文章目录
- 一、基础目标
- 二、短时傅里叶变换的核心原理
- 三、从零实现STFT的步骤与代码
- 第一步：实现基础STFT函数
- 第二步：生成测试信号验证实现
- 第三步：实现逆STFT（信号重构）
- 四、STFT参数选择与影响分析
- 五、重要注意事项与局限性
- 六、实际应用建议
- 七、总结
一、基础目标
在MATLAB中从零开始实现短时傅里叶变换（STFT）是一项非常有益的工作，它能让你深入理解这种经典时频分析技术的核心思想与实现细节。下面将梳理其基本原理、具体的实现步骤、演示代码以及一些重要的注意事项。
二、短时傅里叶变换的核心原理
STFT的基本思想非常直观：假定一个非平稳信号在很短的时间间隔内是近似平稳的。通过一个沿时间轴滑动的窗函数，将长的非平稳信号分割为一系列短的信号片段（称为“帧”），然后对每一帧信号分别进行傅里叶变换，从而得到信号频率成分随时间变化的规律。
其数学定义清晰地表达了这一过程。对于连续信号x ( t ) x(t)x(t)和窗函数w ( t ) w(t)w(t)，在时间t tt处的STFT为：
X ( t , f ) = ∫ − ∞ ∞ x ( τ ) w ( τ − t ) e − j 2 π f τ d τ \begin{aligned} X(t,f)=\int_{-\infty}^{\infty}x(\tau)w(\tau-t)e^{-j2\pi f\tau}d\tau \end{aligned}X(t,f)=∫−∞∞x(τ)w(τ−t)e−j2πfτdτ
对于离散信号x [ n ] x[n]x[n]，相应的离散STFT为：
X [ m , k ] = ∑ n = 0 N − 1 x [ n ] w [ n − m H ] e − j 2 π k n / N X[m,k]=\sum_{n=0}^{N-1}x[n]w[n-mH]e^{-j2\pi kn/N}X[m,k]=∑n=0N−1x[n]w[n−mH]e−j2πkn/N
其中m mm是时间帧索引，k kk是频率索引，H HH是帧移（hop size），N NN是窗长度同时也是FFT点数。
STFT的核心在于时频分辨率权衡。根据Heisenberg不确定性原理，时间分辨率和频率分辨率无法同时无限提高。窗函数的选择和参数设置直接决定了分析的特性：
- 窗长越长，频率分辨率越高，但时间分辨率越差。
- 窗长越短，时间分辨率越高，但频率分辨率越差。
三、从零实现STFT的步骤与代码
第一步：实现基础STFT函数
以下是一个从零实现的STFT函数，它不直接依赖MATLAB的stft或spectrogram函数，而是通过循环完成分帧、加窗和FFT的过程。
function[S,f,
)
