本發(fā)明涉及信號時頻分析，具體涉及基于頻率映射法的高分辨率音頻及腦電信號時頻分析方法。

背景技術：

1、時間域信號（即時間序列信號）是其幅度隨時間變化的一種信號，廣泛存在于大自然、人類生活生產(chǎn)及動物活動中。這些時間域信號攜帶了大量與信號發(fā)生體相關的關鍵特征信息，是認識和研究信號產(chǎn)生源物體的重要依據(jù)。頻率是描述振蕩波形信號的基本參數(shù)，即波形在單位時間內周期變化的個數(shù)。單位時間內周期變化個數(shù)越多（信號變化快），頻率越高；反之，頻率越低。時間序列信號可以在時間域表示為信號幅度相對于時間的變化，也可以在頻率域表示為信號功率（或其他量值）隨頻率的變化。音頻信號和腦電信號作為重要的時間域信號，其時頻特征分析對于信號的處理和解釋具有重要意義，然而，傳統(tǒng)的頻譜分析無法體現(xiàn)非穩(wěn)態(tài)時間序列信號的時變頻譜特征，而時頻分析方法則能提供信號在時間－頻率上的聯(lián)合分布情況。

2、時頻分析方法在提供信號頻譜的時間－頻率聯(lián)合分布時，面臨時間分辨率和頻率分辨率不能同時兼顧的問題，滑動時窗長度越短，頻率分辨率越低，但時間分辨率就越高；反之，滑動時窗長度越長，頻率分辨率越高，而時間分辨率就越低，這種“不確定性原理”使得傳統(tǒng)的時頻分析方法在估計信號確切的時頻表征時存在困難。如何在保持較高時間分辨率的同時，提高頻率分辨率，從而得到更為清晰的時頻譜圖，以準確反映音頻信號和腦電信號的特征信息，是當前時頻分析領域亟待解決的技術難題。

技術實現(xiàn)思路

1、本發(fā)明目的在于提供基于頻率映射法的高分辨率音頻及腦電信號時頻分析方法，以解決上述背景技術中提出的問題。

2、為解決上述技術問題，本發(fā)明所采用的技術方案是：

3、基于頻率映射法的高分辨率音頻及腦電信號時頻分析方法，包括以下步驟：

4、采集音頻、腦電信號，并對輸入的音頻、腦電信號進行預處理，包括去噪、濾波等，以提高信號的質量，為后續(xù)分析提供良好的基礎；

5、將時間序列信號通過滑動時窗進行分割，并為每個時窗內的信號段準備進行傅里葉變換，時窗的長度應根據(jù)信號的特性和分析需求進行選擇，對于音頻信號，時窗長度可能較短（如5ms），而對于腦電信號，時窗長度可能較長（如200ms或更長），通過滑動時窗，將信號分割成多個短時窗信號，以便進行后續(xù)的頻譜分析；

6、對每個短時窗信號進行傅立葉變換，將時間域信號轉換到頻率域，得到信號的頻譜圖，即信號功率（或其他量值）隨頻率的變化情況；

7、設計并應用映射函數(shù)對頻譜進行映射，以增大頻率成分之間的距離，提高頻率分辨率，根據(jù)映射變換模式函數(shù)，計算相位調整量，應用到映射后的頻譜中，以保持信號的相對振幅關系和信噪比，確保處理結果的真實性；

8、將經(jīng)過頻率映射和相位調整后的頻譜數(shù)據(jù)通過反傅里葉變換轉換回時間域，得到具有高時間和頻率分辨率的信號，通過反變換可以得到在頻率域經(jīng)過映射處理后，再轉換回時間域的信號，為后續(xù)的特征分析和應用提供基礎數(shù)據(jù)；

9、根據(jù)反傅立葉變換得到的時間域信號，再重新繪制時頻譜圖，即信號在每一個時間點和頻率點上的分布情況，并通過對時頻譜圖的分析，得到信號的時變頻譜特征信息，為后續(xù)的信號處理、特征提取和模式識別等提供基礎數(shù)據(jù)。

