Localización del espectro complejo: la transformación S

Resumen-La transformación S, que se introduce en esta correspondencia, es una

extensión de las ideas de la transformada wavelet continua (CWT) y se basa en una
ventana gaussiana de localización móvil y escalable. Eso se muestra aquí para tener
algunas características deseables que están ausentes en La onda continúa transformada.
La transformación S es única en ese sentido. Proporciona una resolución dependiente de
la frecuencia al tiempo que mantiene una relación con el espectro de Fourier. Estas
ventajas de la S la transformación se debe al hecho de que las sinusoides moduladoras
son fijas con respecto al eje de tiempo, mientras que la localización gaussiana escalable
La ventana se dilata y se traduce.

En el análisis de datos geofísicos y en muchas otras disciplinas, el El concepto de una

serie temporal estacionaria es una idealización matemática eso nunca se da cuenta y no
es particularmente útil en la detección de llegadas de señal. Aunque la transformación
de Fourier de todo el tiempo la serie contiene información sobre los componentes
espectrales en un series temporales, para una gran clase de aplicaciones prácticas, esta
información es inadecuada Un ejemplo de sismología es un terremoto. sismograma. La
primera señal de movimiento de un terremoto es la P
(primaria) onda seguida de otras ondas P que viajan a lo largo de diferentes caminos.
Las llegadas P son seguidas por la onda S (secundaria) y por mayor amplitud ondas de
superficie dispersivas. La amplitud de estas oscilaciones puede aumentar en más de dos
órdenes de magnitud a los pocos minutos de la llegada de la P. El los componentes
espectrales de una serie temporal de este tipo claramente tienen una fuerte dependencia
del tiempo. Sería deseable tener un tiempo conjunto representación de frecuencia
(TFR). Esta correspondencia propone una nueva transformación (llamada
transformación S) que proporciona un TFR con resolución dependiente de la frecuencia
mientras que, al mismo tiempo, mantiene la relación directa, a través del tiempo
promedio, con el Fourier espectro. Varias técnicas para examinar la naturaleza variable
en el tiempo. del espectro se han propuesto en el pasado; entre ellos están los Gabor
transform [7], las transformaciones de Fourier a corto plazo relacionadas, la
transformada wavelet continua (CWT) 181, y la clase bilineal de distribuciones de
frecuencia de tiempo conocidas como la clase de Cohen [4], de las cuales la distribución
Wigner 191 es miembro.

LA TRANSFORMACIÓN DE S

Hay varios métodos para llegar a la transformación S. Nosotros considera iluminador

derivar la transformación S como la "fase corrección "de la CWT. El CWT W (Ϯ, d) de
una función h (t) es definido por:

Donde w(t,d ).es una réplica a escala de la wavelet madre fundamental La dilatación d
determina el "ancho" de la wavelet w(t,d ), y por lo tanto controla la resolución Junto
con (1), existe una admisibilidad condición en la wavelet madre w(t,d ).Esa w(t,d ),
La transformación S de una función h (t) se define como un CWT con una wavelet
madre específica multiplicada por el factor de fase.
Donde la wavelet madre se define como:

Tenga en cuenta que el factor de dilatación d es el inverso de la frecuencia f. La wavelet

en (3) no cumple la condición de media cero para una wavelet admisible; por lo tanto,
(2) no es estrictamente un CWT. Escrito explícitamente, la transformación S es

Si la transformación S es de hecho una representación del espectro local, uno esperaría

una operación simple de promediar los espectros locales con el tiempo para dar el
espectro de Fourier. Es fácil demostrar que

Donde H (f) es la transformada de Fourier de h (t)). Se deduce que h(t) es exactamente

recuperable de S (T. f). Así

Esto es claramente distinto de los conceptos de CWT.

La transformación S proporciona una extensión de frecuencia instantánea (IF) a señales
de banda ancha. La función 1-D de la variable t y El parámetro fijo f1 definido por S
(t, f1) se llama voz (como con el CWT). La voz para una frecuencia particular f1 se
puede escribir como:

Como una voz aísla un componente específico, uno puede usar la fase en (7) para
determinar el IF según lo definido por Bracewell [2]
 .

