WikiDer > Билинейное частотно-временное распределение

Эта статья включает в себя список общих Рекомендации, но он остается в основном непроверенным, потому что ему не хватает соответствующих встроенные цитаты. Пожалуйста, помогите улучшать эта статья введение более точные цитаты. (Ноябрь 2013) (Узнайте, как и когда удалить этот шаблон сообщения)

Билинейные частотно-временные распределения, или же квадратичные частотно-временные распределения, возникают в подполе анализ сигналов и обработка сигналов называется частотно-частотная обработка сигналов, а в статистический анализ из Временные ряды данные. Такие методы используются, когда нужно иметь дело с ситуацией, когда частотный состав сигнала может изменяться со временем;^[1] это подполе раньше называлось частотно-временным анализом сигнала, а теперь его чаще называют частотно-временной обработкой сигнала из-за прогресса в использовании этих методов для решения широкого круга задач обработки сигналов.

Фон

Методы анализа временных рядов в обоих анализ сигналов и анализ временных рядов, были разработаны как по существу отдельные методологии, применимые или основанные на время или частотная область. Смешанный подход требуется в частотно-временной анализ методы, которые особенно эффективны при анализе нестационарных сигналов, частотное распределение и величина которых меняются со временем. Примеры таких акустический сигналы. Для анализа частотно-временных сигналов используются классы «квадратичных частотно-временных распределений» (или билинейных частотно-временных распределений), которые по формулировке аналогичны функции распределения классов Коэна, которая использовалась в 1966 году в контексте квантовой механики. Этот функция распределения математически подобен обобщенному частотно-временное представление который использует билинейные преобразования. По сравнению с другими частотно-временной анализ методы, такие как кратковременное преобразование Фурье (STFT), билинейное преобразование (или квадратичное частотно-временное распределение) может не иметь большей ясности для большинства практических сигналов, но оно обеспечивает альтернативную основу для исследования новых определений и новых методов. Хотя он действительно страдает от присущего ему перекрестного загрязнения при анализе многокомпонентных сигналов, при использовании тщательно подобранного оконная функция(s), помехи могут быть значительно уменьшены за счет разрешения. Все эти билинейные распределения взаимно конвертируемы друг в друга, ср. преобразование между распределениями в частотно-временном анализе.

Распределение Вигнера – Вилля

Распределение Вигнера – Вилля представляет собой квадратичную форму, которая измеряет локальную частотно-временную энергию, определяемую следующим образом:

${displaystyle P_ {V} f (u, xi) = int _ {- infty} ^ {infty} fleft (u + {frac {au} {2}} ight) f ^ {*} left (u- {frac {au } {2}} ight) e ^ {- i au xi}, d au}$

Распределение Вигнера – Вилля остается реальным, поскольку оно является преобразованием Фурье ж(ты + τ/2)·ж*(ты − τ/ 2), имеющий эрмитову симметрию в τ. Его также можно записать как частотное интегрирование, применив формулу Парсеваля:

${displaystyle P_ {V} f (u, xi) = {frac {1} {2pi}} int _ {- infty} ^ {infty} {hat {f}} left (xi + {frac {gamma} {2}) } ight) {hat {f}} ^ {*} left (xi - {frac {gamma} {2}} ight) e ^ {igamma u}, dgamma}$

Предложение 1. для любого ж в L²(Р)

${displaystyle int _ {- infty} ^ {infty} P_ {V} f (u, xi), du = | {hat {f}} (xi) | ^ {2}}$

${displaystyle int _ {- infty} ^ {infty} P_ {V} f (u, xi), dxi = 2pi | f (u) | ^ {2}}$

Теорема Мойала. За ж и грамм в L²(Р),

${displaystyle 2pi left | int _ {- infty} ^ {infty} f (t) g ^ {*} (t), dtight | ^ {2} = iint {P_ {V} f (u, xi)} P_ { V} g (u, xi), du, dxi}$

Предложение 2 (частотно-временная поддержка). Если ж имеет компактную опору, то для всех ξ поддержка ${displaystyle P_ {V} f (u, xi)}$ вдоль ты равно поддержке ж. Аналогично, если ${displaystyle {hat {f}}}$ имеет компактную опору, то для всех ты поддержка ${displaystyle P_ {V} f (u, xi)}$ вдоль ξ равно поддержке ${displaystyle {hat {f}}}$.