10、本發(fā)明技術方案的進一步改進在于：所述音頻、腦電信號的采集及預處理過程為：

11、使用專用設備及傳感器采集音頻信號，將其轉換為數(shù)字格式，以便進行計算機處理，并對音頻信號進行去噪、濾波、標準化的預處理操作，其中，應用濾波技術去除環(huán)境噪聲和不必要的頻率成分，并使用自適應濾波技術進一步減少噪聲干擾，根據(jù)分析需求，選擇濾波器（如低通、高通、帶通濾波器）對信號進行頻帶限制，對于語音信號，保留人耳可聽范圍內的頻率成分（20hz至20khz），調整信號的振幅范圍，使其適合后續(xù)處理算法的輸入要求，并通過線性變換或非線性變換實現(xiàn)信號的標準化；

12、針對語音信號進行端點檢測，確定語音信號的開始和結束點，去除靜音段并減少后續(xù)處理的數(shù)據(jù)量；

13、使用腦電帽采集頭皮表面的腦電信號，通過放大器進行放大，并對腦電信號進行去噪、濾波、基線校正以及去除偽影的預處理操作；

14、根據(jù)實驗設計和任務要求，將預處理后的腦電信號分割成不同的時間段，并進行標記和分類。

15、本發(fā)明技術方案的進一步改進在于：所述時間序列信號的分割及傅里葉變換過程為：

16、根據(jù)信號的特性和分析需求確定時窗長度，時窗長度以樣本數(shù)為單位；

17、對于音頻信號，時窗長度為5ms對應的樣本數(shù)，對于腦電信號，時窗長度為200ms對應的樣本數(shù)；

18、將信號通過滑動時窗分割成多個短時窗信號，每個時窗以固定步長（小于）移動，從而覆蓋整個信號；

19、對每個短時窗信號進行標記，將其標記為，其中是樣本索引，從0到。

20、本發(fā)明技術方案的進一步改進在于：所述信號的頻譜圖獲取過程為：

21、對每個短時窗信號應用離散傅里葉變換以獲得其頻率域，表示為；

22、計算振幅的絕對值和功率譜，分析信號在不同頻率上的能量分布；

23、使用公式將頻率索引轉換為實際的頻率值，其中，是信號的采樣頻率；

24、通過計算每個短時窗信號得到的與，將其與對應的頻率配對，構建信號的頻譜圖；

25、重復處理整個信號，得到信號在不同時間和頻率上的能量分布，即為信號的時頻譜圖。

26、本發(fā)明技術方案的進一步改進在于：所述應用離散傅里葉變換獲得頻率域的計算公式為：

27、；

28、其中，是第個頻率分量的復數(shù)振幅，是第個樣本的短時窗信號值，是時窗長度，是頻率索引，，是虛數(shù)單位。

29、本發(fā)明技術方案的進一步改進在于：所述計算相位調整量，應用到映射后頻譜中的過程為：

30、設時間域信號為，頻率域為，頻率域映射變換為；設經(jīng)映射變換處理后的時間域信號為，頻率域為，則：

31、；??????????????????(1)

32、定義為映射模式函數(shù)，根據(jù)不同的期望輸出，設計不同的映射模式函數(shù)，得到不同的映射變換結果；

33、根據(jù)映射變換模式函數(shù)計算相位調整量，將相位調整量應用到映射后的頻譜中，以補償映射過程中引入的相位變化，得到最終的映射結果。

34、本發(fā)明技術方案的進一步改進在于：所述具有高時間和頻率分辨率信號的獲取過程為：

35、準備經(jīng)過頻率映射和相位調整處理的頻譜數(shù)據(jù)樣本；

36、對處理后的頻譜數(shù)據(jù)樣本應用逆離散傅里葉變換，將其從頻率域轉換回時間域；

37、對于被分割成多個短時窗的信號，均進行逆離散傅里葉變換，并將所有經(jīng)過逆離散傅里葉變換的短時窗信號合并，重建完整的時間域信號；

38、檢查重建的信號樣本是否保持原始信號的特征，且是否提高時間和頻率分辨率，對重建的信號進行進一步的窗函數(shù)應用處理，減少邊界效應并優(yōu)化信號質量。