Por lo tanto, la información de fase absolutamente referenciada conduce a una

generalización del IF de Bracewell a las señales de banda ancha. La validez de (8) se
puede ver fácilmente para el caso simple de h (t)= c o s ( 2 π w t), Donde la función

La propiedad lineal de la transformación S asegura que para el caso de ruido aditivo

(donde uno puede modelar los datos como datos (t) = señal (t) + ruido (t)), la
transformación S da:

Figura 1: (a) Series temporales sintéticas que consisten en una señal de baja frecuencia
para la primera mitad, una señal de frecuencia media para la segunda mitad y una ráfaga
de alta frecuencia,

(b) amplitud de la transformada S de la serie temporal de la figura 1 (a). Tenga en

cuenta la buena resolución de frecuencia para la señal f = 6/128, así como el buen
momento resolución de la señal f = 52/128
(c) transformada de Fourier a corto plazo (STFT) de la serie de tiempo en la figura l (a)
usando una ventana gaussiana fija, donde La desviación estándar = 16 unidades. La
ráfaga de alta frecuencia se suaviza debido a la baja resolución de tiempo del STFT; (d)
igual que la figura l (c) excepto que la ventana es un vagón de longitud = 20 unidades.

Esta es una ventaja sobre la clase bilineal de TFR (ver "propagación de ruido "en [4]),
donde se encuentra

TFR {datos} = TFR {señal} + TFR {ruido} + 2 * TFR {señal} * TFR {ruido}.

La presencia de los términos cruzados dificulta la estimación confiable la señal. Al igual

que con el análisis espectral estándar, las pruebas de significación deben realizarse en
los ruidosos espectros locales para establecer la confianza intervalos.
La transformación S se puede escribir como operaciones en Fourier espectro H (f) de h
(t)

El análogo discreto de (9) se usa para calcular la transformada S discreta aprovechando

la eficiencia de la transformada rápida de Fourier (FIT) y el teorema de convolución. Al
no traducir el cosinusoide funciones básicas, la transformación S localiza lo real y lo
imaginario componentes del espectro de forma independiente, localizando la fase
espectro, así como el espectro de amplitud.

DISCUSION
Las figs. 1 y 2 demuestran la clase de series de tiempo para las cuales el S transformar
sería útil; destacan las ventajas de tal enfoque en comparación con otras técnicas. En la
Fig. 1, una serie temporal sintética que consiste en alta y baja frecuencias y una ráfaga
de alta frecuencia se utiliza para comparar el rendimiento de la transformación S con el
STFT. La frecuencia dependiente La resolución de la transformación S permite la
detección de ráfaga de alta frecuencia y muestra una buena resolución de frecuencia en
el señal de largo periodo El ancho de ventana constante del STFT muestra arriba en la
definición más pobre de los tres componentes. El largo periodo La señal en el STFT es
auto-alias, causando una variación en su amplitud. Con el STFT, existe una
compensación entre la detección de corta duración señales de alta frecuencia y señales
de baja frecuencia.
En la Fig. 2, se agregan dos ráfagas de alta frecuencia a los chirridos cruzados. Los
cuatro componentes son detectados por la transformación S. Los chirridos se ven con el
STFT, pero los dos componentes de alta frecuencia son no detectado. El STFT no tiene
suficiente resolución de tiempo para Resuelve las dos señales. De hecho, la interferencia
de las dos explosiones hace que parezca una señal única a una frecuencia más baja. Los
La distribución de Wigner tiene muy buena resolución de tiempo y frecuencia, como es
evidente en los chirridos cruzados. El costo de tal resolución es la presencia de términos
cruzados que dificultan la interpretación de tal trama. De hecho, la interferencia de los
términos cruzados hace que las dos ráfagas sean completamente tergiversado.

VI. CONCLUSION
El poder y las limitaciones de la transformación S son evidentes a partir de ejemplos
anteriores La dependencia de frecuencia inversa de la localización La ventana gaussiana
es una mejora sobre la ventana de ancho fijo utilizado en el STFT. La fase de la
transformación S referida al tiempo origen proporciona información útil y
complementaria sobre espectros que no está disponible en la información de fase
referenciada localmente en El CWT. Sin embargo, al estar relacionado con la
transformada de Fourier, la S transformar sufre de algunos de los mismos
inconvenientes que afectan a todos Transformaciones discretamente muestreadas.
Creemos que más desarrollos en la transformación S encontrará aplicaciones en una
amplia gama de disciplinas