tidfrekvensanalyse

Tidfrekvensanalys är en samling metoder för att analysera signaler vars frekvensinnehåll förändras över tiden. Den ger en representation som är begränsad både i tid och i frekvens och syftar till att fånga hur olika frekvenskomponenter uppträder under olika tidsperioder, vilket är särskilt viktigt för icke-stationära signaler där traditionell Fourieranalys ger begränsade insikter.

Vanliga metoder är korttids-Fourier-transformen (STFT) som avbildar signalen i ett spektrum som varierar över tid, ofta ordnat som ett spektrogram; våglettransformationen (continuous/discrete Wavelet Transform) som erbjuder bra tidsupplösning vid höga frekvenser och bra frekvensupplösning vid låga; samt Wigner-Ville-distributionen (WVD) som ger hög upplösning men kan producera kors-termer som gör tolkningen svårare.

Andra metoder inkluderar Hilbert-Huang-transformen, synchrosqueezing och olika adaptiva/parametriska representationer. Valet av metod beror på signalens karaktär, önskad upplösning och beräkningskostnader. STFT:s upplösning styrs av fönsterstorlek och fönsterfunktion, vågletsbaserade metoder ger multiresolution, och WVD:s kors-termer kan kräva korsfokusering eller andra åtgärder för att förbättra tolkbarheten.

Användningsområden omfattar ljud- och musikanalys, tal- och röstanalyser, medicinska signaler som EEG och ECG, geofysiska data som seismiska signaler samt mekanisk vibrationsanalys och radar/sonar. Tidfrekvensanalys utgör ett centralt verktyg när forskning eller industri kräver insikter i hur frekvensinnehållet utvecklas över tid.