短时傅里叶变换属于线性时频
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示,没有交叉项干扰,在很多场合中应用还是很方便的,虽然时频聚集性没有WVD好,此外,由于HHT方法的局限性,在适当的场合利用下短时傅里叶变换还是很有效果的,另外也可作为与其他方法的一个比对。如果利用时频工具箱的处理函数tfrstft,默认的滤波加窗宽度=数据长度/4,这很容易理解,T*B=l/4的时候具有最好的时频聚集性,但是,如果数据长度不是2的指数次方,此时默认窗宽度就有问题了,我目前的思路是窗宽度取接近数据长度的最小的2的指数次方的1/4*pi,这样获得的效果是最好的。不知道还有没有其他更好的方法,欢迎讨论交流,回头我将仿真的结果图贴上来,大家研究下!这两天又对该问题进行了资料搜集,验证了我的想法,但是即使是按照这种方法做,也仍然脱离不了不确定性原理的束缚,而其对于滤波窗的问题,已经有了研究的先例,大家可以参考ASTFT(自适应短时傅里叶变换)和分数间隔傅里叶变换,似乎得到的结果都不错。附程序:%%%%功能:使用MATLAB对特定信号做短时傅里叶分析%%fs=1024;t=0:l/fs:2;x二cos(2*pi*50*t).*(t>=0&t<1)+0.2*cos(2*pi*150*t).*(t>=1&t<2);f=0:0.1:500;subplot(2,1,1);spectrogram(x,kaiser(60,5),20,f,fs,'yaxis');title('Kaiser窗,时域宽度为60');%%或者用下面的语句绘图%[s,f,t,p]二spectrogram(x,kaiser(60,5),20,f,fs,'yaxis');%surf(t,f,10*log10(abs(p)),'EdgeColor','none');%axisxy;%axistight;%colormap(jet);%view(0,90);%xlabel('Time');%ylabel('Frequency(Hz)');%%以上语句与用无输出
参数
转速和进给参数表a氧化沟运行参数高温蒸汽处理医疗废物pid参数自整定算法口腔医院集中消毒供应
的spectrogram相同subplot(2,1,2);spectrogram(x,kaiser(260,5),20,f,fs,'yaxis');title('Kaiser窗,时域宽度为260');