Matlab时频分析：STFT、小波变换与WVD实现指南

1. 时频分析基础与Matlab实现概述

时频分析作为现代信号处理的核心技术之一，其价值在于突破了传统傅里叶变换只能提供全局频率信息的局限。在实际工程应用中，我们常常需要分析非平稳信号——比如机械振动监测中的冲击信号、语音信号中的音素变化、雷达回波中的多普勒频移等。这类信号的频率成分随时间变化，传统频谱分析难以捕捉其动态特性。

Matlab凭借其强大的矩阵运算能力和丰富的信号处理工具箱，成为实现时频分析的理想平台。本次将深入解析五种经典方法的实现细节：

• 短时傅里叶变换(STFT)：时频分析的入门方法，适合初步了解时频概念
• Gabor展开：提供最优时频分辨率的理论方法
• 小波变换：多分辨率分析的利器
• Wigner-Ville分布(WVD)：具有最高时频分辨率但存在交叉项干扰
• 改进型WVD（PWVD/SPWVD）：平衡分辨率与交叉项问题的实用方案

重要提示：所有代码已在Matlab R2021b版本测试通过，建议读者使用相同或更高版本运行。不同版本可能存在函数参数差异。

2. 仿真信号构建与参数设置

2.1 基础信号生成

我们采用线性调频信号(Chirp)作为测试信号，因其频率随时间线性变化的特性非常适合验证时频分析效果：

matlab复制fs = 1000;                  % 采样率(Hz)
t = 0:1/fs:1-1/fs;          % 1秒时间轴
f_start = 100; f_end = 200; % 起始/终止频率
x = chirp(t, f_start, 1, f_end, 'linear'); 

% 添加高斯白噪声增强现实性
noise_power = 0.05;
x = x + sqrt(noise_power)*randn(size(x));

参数选择考量：

• 采样率1000Hz满足奈奎斯特准则(>400Hz)
• 线性调频范围100-200Hz可清晰观察频率变化
• 添加5%噪声模拟真实环境

2.2 通用可视化设置

为保持各方法结果可比性，统一采用以下绘图配置：

matlab复制function plot_tf(t, f, tfrep, title_str)
    surf(t, f, 10*log10(abs(tfrep)), 'EdgeColor', 'none');
    axis tight; view(0, 90);
    xlabel('Time (s)'); ylabel('Frequency (Hz)');
    title(title_str);
    colormap(jet); colorbar;
end

3. 短时傅里叶变换(STFT)实现

3.1 原理与参数选择

STFT通过在时间轴上滑动窗口，对每个窗口内信号进行傅里叶变