體驗STFT譜分析：用MATLAB代碼實現(xiàn)時頻二維譜
在信號處理領域，時頻分析是一種非常常見的技術。在時域中，我們能夠看到信號的波形特征；在頻域中，我們則能夠看到信號的頻譜特征。那么，時頻分析就是能夠同時將時域和頻域的信息進行展示和分析的技術。
其中，STFT（Short-Time Fourier Transform，短時傅立葉變換）是一種重要的時頻分析方法。它將信號分為多個時窗，并對每個時窗內的信號進行傅立葉變換，最終得到時頻二維譜圖。而MATLAB則是在進行STFT分析的時候，常常使用的工具。
本文將以“體驗STFT譜分析：用MATLAB代碼實現(xiàn)時頻二維譜”為中心，從四個方面對STFT進行詳細闡述。其中，我們將從基礎概念、STFT原理、MATLAB代碼實現(xiàn)、應用案例等四個方面對STFT進行逐一講解，幫助讀者全面了解STFT的相關知識。
1、STFT基礎概念
STFT技術最基本的概念是時窗（window），也叫做窗口。它是一種用于描述信號特征的函數(shù)，因為任何信號都可以看作是一些正弦波疊加而成的結果。時窗用于限制原始信號在一定時間區(qū)域內的響應，從而減少信號頻譜上的泄漏。時窗函數(shù)通常是一種帶有平滑過渡的函數(shù)。窗函數(shù)的種類很多，如矩形窗、漢明窗、海寧窗等。同時，需要注意的是，選擇不同的窗函數(shù)會導致不同的結果。通常來說，如果信號變化比較緩慢，可以使用寬帶窗；如果信號變化比較快，可以使用窄帶窗。
窗函數(shù)有助于進一步展示信號的時域和頻域特性。在時域中，長窗能夠提供一個相對好的時間分辨率；在頻域中，短窗則提供了一個良好的頻率分辨率。常見的窗函數(shù)如下圖所示：
2、STFT原理
STFT的原理非常簡單，它將一個長時間的信號分割成許多短時間的信號進行 FFT 分析。這就是時窗原理。FFT（Fast Fourier Transform，快速傅里葉變換）是傅里葉變換（Fourier Transform）的一種快速算法，通過使用 FFT 處理短時間內的信號，從而產生許多頻率分量。具體實現(xiàn)過程中，將一個時域信號 x(t) 分為許多時窗，然后使用傅里葉變換（FFT）將每個時窗下的信號轉化為頻域信號。窗口的長度可以自己調整，但是需要注意的是，較短的時間窗具有很好的頻率分辨率，但很差的時間分辨率；而較長的窗口允許我們對信號進行更好的時間分辨率分析，但是頻率分辨率則會變差。
在進行 FFT 分析時，通常使用二維功率譜熱圖來可視化結果。時頻二維譜的水平軸表示時間，垂直軸表示頻率。通過這種方式，我們能夠更清晰地觀察和比較不同頻率和時域位置的信號部分。
3、MATLAB代碼實現(xiàn)
MATLAB是一個非常強大的工具，它允許用戶快速、簡便的實現(xiàn) STFT 分析。下面，我們以 MATLAB 為例，對如何進行 STFT 分析進行詳細闡述。演示示例：
```
function [S, f, t] = my_spectrogram(x, win, hop, nfft, Fs, scaling)
%STFT Spectrogram of a signal
% [S,F,T] = my_spectrogram(X,WINDOW,HOP,NFFT,FS,SCALING) calculates the
% Short-time Fourier transform (STFT) of the signal using a window size
% of WINDOW, a hopping size between windows of HOP, and a number of FFT
% points of NFFT. The resulting STFT matrix is scaled according to SCALING.
% Author: Elias Kokkinis
if nargin < 6
scaling = none;
end
% Ensure that the input is a row vector
if size(x,1) > 1
x = x;
end
% Number of input samples
nSamples = length(x);
% Ensure that the window size is odd
if floor(win/2) == ceil(win/2)
win = win + 1;
end
% Window index
winIdx = -floor(win/2):floor(win/2);
% Calculate the STFT
S = [];
for n = floor(win/2)+1:hop:nSamples-floor(win/2)-1
xSlice = x(n+winIdx);
xSlice = xSlice .* hann(win);
X = fft(xSlice, nfft);
S = [S, X];
end
% Convert the matrix to dB scale
S = 20*log10(abs(S));
% Ensure that the frequency axis is correct
f = linspace(0, Fs, nfft);
% Ensure that the time axis is correct
t = linspace(0, nSamples/Fs, size(S,2));
% Scale the spectrum
if strcmp(scaling, db)
S = S - max(S(:));
elseif strcmp(scaling, none)
% Do nothing
else
error(Invalid scaling parameter specified.);
end
end
```
4、應用案例
STFT技術在信號處理、聲音分析、圖像處理等領域都有廣泛的應用。以聲音處理為例，我們可以分析聲音語調的持續(xù)時間、變化和表現(xiàn)力，將其用于語音識別和鑒別，從而應用在語音合成、人物音色模擬等方面。同時，我們也可以使用 STFT 技術對圖像進行分析。以醫(yī)學圖像為例，我們可以使用 STFT 技術處理圖像，從而更好地檢測出醫(yī)學圖像中的異常信號，輔助診斷工作。
除此之外，STFT 技術還可以用于音樂處理、雷達識別、振動分析等領域。可謂是應用場景廣泛，而且能夠為我們提供更多更準確的信號分析結果。
總結：
本文對 STFT（Short-Time Fourier Transform，短時傅立葉變換）技術進行了詳細的闡述。我們從基礎概念、STFT原理、MATLAB代碼實現(xiàn)、應用案例等四個方面對 STFT 進行了深入淺出的講解。同時，本文還簡述了 STFT 技術在不同領域中的應用與意義。相信本文會為讀者提供更多的知識和參考，幫助讀者更好地應用 STFT 技術。
