250.基于matlab的5种时频分析方法（(短时傅里叶变换)STFT,Gabor展开和小波变换,Wigner-Ville（WVD）,伪Wigner-Ville分布(PWVD),平滑伪Wigner-Ville分布（SPWVD）,每条程序都有详细的说明，设置仿真信号进行时频输出。 程序已调通，可直接运行。

在信号处理领域，时频分析是一项至关重要的技术，它能让我们同时观察信号在时间和频率域的特性。今天咱们就来聊聊基于Matlab实现的5种时频分析方法，包括短时傅里叶变换（STFT）、Gabor展开、小波变换、Wigner - Ville（WVD）、伪Wigner - Ville分布（PWVD）以及平滑伪Wigner - Ville分布（SPWVD），而且还会设置仿真信号进行时频输出展示哦，每个程序都有详细说明，保证调通可直接运行。

短时傅里叶变换（STFT）

短时傅里叶变换是在傅里叶变换基础上发展而来，通过给信号加窗，将信号分成许多小的时间片段，然后对每个片段进行傅里叶变换，以此得到信号在不同时间点的频率信息。

下面是Matlab代码实现：

fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
x = chirp(t, 100, 1, 200); % 生成一个线性调频信号

window = hamming(128); % 选择汉明窗
noverlap = 120; % 设置重叠样本数
nfft = 256; % FFT点数

[S, F, T] = spectrogram(x, window, noverlap, nfft, fs); % 计算STFT

figure;
surf(T, F, 10*log10(abs(S))); % 绘制时频图
shading interp;
xlabel('Time (s)');
ylabel('Frequency (Hz)');
title('Short - Time Fourier Transform');

代码分析：首先定义了采样频率 fs 和时间向量 t，然后用 chirp 函数生成一个线性调频信号 x。接着选择汉明窗 window，设置重叠样本数 noverlap 和FFT点数 nfft。通过 spectrogram 函数计算STFT，最后用 surf 函数绘制时频图，并对坐标轴和标题进行标注。

Gabor展开

Gabor展开是一种特殊的时频分析方法，它将信号表示为一组Gabor函数的线性组合。Gabor函数在时间和频率域都具有良好的局部化特性。

Matlab代码如下：

% 参数设置
fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
x = chirp(t, 100, 1, 200); % 线性调频信号

N = length(x); % 信号长度
M = 256; % Gabor函数数量
gamma = 0.5; % Gabor窗参数

g = @(t) exp(-(t.^2)/(2*gamma^2)); % 定义Gabor窗函数
gabor_coeffs = zeros(M, N);

for m = 1:M
    f_m = m * fs / M; % 频率
    for n = 1:N
        t_n = (n - 1) / fs;
        gabor_coeffs(m, n) = x(n) * g(t_n) * exp(-1i * 2 * pi * f_m * t_n); % 计算Gabor系数
    end
end

figure;
imagesc(abs(gabor_coeffs)); % 绘制Gabor系数的时频表示
colormap(jet);
xlabel('Time Index');
ylabel('Frequency Index');
title('Gabor Expansion');

代码分析：同样先定义采样频率、时间向量和生成线性调频信号。设置Gabor函数数量 M 和窗参数 gamma，定义Gabor窗函数 g。通过两层循环计算Gabor系数 gabor_coeffs，最后用 imagesc 函数绘制Gabor系数的时频表示，并设置颜色映射和坐标轴标签。

小波变换

小波变换能对信号进行多分辨率分析，在不同尺度下观察信号的特征。

Matlab代码：

fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
x = chirp(t, 100, 1, 200); % 线性调频信号

wname = 'db4'; % 选择小波基函数
[c, l] = wavedec(x, 5, wname); % 进行5层小波分解

figure;
subplot(2,1,1);
plot(t, x);
title('Original Signal');
xlabel('Time (s)');
ylabel('Amplitude');

subplot(2,1,2);
scal2frq = @(s) fs./(2.^[1:5]); % 计算尺度对应的频率
freqs = scal2frq(1:5);
plot(freqs, abs(c(l(1):end)));
title('Wavelet Transform Coefficients (Approximation)');
xlabel('Frequency (Hz)');
ylabel('Magnitude');

代码分析：先定义采样频率、时间向量和生成线性调频信号。选择小波基函数 wname 为 db4，通过 wavedec 函数进行5层小波分解得到系数 c 和长度 l。然后绘制原始信号图，再通过自定义函数 scal2frq 计算尺度对应的频率，绘制小波变换系数（近似系数）与频率的关系图。

Wigner - Ville（WVD）

Wigner - Ville分布是一种时频分布方法，能提供较高的时频分辨率，但存在交叉项干扰问题。

250.基于matlab的5种时频分析方法（(短时傅里叶变换)STFT,Gabor展开和小波变换,Wigner-Ville（WVD）,伪Wigner-Ville分布(PWVD),平滑伪Wigner-Ville分布（SPWVD）,每条程序都有详细的说明，设置仿真信号进行时频输出。 程序已调通，可直接运行。

Matlab代码实现：

fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
x = chirp(t, 100, 1, 200); % 线性调频信号

tfrwv(x, [], [], [], fs); % 计算并绘制Wigner - Ville分布
title('Wigner - Ville Distribution');

代码分析：定义采样频率、时间向量和生成线性调频信号后，直接使用Matlab的 tfrwv 函数计算并绘制Wigner - Ville分布，该函数会自动处理信号的时频分布计算和绘图。

伪Wigner - Ville分布（PWVD）和平滑伪Wigner - Ville分布（SPWVD）

伪Wigner - Ville分布在WVD基础上通过加窗来抑制交叉项，平滑伪Wigner - Ville分布则进一步对窗函数进行平滑处理。

伪Wigner - Ville分布代码：

fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
x = chirp(t, 100, 1, 200); % 线性调频信号

window = hamming(128); % 选择汉明窗
noverlap = 120; % 设置重叠样本数

tfrpwv(x, window, noverlap, [], [], fs); % 计算并绘制伪Wigner - Ville分布
title('Pseudo - Wigner - Ville Distribution');

代码分析：和前面类似先定义基本参数，选择汉明窗和设置重叠样本数，通过 tfrpwv 函数计算并绘制伪Wigner - Ville分布，此函数结合窗函数和重叠样本数来抑制交叉项。

平滑伪Wigner - Ville分布代码：

fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
x = chirp(t, 100, 1, 200); % 线性调频信号

window = hamming(128); % 选择汉明窗
noverlap = 120; % 设置重叠样本数
nfft = 256; % FFT点数

tfrspwv(x, window, noverlap, nfft, [], fs); % 计算并绘制平滑伪Wigner - Ville分布
title('Smoothed Pseudo - Wigner - Ville Distribution');

代码分析：同样定义基本参数，选择汉明窗、设置重叠样本数和FFT点数，通过 tfrspwv 函数计算并绘制平滑伪Wigner - Ville分布，该函数进一步对窗函数进行平滑处理以更好地抑制交叉项。

通过以上5种时频分析方法及其Matlab代码实现，我们可以根据具体需求选择合适的方法来分析信号的时频特性，在不同场景下挖掘信号隐藏的信息。希望大家能通过这些代码和说明，对时频分析有更深入的理解和实践。