[论文解读] Linear and synchrosqueezed time-frequency representations revisited. Part I: Overview, standards of use, related issues and algorithms

Dmytro Iatsenko, P. V. E. McClintock+1 more|arXiv (Cornell University)|Oct 27, 2013

Machine Fault Diagnosis Techniques参考文献 71被引用 14

一句话总结

本文对线性与同步挤压时频表示（WFT、WT、SWFT、SWT）进行了全面综述与标准化，提出适用于任意窗函数或小波的优化算法及MATLAB代码。研究确立了分辨率、分量提取与信号重构的最佳实践，其中对数正态小波因其在时间-频率分辨率上的平衡性及对参数设置的鲁棒性，被证明为更优选择。

ABSTRACT

Time-frequency representations (TFRs) of signals, such as the windowed Fourier transform (WFT), wavelet transform (WT) and their synchrosqueezed variants (SWFT, SWT), provide powerful analysis tools. However, there are many important issues related to the practical use of TFRs that need to be clarified. Here we present a thorough review of these TFRs, summarizing all theoretical, practical and numerical aspects of their use, reconsidering some conventions and introducing new concepts and procedures. The purposes of this work are: (i) to provide a consistent overview of the computation, properties, and use of the (S)WFT/(S)WT methods; (ii) to establish general standards related to their use, both theoretical and practical; and (iii) to provide clean and optimized algorithms and MatLab codes, appropriate for any window or wavelet.

研究动机与目标

• 建立窗函数傅里叶变换（WFT）与小波变换（WT）及其同步挤压变体（SWFT、SWT）在理论与实践中的统一标准。
• 解决文献中关于时频分辨率、窗函数/小波选择及分量提取的模糊与不一致问题。
• 提供简洁、高效且可重用的MATLAB算法，适用于任意用户定义的窗函数或小波函数。
• 评估并比较不同小波类型在不同分辨率参数下的分辨率特性。
• 探究现有分辨率度量的局限性，并提出更准确、更具实际意义的替代指标。

提出的方法

• 作者基于解析信号方法推导并分析时频表示，重点聚焦于WFT与WT作为线性变换的特性。
• 提出一种基于频率估计相对误差（εr）的新分辨率度量，其更能反映实际性能，优于传统度量。
• 对WFT与WT应用同步挤压技术，通过将能量重分配至其真实瞬时频率分量，提升时频聚集性。
• 方法包括对窗函数与小波函数的详细分析，给出时间与频率展宽等关键参数的闭式表达式。
• 作者实现了信号重构、分量提取与边界效应缓解的算法，并基于真实信号模型进行测试。
• 在多种分辨率度量与参数设置下，对不同小波（Morlet、Morse、对数正态、bump）进行比较，以识别最优性能。

实验结果

研究问题

• RQ1 在实际应用中，计算与解释WFT与WT的最有效且一致的标准是什么？
• RQ2 在不同分辨率参数下，不同小波类型在时间、频率及联合时频分辨率方面的表现如何比较？
• RQ3 能否定义一种更准确且实用的分辨率度量，以更好反映真实世界信号分析中的性能表现？
• RQ4 Morlet小波在实现高时间分辨率方面存在哪些局限性？其他小波是否能克服这些局限？
• RQ5 如何有效应用同步挤压技术，以提升非平稳信号中分量分离与重构的性能？

主要发现

• 在相对误差阈值较高（εr ≥ 0.1）时，对数正态小波在联合时频分辨率方面优于其他小波，因此在提供的MATLAB代码中被推荐为默认选择。
• 当f0值较低（f0 ≲ 0.05）时，Morlet小波的时间分辨率趋于饱和，这是由于其在频域的渐近行为，限制了其在高时间分辨率任务中的有效性。
• 传统分辨率度量（如基于半高全宽）被证明不足；所提出的基于εr的度量更能反映实际分量估计中的性能表现。
• 同步挤压变换（SWFT/SWT）显著提升了时频聚集性，即使在噪声或复杂信号中，也能实现对单个信号分量的准确提取与重构。
• 本文优化的MATLAB算法设计为模块化且高效，支持任意用户定义的窗函数与小波，具备清晰文档与一致实现。
• 边界效应与频率离散化被识别为关键实际问题，本文提供了系统性方法以减轻其对分析精度的影响。