Предложение 3 (мгновенная частота). Если ${displaystyle f_ {a} (t) = a (t) e ^ {iphi (t)}}$ тогда

${displaystyle phi '(u) = {frac {int _ {- infty} ^ {infty} xi P_ {V} f_ {a} (u, xi) dxi} {int _ {- infty} ^ {infty} P_ { V} f_ {a} (u, xi) dxi}}}$

Вмешательство

Позволять ${displaystyle f = f_ {1} + f_ {2}}$ быть составным сигналом. Затем мы можем написать

${displaystyle P_ {V} f = P_ {V} f_ {1} + P_ {V} f_ {2} + P_ {V} left [f_ {1}, f_ {2} ight] + P_ {V} left [ f_ {2}, f_ {1} ight]}$

куда

${displaystyle P_ {V} [h, g] (u, xi) = int _ {- infty} ^ {infty} hleft (u + {frac {au} {2}} ight) g ^ {*} left (u- {frac {au} {2}} ight) e ^ {- i au xi} d au}$

- кросс-распределение двух сигналов Вигнера – Вилля. Срок вмешательства

${displaystyle I [f_ {1}, f_ {2}] = P_ {V} [f_ {1}, f_ {2}] + P_ {V} [f_ {2}, f_ {1}]}$

это реальная функция, которая создает ненулевые значения в неожиданных местах (близко к исходной точке) в ${displaystyle (u, xi)}$ самолет. Члены интерференции, присутствующие в реальном сигнале, можно избежать, вычислив аналитическую часть ${displaystyle f_ {a} (t)}$.

Ядро положительности и сглаживания

Интерференционные члены являются осциллирующими, поскольку маргинальные интегралы обращаются в нуль и могут быть частично удалены путем сглаживания ${displaystyle P_ {V} f}$ с ядромθ

${displaystyle P_ {heta} f (u, xi) = int _ {- infty} ^ {infty} {int _ {- infty} ^ {infty} {P_ {V} f (u ', xi')}} heta (u, u ', xi, xi'), u ', dxi'}$

Частотно-временное разрешение этого распределения зависит от разброса ядра θ в районе ${displaystyle (u, xi)}$. Поскольку помехи принимают отрицательные значения, можно гарантировать, что все помехи будут удалены, наложив это

${displaystyle P_ {heta} f (u, xi) geq 0, qquad forall (u, xi) в {{mathbf {R}} ^ {2}}}$

Спектрограмма и скалограмма являются примерами положительного частотно-временного распределения энергии. Пусть линейное преобразование ${displaystyle Tf (gamma) = leftlangle f, phi _ {gamma} ightangle}$ быть определенным над семейством частотно-временных атомов ${displaystyle left {phi _ {gamma} ight} _ {gamma in Gamma}}$. Для любого ${displaystyle (u, xi)}$ существует единственный атом ${displaystyle phi _ {gamma (u, xi)}}$ с центром по частоте времени на ${displaystyle (u, xi)}$. Результирующая частотно-временная плотность энергии равна

${displaystyle P_ {T} f (u, xi) = left | leftlangle f, phi _ {gamma (u, xi)} ightangle ight | ^ {2}}$

Из формулы Мойала,

${displaystyle P_ {T} f (u, xi) = {frac {1} {2pi}} int _ {- infty} ^ {infty} int _ {- infty} ^ {infty} P_ {V} f (u ' , xi ') P_ {V} phi _ {gamma (u, xi)} (u', xi '), du', dxi '}$

что представляет собой частотно-временное усреднение распределения Вигнера – Вилля. Таким образом, сглаживающее ядро ​​можно записать как

${displaystyle heta (u, u ', xi, xi') = {frac {1} {2pi}} P_ {V} phi _ {gamma (u, xi)} (u ', xi')}$

Потеря частотно-временного разрешения зависит от разброса распределения ${displaystyle P_ {V} phi _ {gamma (u, xi)} (u ', xi')}$ в районе ${displaystyle (u, xi)}$.

