谱的能量定位到时域的中心，如果你的信号包含中心稳定的视频成分，则这个操作会生成一个更尖锐的谱图。
[,ps,fc,tc] = spectrogram()
返回两个矩阵，fc和tc，包含着每个谱密度和功率谱估计的频率和时域中心

3代码如下

3.1重新分配平方鸟声的谱图

%产生一个平方鸟声（chirp）信号，采样频率是1khz，采样时间是2秒，前一秒的信号是100hz，后一秒的信号是200hz。                                                                                                                 
Fs = 1000;
t = 0:1/Fs:2-1/Fs;
y = chirp(t,100,1,200,'quadratic');
%估计重新浓缩的信号谱图
% 将信号划分成长度为128个点，使用KAiser窗加窗，床的参数是18
%每个间隔段，重叠120个样本
%在【128/2+1】=65个点处和【（length（x）-120）/（128-120）】=235时间块处得到频率点
spectrogram(y,kaiser(128,18),120,128,Fs,'reassigned','yaxis')

如图所示

3.2设置了下限的谱图

%产生一个平方鸟声（chirp）信号，采样频率是1khz，采样时间是2秒，前一秒的信号是100hz，后一秒的信号是200hz。                                                                                                                 
Fs = 1000;
t = 0:1/Fs:2-1/Fs;
y = chirp(t,100,1,200,'quadratic');
%估计信号的时间依赖的功率谱密度
%将信号划分成长度为128个点，使用KAiser窗加窗，床的参数是18
%每个间隔段，重叠120个样本
%在【128/2+1】=65个点处和【（length（x）-120）/（128-120）】=235时间块处得到频率点
%输出频率和时间的功率谱密度估计的中心，将功率谱密度低于30的设置为0
[~,~,~,pxx,fc,tc] = spectrogram(y,kaiser(128,18),120,128,Fs, ...
    'MinThreshold',-30);
画出非零部分的时间频率函数
plot(tc(pxx>0),fc(pxx>0),'.')

如图所示：

---