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，时频分析是一种强大的工具，它能帮助我们同时观察信号在时间和频率上的变化特性。今天就来给大家分享基于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），并且通过设置仿真信号来输出时频结果。
短时傅里叶变换（STFT）
短时傅里叶变换通过在时间轴上移动一个窗口函数，对窗口内的信号进行傅里叶变换，从而得到时频分布。下面是Matlab代码实现：
% 设置仿真信号 fs = 1000; % 采样频率 t = 0:1/fs:1 - 1/fs; % 时间向量 x = chirp(t, 100, 1, 200); % 生成线性调频信号 % STFT参数设置 window = hamming(128); % 汉明窗 noverlap = 120; % 重叠样本数 nfft = 256; % FFT点数 % 计算STFT [S, F, T] = spectrogram(x, window, noverlap, nfft, fs); % 绘制时频图 figure; surf(T, F, 10*log10(abs(S))); shading interp; xlabel('Time (s)'); ylabel('Frequency (Hz)'); title('Short - Time Fourier Transform (STFT)');在这段代码里，首先设定了采样频率fs并生成了时间向量t，然后用chirp函数创建了一个线性调频信号x。之后设置了STFT所需的窗口函数window、重叠样本数noverlap和FFT点数nfft。通过spectrogram函数计算出STFT结果S，以及对应的频率向量F和时间向量T。最后使用surf函数绘制出时频图，并对坐标轴和标题进行了标注。
Gabor展开
Gabor展开是一种特殊的时频分析方法，它使用Gabor函数作为基函数来展开信号。由于Matlab没有直接的Gabor展开函数，我们可以通过自定义函数来实现，下面是一个简化的示例：
function gabor_coeffs = gabor_expansion(x, fs, gamma, omega0) % x: 输入信号 % fs: 采样频率 % gamma: Gabor函数的带宽参数 % omega0: Gabor函数的中心频率 t = (0:length(x)-1)/fs; M = length(x); gabor_coeffs = zeros(length(x), 1); for n = 1:M g = @(t) exp(-gamma * (t - (n - 1)/fs).^2).* exp(1i * omega0 * (t - (n - 1)/fs)); gabor_coeffs(n) = sum(x.* g(t)) * (1/fs); end end使用这个函数进行Gabor展开分析时，可以这样调用：
% 设置参数 gamma = 1000; omega0 = 2 * pi * 150; gabor_coeffs = gabor_expansion(x, fs, gamma, omega0);在上述自定义函数gabor_expansion中，通过循环对每个时间点构造Gabor函数，并与输入信号相乘后累加得到Gabor系数。调用时只需要设置好带宽参数gamma和中心频率omega0即可。
小波变换
小波变换通过伸缩和平移等运算对信号进行多尺度细化分析。Matlab提供了丰富的小波分析工具包，下面是使用cwt函数进行连续小波变换的代码：
% 选择小波基函数 wname = 'db4'; % Daubechies小波 scales = 1:128; % 尺度范围 % 计算连续小波变换 [C, F] = cwt(x, scales, wname, fs); % 绘制时频图 figure; contourf(T, F, abs(C)); shading interp; xlabel('Time (s)'); ylabel('Frequency (Hz)'); title('Continuous Wavelet Transform (CWT)');这里选择了db4小波基函数，设定了尺度范围scales。通过cwt函数计算出小波系数C和对应的频率向量F，最后使用contourf函数绘制出时频图。
Wigner - Ville分布（WVD）
Wigner - Ville分布是一种时频能量分布，能提供较高的时频分辨率，但存在交叉项干扰。Matlab实现代码如下：
% 计算Wigner - Ville分布 [tfr, t, f] = tfrwv(x, fs); % 绘制时频图 figure; contourf(t, f, 10*log10(abs(tfr))); shading interp; xlabel('Time (s)'); ylabel('Frequency (Hz)'); title('Wigner - Ville Distribution (WVD)');使用tfrwv函数计算出WVD的时频表示tfr，以及对应的时间向量t和频率向量f，同样用contourf函数绘制时频图。不过要注意，由于交叉项的存在，实际应用中可能需要对结果进一步处理。
伪Wigner - Ville分布（PWVD）和平滑伪Wigner - Ville分布（SPWVD）
伪Wigner - Ville分布是对WVD的一种改进，通过加窗来减少交叉项。平滑伪Wigner - Ville分布则在PWVD基础上进一步对信号在频率方向进行平滑处理。
伪Wigner - Ville分布（PWVD）
% 加窗参数 window_pwvd = hamming(128); % 计算伪Wigner - Ville分布 [tfr_pwvd, t_pwvd, f_pwvd] = tfrspwv(x, window_pwvd, [], [], fs); % 绘制时频图 figure; contourf(t_pwvd, f_pwvd, 10*log10(abs(tfr_pwvd))); shading interp; xlabel('Time (s)'); ylabel('Frequency (Hz)'); title('Pseudo - Wigner - Ville Distribution (PWVD)');平滑伪Wigner - Ville分布（SPWVD）
% 平滑窗参数 smoothing_window = hamming(64); % 计算平滑伪Wigner - Ville分布 [tfr_spwvd, t_spwvd, f_spwvd] = tfrspwv(x, window_pwvd, smoothing_window, [], fs); % 绘制时频图 figure; contourf(t_spwvd, f_spwvd, 10*log10(abs(tfr_spwvd))); shading interp; xlabel('Time (s)'); ylabel('Frequency (Hz)'); title('Smoothed Pseudo - Wigner - Ville Distribution (SPWVD)');在PWVD代码中，通过设置窗函数windowpwvd，使用tfrspwv函数计算出PWVD的时频表示tfrpwvd等。而在SPWVD代码里，除了PWVD使用的窗函数，还设置了平滑窗smoothing_window，同样用tfrspwv函数计算并绘制时频图。可以看到，随着从WVD到PWVD再到SPWVD，交叉项干扰逐渐得到抑制。
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
通过以上基于Matlab的5种时频分析方法的实现与分析，希望能帮助大家更好地理解和应用时频分析技术，针对不同的信号特性选择最合适的分析方法。大家可以自己动手运行这些代码，探索不同参数设置下的时频分析效果。