Пример 1

Спектрограмма, вычисленная с использованием оконных атомов Фурье,

${displaystyle phi _ {гамма (u, xi)} (t) = g (t-u) e ^ {ixi t}}$

${displaystyle heta (u, u ', xi, xi') = {frac {1} {2pi}} P_ {V} phi _ {gamma (u, xi)} (u ', xi') = {frac {1 } {2pi}} P_ {V} g (u'-u, xi '-xi)}$

Поэтому для спектрограммы усреднение Вигнера – Вилля представляет собой двумерную свертку с ${displaystyle P_ {V} g}$. Если g - гауссово окно,${displaystyle P_ {V} g}$ является 2-мерным гауссовским. Это доказывает, что усреднение ${displaystyle P_ {V} f}$ с достаточно широкой гауссианой определяет положительную плотность энергии. Общий класс частотно-временных распределений, полученных сверткой ${displaystyle P_ {V} f}$ с произвольным ядром θ называется классом Коэна и обсуждается ниже.

Теорема Вигнера. Нет положительного квадратичного распределения энергии ПФ которая удовлетворяет следующим маргинальным интегралам по времени и частоте:

${displaystyle int _ {- infty} ^ {infty} Pf (u, xi), dxi = 2pi | f (u) | ^ {2}}$

${displaystyle int _ {- infty} ^ {infty} Pf (u, xi), du = | {hat {f}} (xi) | ^ {2}}$

Математическое определение

Определение класса билинейных (или квадратичных) частотно-временных распределений Коэна выглядит следующим образом:

${displaystyle C_ {x} (t, f) = int _ {- infty} ^ {infty} int _ {- infty} ^ {infty} A_ {x} (eta, au) Phi (eta, au) exp (j2pi (eta t- au f)), deta, d au,}$

куда ${displaystyle A_ {x} (eta, au)}$ это функция неоднозначности (AF), о чем будет сказано позже; и ${displaystyle Phi (eta, au)}$ Коэна функция ядра, который часто является функцией нижних частот и обычно служит для маскировки помех. В исходном представлении Вигнера ${displaystyle Phi Equiv 1}$.

Эквивалентное определение основывается на свертке Функция распределения Вигнера (WD) вместо AF:

${displaystyle C_ {x} (t, f) = int _ {- infty} ^ {infty} int _ {- infty} ^ {infty} W_ {x} (heta, u) Pi (t- heta, fu), d heta, du = [W_ {x} ast Pi] (t, f)}$

где функция ядра ${displaystyle Pi (t, f)}$ определяется в частотно-временной области вместо области неоднозначности. В исходном представлении Вигнера ${displaystyle Pi = delta _ {(0,0)}}$. Связь между двумя ядрами такая же, как между WD и AF, а именно два последовательных преобразования Фурье (см. Диаграмму).

${displaystyle Phi = {mathcal {F}} _ {t} {mathcal {F}} _ {f} ^ {- 1} Pi}$

т.е.

${displaystyle Phi (eta, au) = int _ {- infty} ^ {infty} int _ {- infty} ^ {infty} Pi (t, f) exp (-j2pi (teta -f au)), dt, df ,}$

или эквивалентно

${displaystyle Pi (t, f) = int _ {- infty} ^ {infty} int _ {- infty} ^ {infty} Phi (eta, au) exp (j2pi (eta t- au f)), deta, d au.}$

Функция неоднозначности

Класс билинейных (или квадратичных) частотно-временных распределений легче всего понять в терминах функция неоднозначности, объяснение которого следует.

