模糊函数与韦格纳分布的关系

模糊函数(Ambiguity function,AF):

韦格纳分布(Wigner distribution,WD):

模糊函数与韦格纳分布关系

一个讯号s(t),自相关函数为   如果 为时间相依性(time-dependent),则时间相依自相关(time-dependent auto-correlation)为 , 时间相依(时变)频谱(time-dependent spectrum)可以表示的形式类似于传统的功率谱,即对时间相依自相关函数做傅立叶变换。
 
不同的时间相依自相关会导致不同的时间相依功率谱。
如果   ,则时间相依功率谱变成为Wigner distribution
若对 中的t做傅立叶逆转换,得到另一个时频表示,对称模糊函数(symmetric ambiguity function,SAF)
  模糊函数反映信号在时间和相位的相关性,并已广泛应用在雷达和声纳系统上。 给一个对称模糊函数 ,透过傅立叶变换可以得到时间相依自相关:
  由上式可以推得
 
也就是对对称模糊函数做两次傅立叶变换可以得到Wigner distribution

范例

一个讯号为两个Gaussian函数的和:
 
 

  • 其中 集中在原点(0,0),而 集中在 ,而 相似于 ,除了中心点在 
    •   ,   ,   ,   ,  

模糊域(ambiguity domain)的auto-term与cross-term

从范例中得知一项重要事实,即为,在模糊域(ambiguity domain)中的auto-term总是集中在原点(0,0),而cross-term总是在远离原点处,所以可以用一个2D lowpass filter在模糊域中抑制cross-term的干扰,如下:
  ,其中 为2D lowpass filter

两高斯信号和之模糊函数与韦格纳分布应对关系

如果 ,则
 
 

  • 其中SWD为smoothed Wigner distribution

通常 ( 和  )当作kernal function,用来控制SWD的特性。


若Wigner分布和对称模糊函数用大小(magnitude)及相位(phase)表示,如下:
 
 
  ,  
也就是说对对称模糊函数的相位做偏微分,会等于Wigner分布的时频(time-frequency)中心。
相反地,  ,  
则为对Wigner分布的相位做偏微分,会等于对称模糊函数的中心。


如果 ,则
 
会集中在 轴上。


如果 ,则
 
会集中在 轴上。

参考

  • Weiss, Lora G. "Wavelets and Wideband Correlation Processing". IEEE Signal Processing Magazine, pp. 13–32, Jan 1994
  • Shie Qian, Introduction to time-frequency and wavelet transforms, Upper Saddle River, NJ : Prentice Hall, c2002
  • L. Sibul, L. Ziomek, "Generalised wideband crossambiguity functiom", IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP '81.01/05/198105/1981; 6:1239- 1242.