1.spectrogram参数简介

功能：使用短时傅里叶变换得到信号的频谱图。
语法：
[S,F,T,P]=spectrogram(x,window,noverlap,nfft,fs)
[S,F,T,P]=spectrogram(x,window,noverlap,F,fs)
说明：当使用时无输出参数，会自动绘制频谱图；有输出参数，则会返回输入信号的短时傅里叶变换。当然也可以从函数的返回值S,F,T,P绘制频谱图，具体参见例子。

参数：
x---输入信号的向量。默认情况下，即没有后续输入参数，x将被分成8段分别做变换处理，如果x不能被平分成8段，则会做截断处理。默认情况下，其他参数的默认值为：window---窗函数，默认为nfft长度的海明窗Hamming；noverlap---每一段的重叠样本数，默认值是在各段之间产生50%的重叠；nfft---做FFT变换的长度，默认为256和大于每段长度的最小2次幂之间的最大值。另外，此参数除了使用一个常量外，还可以指定一个频率向量F；fs---采样频率，默认值归一化频率。
Window---窗函数，如果window为一个整数，x将被分成window段，每段使用Hamming窗函数加窗。如果window是一个向量，x将被分成length(window)段，每一段使用window向量指定的窗函数加窗。所以如果想获取specgram函数的功能，只需指定一个256长度的Hann窗。
Noverlap---各段之间重叠的采样点数。它必须为一个小于window或length(window)的整数。其意思为两个相邻窗不是尾接着头的，而是两个窗有交集，有重叠的部分。
Nfft---计算离散傅里叶变换的点数。它需要为标量。
Fs---采样频率Hz，如果指定为[]，默认为1Hz。
S---输入信号x的短时傅里叶变换。它的每一列包含一个短期局部时间的频率成分估计，时间沿列增加，频率沿行增加。如果x是长度为Nx的复信号，则S为nfft行k列的复矩阵，其中k取决于window，如果window为一个标量，则k = fix((Nx-noverlap)/(window-noverlap))；如果window为向量，则k = fix((Nx-noverlap)/(length(window)-noverlap))。对于实信号x，如果nfft为偶数，则S的行数为(nfft/2+1)，如果nfft为奇数，则行数为(nfft+1)/2，列数同上。
F---在输入变量中使用F频率向量，函数会使用Goertzel方法计算在F指定的频率处计算频谱图。指定的频率被四舍五入到与信号分辨率相关的最近的DFT容器(bin)中。而在其他的使用nfft语法中，短时傅里叶变换方法将被使用。对于返回值中的F向量，为四舍五入的频率，其长度等于S的行数。
T---频谱图计算的时刻点，其长度等于上面定义的k，值为所分各段的中点。

P---能量谱密度PSD(Power Spectral Density)，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。P矩阵的元素计算公式如下P(I,j)=k|S(I,j)|2，其中的的k是实值标量，定义如下对于单边PSD，计算公式如下，其中w(n)表示窗函数，Fs为采样频率，在0频率和奈奎斯特频率处，分子上的因子2改为1；

2.关于画图的问题

如果采样频率没有指定，Fs由2*pi代替。

spectrogram(...)当调用函数时没有输出参数，将会自动绘制各段的PSD估计，绘制的命令如下

surf(T,F,10*log10(abs(P)));

axis tight;

view(0,90);

spectrogram(...,'freqloc')使用freqloc字符串可以控制频率轴显示的位置。当freqloc=xaxis

时，频率轴显示在x轴上，当freqloc=yaxis时，频率轴显示在y轴上，默认是显示在x轴

上。如果在指定freqloc的同时，又有输出变量，则freqloc将被忽略。

3.实例

例.计算并显示二次扫频信号的PSD图，扫频信号的频率开始于100Hz，在1s时经过200Hz
T = 0:0.001:2;
X = chirp(T,100,1,200,'q');
spectrogram(X,128,120,128,1E3);
title('Quadratic Chirp');
例.计算并显示线性扫频信号的PSD图，扫频信号由直流开始，在1s时经过150Hz，控制频率轴显示在y轴上
T = 0:0.001:2;
X = chirp(T,0,1,150);
[S,F,T,P] = spectrogram(X,256,250,256,1E3);
surf(T,F,10*log10(P),'edgecolor','none'); axis tight;
view(0,90);
xlabel('Time (Seconds)'); ylabel('Hz');

4.注意事项

nfft越大，频域的分辨率就越高（分辨率=fs/nfft），但离瞬时频率就越远；

noverlap影响时间轴的分辨率，越接近nfft，分辨率越高，相应的冗余就越多，计算量越大，但计算机只要能承受，问题不大。

短时傅里叶分析：spectrogram函数相关推荐

MATLAB 长度和像素_Matlab中短时傅里叶变换 spectrogram和stft的用法
在Matlab中,做短时傅里叶变换需要使用函数spectrogram,而在Matlab2019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 ...
matlab时频分析之短时傅里叶变换 spectrogram
matlab时频分析之短时傅里叶变换 spectrogram 短时傅里叶变换常用于缓慢时变信号的频谱分析,可以观察沿时间变化的频谱信号. 其优点如下图所示,弥补了频谱分析中不能观察时间的缺点,也弥补了 ...
语音信号的短时傅里叶分析
语音信号的短时傅里叶分析文章目录语音信号的短时傅里叶分析概述短时傅里叶变换短时傅里叶的取样率时域取样率频域取样率总取样率语音信号的短时综合滤波器组求和法快速傅里叶变换求和法语谱 ...
小波变换(DWT)，短时傅里叶分析（STFT）,与快速傅里叶（FFT）之间的关系
小波变换基傅立叶变换和小波变换,都会听到分解和重构,其中这个就是根本,因为他们的变化都是将信号看成由若干个东西组成的,而且这些东西能够处理还原成比原来更好的信号.那怎么分解呢?那就需要一个分解的量 ...
matlab求双边频谱,短时傅里叶变换tfrstft函数怎么显示双边频谱（需要负频率频谱）...
% 时频分析工具箱测试使用 clc clear close all % 构造一个简单信号 T=1;%1s fs =1024; N=fs*T; ts = T/N; t = 0:ts:N*ts; yt=e ...
傅里叶变化，短时傅里叶分析，小波变换
作者:咚懂咚懂咚链接:https://www.zhihu.com/question/22864189/answer/40772083 来源:知乎著作权归作者所有,转载请联系作者获得授权. 从傅里叶 ...
matlab中短时傅里叶变换tfrstft函数用法
[TFR,T,F]=TFRSTFT(X,T,N,H,TRACE) X : 信号. T : 时间序列 (默认值 :1:length(X)). N : 频率点数 (默认值: length(X)). H : ...
时频分析：短时傅里叶变换应用
目录: 前言实验环境 Matlab spectrogram函数 1语法 2举栗子: 2.1跟踪声音信号里的鸟声轨迹 2.2谱图3d可视化参考: 前言之前讲了时频分析的原理,和matlab里面的相 ...
时频分析：短时傅立叶变换实现（5）
目录: 前言实验环境 Matlab spectrogram函数 1语法 2使用说明 3代码如下 3.1谱图聚集和门限设置参考: 前言之前讲了时频分析的原理,现在来讲讲它在matlab里面的实现. ...

短时傅里叶分析：spectrogram函数

1.spectrogram参数简介

2.关于画图的问题

3.实例

4.注意事项

短时傅里叶分析：spectrogram函数相关推荐

最新文章

热门文章