[论文解读] Time-Frequency analysis via the Fourier Representation

Pushpendra Singh|arXiv (Cornell University)|Apr 18, 2016

Machine Fault Diagnosis Techniques参考文献 18被引用 19

一句话总结

本文提出了‘频繁时间’（frequentaneous time）这一新概念——作为瞬时频率的对偶量，其定义为傅里叶域相位对频率的导数。通过利用该概念，作者提出了一种时频分布（TFD-FT），可直接从傅里叶变换中恢复时间局部化的信号内容，在非平稳和非线性情境下，其在准确表示频率局部化信号方面优于传统的基于瞬时频率（IF）的方法。

ABSTRACT

The nonstationary nature of signals and nonlinear systems require the time-frequency representation. In time-domain signal, frequency information is derived from the phase of the Gabor's analytic signal which is practically obtained by the inverse Fourier transform. This study presents time-frequency analysis by the Fourier transform which maps the time-domain signal into the frequency-domain. In this study, we derive the time information from the phase of the frequency-domain signal and obtain the time-frequency representation. In order to obtain the time information in Fourier domain, we define the concept of `frequentaneous time' which is frequency derivative of phase. This is very similar to the group delay, which is also defined as frequency derivative of phase and it provide physical meaning only when it is positive. The frequentaneous time is always positive or negative depending upon whether signal is defined for only positive or negative times, respectively. If a signal is defined for both positive and negative times, then we divide the signal into two parts, signal for positive times and signal for negative times. The proposed frequentaneous time and Fourier transform based time-frequency distribution contains only those frequencies which are present in the Fourier spectrum. Simulations and numerical results, on many simulated as well as read data, demonstrate the efficacy of the proposed method for the time-frequency analysis of a signal.

研究动机与目标

• 为解决瞬时频率（IF）在非平稳和非线性信号中的局限性，即当相位时间导数为负时IF失去物理意义。
• 开发一种适用于所有信号类型的时频表示（TFR），包括单分量、多分量、窄带、宽带、平稳和非平稳信号。
• 提出瞬时频率的对偶概念——‘频繁时间’，定义为傅里叶域中相位对频率的导数，从而实现从频谱中提取时间信息。
• 证明所提出的TFD-FT方法能保持真实的傅里叶频率，并提供比基于IF的方法更精确的时频能谱（TFE）分布。
• 在合成信号和真实世界信号（包括地震数据）上验证该方法，结果表明其在频率局部化信号表示方面表现更优。

提出的方法

• 将‘频繁时间’（τ(f)）定义为相位谱对频率的导数：τ(f) = dφ(f)/df，其形式类似于群延迟，但无论符号如何均适用。
• 利用傅里叶变换将时域信号 x[n] 映射为频域信号 X(f)，完整保留所有频谱分量。
• 通过频繁时间从 X(f) 的相位中提取时间局部化信息，实现三维时频分布的重构。
• 将该方法应用于未分解和已分解信号（如1 Hz频带分解），提升复杂信号中的分辨率与可解释性。
• 利用 τ(f)、f 和 X(f) 构建时频能谱（TFE）分布，确保仅包含傅里叶谱中存在的频率。
• 将所提出的 TFD-FT 与传统基于逆傅里叶变换和瞬时频率的 TFD-IF 进行比较，评估其在信号定位与谱精度方面的性能。

实验结果

研究问题

• RQ1 是否可在傅里叶域中定义瞬时频率的对偶概念，以实现对所有类型信号的时间局部化信号表示？
• RQ2 所提出的 TFD-FT 方法在表示频率集中而非时间集中的信号时，与基于 IF 的 TFD-IF 方法相比表现如何？
• RQ3 对于定义在正负时间区间上的信号，频繁时间概念是否仍保持有效且具有物理意义？
• RQ4 该方法能否准确表示非平稳和非线性信号（如地震数据），其中能量分布在多种波型中？
• RQ5 TFD-FT 方法是否能保持真实的傅里叶谱，避免频率平均，而传统 IF 方法则存在此问题？

主要发现

• 所提出的 TFD-FT 方法能准确表示能量集中在特定频率的信号（如100 Hz正弦信号），实现精确的时频定位；而 TFD-IF 显示出时间平均化的伪影。
• 对于两个正弦信号之和（100 Hz 和 200 Hz），TFD-FT 正确显示了两个频率的能量分布；而 TFD-IF 因频率平均效应，能量集中在平均频率（150 Hz）。
• 在 Elcentro 地震数据中，TFD-FT 与 1 Hz 分解的 TFD-IF 均显示最大能量集中在 1.7 Hz 和 2 秒处，且可依据频率与振幅识别出不同波型（P 波、S 波）。
• TFD-FT 方法保持了真实的傅里叶谱，通过时间积分获得的边际谱与基于标准傅里叶的功率谱密度（PSD）一致，这是优于基于 IF 方法的关键优势。
• 频繁时间概念适用于所有信号类型，包括相位时间导数为负的信号，克服了传统瞬时频率的根本局限性。
• 仿真结果表明，当信号为频率局部化时，TFD-FT 优于 TFD-IF；而当信号为时间局部化时，TFD-IF 表现更优，凸显了两种方法的互补优势。