39、本發(fā)明技術方案的進一步改進在于：所述對處理后的頻譜數(shù)據(jù)樣本應用逆離散傅里葉變換，其計算公式為：

40、；

41、其中，是重建的信號樣本，是處理后的頻譜數(shù)據(jù)樣本，是變換的點數(shù)，等于時窗長度，是時間域中的樣本索引，是虛數(shù)單位。

42、本發(fā)明技術方案的進一步改進在于：所述時頻譜圖的繪制過程為：

43、對逆離散傅里葉變換得到的時間域信號進行再次的時頻分析，使用滑動時窗技術在時間方向對信號進行分割，并對每個時窗內重建的信號樣本進行傅里葉變換，得到每個時窗的頻譜，其中表示時窗的序號；

44、通過取頻譜模的平方的方式，計算每個時窗的頻譜的功率譜密度，其中，頻譜模的平方的計算公式為：；表示在時窗和頻率索引處的功率譜密度；

45、將每個短時窗內的功率譜密度按照時間順序排列，形成時頻譜圖，時頻譜圖展示了信號在每一個時間點和頻率點上的分布情況；

46、繪制時頻譜圖將其可視化展示，在時頻譜圖中，頻率在垂直軸上，時窗在水平軸上，功率譜密度通過顏色表示；

47、觀察時頻譜圖，分析信號在不同時間和頻率上的變化情況，并通過時頻譜圖，直觀看到信號的頻譜成分隨時間變化趨勢，從而獲取信號的時變頻譜特征信息。

48、由于采用了上述技術方案，本發(fā)明相對現(xiàn)有技術來說，取得的技術進步是：

49、1、本發(fā)明提供基于頻率映射法的高分辨率音頻及腦電信號時頻分析方法，通過精確的相位調整量和映射模式函數(shù)的選取，能夠在提高頻率分辨率的同時，有效避免信號振幅的失真和信噪比的降低，對于音頻信號而言，意味著處理后的信號能夠保持原有的音色特征和聽覺流暢性；對于腦電信號而言，則意味著能夠更準確地反映神經(jīng)系統(tǒng)的生理活動狀態(tài)，為腦電信號的進一步分析和應用提供可靠保障。

50、2、本發(fā)明提供基于頻率映射法的高分辨率音頻及腦電信號時頻分析方法，通過映射函數(shù)將原始頻譜中的單一諧波頻率映射到更高的頻率位置，增加了諧波在時窗內的周期數(shù)，有效減小了諧波信號在頻率域投影脈沖的發(fā)散程度，增大了諧波信號在頻率域的間距，顯著提高了頻率分辨率，相較于傳統(tǒng)時頻分析方法，能夠在保持原有時間分辨率的同時，極大地豐富信號的時變頻譜特征信息，對于音頻信號而言，意味著可以更為準確地得到不同音頻信號的諧波成分，提高音頻的識別和分析精度；對于腦電信號而言，則意味著可以更為準確地定位各頻帶腦電發(fā)生的時間位置，為腦電特征分析及實際應用提供更為精確的基礎數(shù)據(jù)。

51、3、本發(fā)明提供基于頻率映射法的高分辨率音頻及腦電信號時頻分析方法，將經(jīng)過頻率映射和相位調整后的頻譜數(shù)據(jù)通過反傅立葉變換轉換回時間域后，可以繪制出具有更高分辨率的時頻譜圖，時頻譜圖不僅清晰地展示了信號在每一個時間點和頻率點上的分布情況，還通過豐富的頻譜細節(jié)信息，為信號的特征分析和后續(xù)應用提供了強有力的支持，在音頻信號處理領域，高分辨率的時頻譜圖有助于識別和分析音頻信號的細微特征，在腦電信號處理領域，則有助于準確識別和分析不同節(jié)律的腦電活動。