在Matlab中,做短时傅里叶变换需要使用函数spectrogram,而在Matlab中,引入了一个新的函数stft,下面我们就来看下这两个函数都如何使用。
短时傅里叶变换的基本原理就是将数据分段加窗,做fft,在分段时会有overlap,因此一个向量的短时傅里叶变换结果是一个矩阵。了解了这点,下面的函数及参数就更加容易理解了。
spectrogram
参数列表
先来看spectrogram函数,在更早期的版本中,这个函数的名字是specgram,几种常用的用法如下:
spectrogram(x)
s=spectrogram(x)
s=spectrogram(x,window)
s=spectrogram(x,window,noverlap)
s=spectrogram(x,window,noverlap,nfft)
s=spectrogram(x,window,noverlap,nfft,fs)
[s,f,t]=spectrogram(x,window,noverlap,nfft,fs)
[s,f,t]=spectrogram(x,window,noverlap,f,fs)
[s,f,t,p]=spectrogram(x,window,noverlap,f,fs)
其中,
x表示输入信号;
window表示窗函数,如果window的值是一个整数,那么被分段的x的每一段的长度都等于window,并采用默认的Hamming窗;如果window是一个向量,那么被分段后每一段的长度都等于length(window),且输入的向量即为所要加的窗函数;
overlap表示两段之间的重合点数,overlap的值必须要小于窗长,如果没有指定overlap,默认是窗长的一半,即50%的overlap;
nfft表示fft的点数,fft的点数跟窗长可以是不同的,当没有指定该参数时,Matlab会取max(256, 2^(ceil(log2(length(window))))),即当窗长小于256时,fft的点数是256;当窗长大于256时,fft的点数取大于窗长的最小的2的整数次幂;
fs表示采样率,用来归一化显示使用;
f表示显示的频谱范围,f是一个向量,长度跟s的行数相同;
当x是实信号且nfft为偶数时,s的行数为(nfft/2+1)
当x是实信号且nfft为奇数时,s的行数为(nfft+1)/2
当x是复信号时,s的行数为nfft
当在输入的参数列表中指定f后,函数会在f指定的频率处计算频谱图,返回的f跟输入的f是相同的;
t表示显示的时间范围,是一个向量,长度跟s的列数相同;
p表示功率谱密度,对于实信号,p是各段PSD的单边周期估计;对于复信号,当指定F频率向量时,P为双边PSD;如何计算PSD
Examples
首先,生成信号如下,4个点频信号拼接起来:
clc;clearall;closeall;
fs=10e6;
n=10000;
f1=10e3;f2=50e3;f3=80e3;f4=100e3;
t=(0:n-1)'/fs;
sig1=cos(2*pi*f1*t);
sig2=cos(2*pi*f2*t);
sig3=cos(2*pi*f3*t);
sig4=cos(2*pi*f4*t);
sig=[sig1;sig2;sig3;sig4];
信号的时域波形如下:
在这里插入图片描述
直接调用spectrogram(sig),可得如下结果,图中默认横轴是频率,纵轴是时间
在这里插入图片描述
为了绘图更灵活,我们不直接用spectrogram绘图,而且求出s后,再对s单独绘图,这次我们指定window的大小为256
s=spectrogram(sig,256);
t=linspace(0,4*n/fs,size(s,1));
f=linspace(0,fs/2,size(s,2));
figure;
imagesc(t,f,20*log10((abs(s))));xlabel('Samples');ylabel('Freqency');
colorbar;
在这里插入图片描述
noverlap默认是50%,现在我们把它设为window的长度减1,即每次的步进为1
s=spectrogram(sig,256,255);
t=linspace(0,4*n/fs,size(s,1));
f=linspace(0,fs/2,size(s,2));
figure;
imagesc(t,f,20*log10((abs(s))));xlabel('Samples');ylabel('Freqency');
colorbar;
在这里插入图片描述
再加上nfft和fs参数,我们指定fft点数就是窗长
s=spectrogram(sig,256,128,256,fs);
这个的图形跟之前一样,不再画了
如果在返回值中,增加f和t,这样我们下面就不用再重新定义f和t了
[s,f,t]=spectrogram(sig,256,128,256,fs);
figure;
imagesc(t,f,20*log10((abs(s))));xlabel('Samples');ylabel('Freqency');
colorbar;
从上面的图中我们可以看出,我们的4个信号的频率都比较小,而画出来的图显示的频谱范围比较大,导致下面很大一部分信息我们其实都不需要。这时,我们就可以通过指定f的区间来计算频谱。为了显示效果更好,我们把其他参数也调一下
window=2048;
noverlap=window/2;
f_len=window/2+1;
f=linspace(0,150e3,f_len);
[s,f,t]=spectrogram(sig,window,noverlap,f,fs);
figure;
imagesc(t,f,20*log10((abs(s))));xlabel('Samples');ylabel('Freqency');
colorbar;
在这里插入图片描述
最后再把功率谱密度的返回值加上
[s,f,t,p]=spectrogram(sig,window,nfft,f,fs);
figure;
imagesc(t,f,p);xlabel('Samples');ylabel('Freqency');
colorbar;
在这里插入图片描述
stft
这个函数在Matlab的解释并不是很多,example也只写了两个,但用法比较简单:
window=2048;
noverlap=window/2;
nfft=window;
[s,f,t,p]=spectrogram(sig,window,noverlap,nfft,fs);
figure;
imagesc(t,f,20*log10((abs(s))));xlabel('Samples');ylabel('Freqency');
title('使用spectrogram画出的短时傅里叶变换图形');
colorbar;
ss=stft(sig,fs,'Window',hamming(window),'OverlapLength',window/2,'FFTLength',nfft);
figure;
imagesc(t,f,20*log10((abs(ss(1024:end,:)))));xlabel('Samples');ylabel('Freqency');
title('使用stft画出的短时傅里叶变换图形');
colorbar;
在这里插入图片描述
FPGA
FPGA时序约束教程
C++
信号处理
Julia
(还未补充完整)
欢迎关注微信公众号:
在这里插入图片描述
如果觉得《matlab 短时傅立叶变换 Matlab中短时傅里叶变换 spectrogram和stft的用法》对你有帮助,请点赞、收藏,并留下你的观点哦!