Рассмотрим хорошо известные спектральная плотность мощности ${displaystyle P_ {x} (f)}$ и сигнал автокорреляция функция ${displaystyle R_ {x} (au)}$ в случае стационарного процесса. Связь между этими функциями следующая:

${displaystyle P_ {x} (f) = int _ {- infty} ^ {infty} R_ {x} (au) e ^ {- j2pi f au}, d au,}$

${displaystyle R_ {x} (au) = int _ {- infty} ^ {infty} xleft (t + {frac {au} {2}} ight) x ^ {*} left (t- {frac {au} {2 }} ight), dt.}$

Для нестационарного сигнала ${displaystyle x (t)}$эти соотношения могут быть обобщены с использованием зависящей от времени спектральной плотности мощности или, что эквивалентно Функция распределения Вигнера из ${displaystyle x (t)}$ следующее:

${displaystyle W_ {x} (t, f) = int _ {- infty} ^ {infty} R_ {x} (t, au) e ^ {- j2pi f au}, d au,}$

${displaystyle R_ {x} (t, au) = xleft (t + {frac {au} {2}} ight) x ^ {*} left (t- {frac {au} {2}} ight).}$

Если преобразование Фурье автокорреляционной функции берется относительно т вместо τ, получаем функцию неоднозначности следующим образом:

${displaystyle A_ {x} (eta, au) = int _ {- infty} ^ {infty} xleft (t + {frac {au} {2}} ight) x ^ {*} left (t- {frac {au}) {2}} ight) e ^ {j2pi teta}, dt.}$

Соотношение между функцией распределения Вигнера, функцией автокорреляции и функцией неоднозначности можно проиллюстрировать на следующем рисунке.

Сравнивая определение билинейного (или квадратичного) частотно-временного распределения с определением функции распределения Вигнера, легко обнаружить, что последнее является частным случаем первого с ${displaystyle Phi (eta, au) = 1}$. В качестве альтернативы, билинейные (или квадратичные) частотно-временные распределения можно рассматривать как замаскированную версию функции распределения Вигнера, если функция ядра ${displaystyle Phi (eta, au) экв 1}$ выбран. Правильно выбранная функция ядра может значительно уменьшить нежелательный перекрестный член функции распределения Вигнера.

В чем преимущество дополнительной функции ядра? На следующем рисунке показано распределение автоматических и перекрестных членов многокомпонентного сигнала как в неоднозначности, так и в функции распределения Вигнера.

Для многокомпонентных сигналов в целом распределение его авто-члена и перекрестного члена в его функции распределения Вигнера, как правило, непредсказуемо, и, следовательно, перекрестный член не может быть легко удален. Однако, как показано на рисунке, для функции неоднозначности автоматический член многокомпонентного сигнала по своей природе стремится закрыть начало координат в ητ-плоскость, и перекрестный член будет иметь тенденцию быть далеко от начала координат. С этим свойством перекрестный член может быть легко отфильтрован, если правильная функция ядра нижних частот применяется в ητ-домен. Ниже приведен пример, демонстрирующий, как отфильтровывается перекрестный термин.

Свойства ядра

Преобразование Фурье ${displaystyle heta (u, xi)}$ является

${displaystyle {hat {heta}} (au, gamma) = int _ {- infty} ^ {infty} int _ {- infty} ^ {infty} heta (u, xi) e ^ {- i (ugamma + xi au )}, du, dxi}$

Следующее предложение дает необходимые и достаточные условия для того, чтобы ${displaystyle P_ {heta}}$ удовлетворяет маргинальным энергетическим свойствам, подобным свойствам распределения Вигнера – Вилля.

