短时傅里叶变换
前一段时间项目需要学习了短时傅里叶变换，今天我来总结一下现阶段对短时傅里叶变换的理解。
短时傅里叶变换是最常用的一种时频分析方法，它通过时间窗内的一段信号来表示某一时刻的信号特征。在短时傅里叶变换过程中，窗的长度决定频谱图的时间分辨率和频率分辨率，窗长越长，截取的信号越长，信号越长，傅里叶变换后频率分辨率越高，时间分辨率越差；相反，窗长越短，截取的信号就越短，频率分辨率越差，时间分辨率越好，也就是说短时傅里叶变换中，时间分辨率和频率分辨率之间不能兼得，应该根据具体需求进行取舍。
简单来说，短时傅里叶变换就是先把一个函数和窗函数进行相乘，然后再进行一维的傅里叶变换。并通过窗函数的滑动得到一系列的福利也变化结果，将这些结果排开便得到一个二维的表象。
短时傅里叶变换的公式为
其中Z(t)为源信号，g(t )为窗函数。
为方便计算机处理，一般把信号进行离散化处理，具体公式为
短时傅里叶变换的编程思路如下：
1.第一步，确定相关参数。主要包括原信号，窗函数，窗长，重叠点数，采样频率，傅里叶点数等。
其中傅里叶点数主要用于在傅里叶变换过程中使用，当信号长度小于傅里叶点数时，系统会自动进行补零，然后再进行快速傅里叶变换。
2.第二步，计算把源信号和窗函数转换为列向量。计算信号长度，并根据信号长度nx、窗长WinLen以及重叠点数noverlap计算出窗滑动的次数n，也就是指后面把源信号分成列时信号的列数。
n=fix（（nx-noverlap）/(WinLen-noverlap)）
3.把每次窗函数滑动所选取的信号表示为列，确定每一列的值，得到一个列数为n，行数为WinLen的矩阵Fig。
colindex = (0:(t-1))*(WinLen-noverlap);
rowindex = (1:WinLen)';
xin = zeros(frame_length,t);
xin(:) = x(rowindex(:,ones(1,t))+colindex(ones(WinLen,1),:）);
4.把转换为列向量的窗函数扩展为n列的矩阵w，并对矩阵Fig和w进行点乘，并对点乘的结果进行快速傅里叶变换，得到时频矩阵。
xin = win(:,ones(1,t)).*xin;
5.根据时频矩阵，输出频谱图。
以上就是我对短时傅里叶变换实现过程的理解，后面如果有新的理解，我会继续修改进行完善！
相关阅读
恍惚一年，很多东西没有整理，最近学弟又问道傅里叶变换的知识，说句实话，许久没接触，我也忘了很多，始有此文。原理+Samples+函数解读的流
这里将连续时间傅里叶变换的共轭对称性单独拉出来，原因是这个性质有很多值得讨论的地方，用了很长的篇幅才讲清楚，所以单独拉出来遛遛
原文 定义： MATLAB帮助文件原文 The 'i' in the 'Nth root of unity' 是虚数单位 调用： 1. Y = fft（y）;2. Y = fft（y，N）;式
傅里叶变换的目的：有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。 1、FS: (Fourier seri
前言 上一篇博客讲了离散傅里叶变换，里面的实例是对整个信号进行计算，虽然理论上有N点傅里叶变换(本博客就不区分FFT和DFT了，因为它