Предложение: Предельные энергетические свойства

${displaystyle int _ {- infty} ^ {infty} P_ {heta} f (u, xi), dxi = 2pi | f (u) | ^ {2},}$

${displaystyle int _ {- infty} ^ {infty} P_ {heta} f (u, xi), du = | {hat {f}} (xi) | ^ {2}}$

довольны для всех ${displaystyle fin L ^ {2} (mathbf {R})}$ если и только если

${displaystyle forall (au, gamma) в mathbf {R} ^ {2}: qquad {hat {heta}} (au, 0) = {hat {heta}} (0, gamma) = 1}$

Некоторые частотно-временные распределения

Функция распределения Вигнера

Вышеупомянутая функция распределения Вигнера является членом класса квадратичных частотно-временных распределений (QTFD) с функцией ядра ${displaystyle Phi (eta, au) = 1}$. Определение распределения Вигнера следующее:

${displaystyle W_ {x} (t, f) = int _ {- infty} ^ {infty} xleft (t + {frac {au} {2}} ight) x ^ {*} left (t- {frac {au}) {2}} ight) e ^ {- j2pi f au}, d au.}$

Модифицированные функции распределения Вигнера

Аффинная инвариантность

Мы можем разработать частотно-временные распределения энергии, которые удовлетворяют свойству масштабирования

${displaystyle {frac {1} {sqrt {s}}} fleft ({frac {t} {s}} ight) longleftrightarrow P_ {V} fleft ({frac {u} {s}}, sxi ight)}$

как и распределение Вигнера – Вилля. Если

${displaystyle g (t) = {frac {1} {sqrt {s}}} fleft ({frac {t} {s}} ight)}$

тогда

${displaystyle P_ {heta} g (u, xi) = P_ {heta} fleft ({frac {u} {s}}, sxi ight).}$

Это эквивалентно тому, что

${displaystyle forall sin mathbf {R} ^ {+}: qquad heta left (su, {frac {xi} {s}} ight) = heta (u, xi),}$

и поэтому

${displaystyle heta (u, xi) = heta (uxi, 1) = eta (uxi)}$

Распределения Рихачека и Чоя – Вильямса являются примерами аффинно-инвариантных распределений классов Коэна.

Функция распределения Чоя – Вильямса

Ядро Распределение Чоя – Вильямса определяется следующим образом:

${displaystyle Phi (eta, au) = exp (-alpha (eta au) ^ {2}),}$

куда α - регулируемый параметр.

Функция распределения Рихачека

Ядро Распределение Рихачека определяется следующим образом:

${displaystyle Phi (eta, au) = exp left (-i2pi {frac {eta au} {2}} ight),}$

С этим конкретным ядром простой расчет доказывает, что

${displaystyle C_ {x} (t, f) = x (t) {hat {x}} ^ {*} (f) e ^ {i2pi tf}}$

Функция распределения по форме конуса

Ядро функции распределения конусообразной формы определяется следующим образом:

${displaystyle Phi (eta, au) = {frac {sin (pi eta au)} {pi eta au}} exp left (-2pi alpha au ^ {2} ight),}$

куда α - регулируемый параметр. Видеть Преобразование между распределениями в частотно-временном анализе. Больше таких QTFD и полный список можно найти, например, в цитированном тексте Коэна.

Спектр нестационарных процессов

Изменяющийся во времени спектр для нестационарных процессов определяется из ожидаемого распределения Вигнера – Вилля. Локально стационарные процессы возникают во многих физических системах, где случайные флуктуации производятся механизмом, который медленно изменяется во времени. Такие процессы можно локально аппроксимировать стационарным процессом. Позволять ${displaystyle X (t)}$ - действительный процесс с нулевым средним и ковариантным

${displaystyle R (t, s) = E [X (t) X (s)]}$

Оператор ковариации K определяется для любого детерминированного сигнала ${displaystyle fin L ^ {2} (mathbf {R})}$ к

${displaystyle Kf (t) = int _ {- infty} ^ {infty} R (t, s) f (s), ds}$

Для локально стационарных процессов собственные векторы K хорошо аппроксимируются спектром Вигнера – Вилля.

Спектр Вигнера – Вилля

Свойства ковариации ${displaystyle R (t, s)}$ изучаются как функция ${displaystyle au = t-s}$ и ${displaystyle u = {frac {t + s} {2}}}$:

${displaystyle R (t, s) = Rleft (u + {frac {au} {2}}, u- {frac {au} {2}} ight) = C (u, au)}$

Процесс стационарный в широком смысле если ковариация зависит только от ${displaystyle au = t-s}$:

${displaystyle Kf (t) = int _ {- infty} ^ {infty} C (t-s) f (s), ds = C * f (t)}$

Собственные векторы - это комплексные экспоненты ${displaystyle e ^ {iomega t}}$ а соответствующие собственные значения даются спектром мощности

${displaystyle P_ {X} (omega) = int _ {- infty} ^ {infty} C (au) e ^ {- iomega au}, d au}$

Для нестационарных процессов Мартин и Фландрин ввели изменяющийся во времени спектр

${displaystyle P_ {X} (u, xi) = int _ {- infty} ^ {infty} C (u, au) e ^ {- ixi au}, d au = int _ {- infty} ^ {infty} Eleft [Xleft (u + {frac {au} {2}} ight) Xleft (u- {frac {au} {2}} ight) ight] e ^ {- ixi au}, d au}$

Чтобы избежать проблем сходимости, мы предполагаем, что Икс имеет компактную опору, так что ${displaystyle C (u, au)}$ имеет компактную опору в ${displaystyle au}$. Сверху мы можем написать

${displaystyle P_ {X} (u, xi) = E [P_ {V} X (u, xi)]}$

что доказывает, что изменяющийся во времени спектр является ожидаемым значением преобразования Вигнера – Вилля процесса Икс. Здесь стохастический интеграл Вигнера – Вилля интерпретируется как среднеквадратичный интеграл:^[2]

${displaystyle P_ {V} (u, xi) = int _ {- infty} ^ {infty} left {Xleft (u + {frac {au} {2}} ight) Xleft (u- {frac {au} {2}) } ight) ight} e ^ {- ixi au}, d au}$

Рекомендации

• Л. Коэн, Частотно-временной анализ, Прентис-Холл, Нью-Йорк, 1995. ISBN 978-0135945322
• Б. Боашаш, редактор, «Частотно-временной анализ и обработка сигналов - исчерпывающий справочник», Elsevier Science, Oxford, 2003.
• Л. Коэн, «Частотно-временные распределения - обзор», Труды IEEE, vol. 77, нет. 7. С. 941–981, 1989.
• С. Цянь и Д. Чен, Совместный частотно-временной анализ: методы и приложения, гл. 5, Прентис-Холл, Нью-Джерси, 1996.
• Х. Чой и В. Дж. Уильямс, "Улучшенное частотно-временное представление многокомпонентных сигналов с использованием экспоненциальных ядер", IEEE. Пер. Акустика, речь, обработка сигналов, т. 37, нет. 6. С. 862–871, июнь 1989 г.
• Ю. Чжао, Л. Е. Атлас и Р. Дж. Маркс, «Использование конусообразных ядер для обобщенного частотно-временного представления нестационарных сигналов», IEEE Trans. Акустика, речь, обработка сигналов, т. 38, нет. 7. С. 1084–1091, июль 1990 г.
• Б. Боашаш, «Эвристическая формулировка частотно-временных распределений», Глава 2, стр. 29–58, в Б. Боашаш, редактор, Анализ и обработка частотно-временных сигналов: всеобъемлющий справочник, Elsevier Science, Оксфорд, 2003.
• Б. Боашаш, «Теория квадратичных TFD», глава 3, стр. 59–82, в Б. Боашаш, редактор, Частотно-временной анализ и обработка сигналов: исчерпывающий справочник, Elsevier, Oxford, 2003.