时频信号处理：原理、应用与Wigner-Ville分布解析

1. 时频信号处理基础概念解析

时频信号处理（Time-Frequency Signal Processing, TFSP）是现代信号处理领域的重要分支，它突破了传统傅里叶变换只能提供全局频率信息的局限，实现了对信号时变特性的精确刻画。这种技术特别适用于分析那些频谱特性随时间变化的非平稳信号，比如语音信号、雷达回波和生物医学信号等。

传统信号处理方法在处理非平稳信号时存在明显不足。以傅里叶变换为例，它只能告诉我们信号中包含哪些频率成分，却无法揭示这些频率成分何时出现以及如何变化。这就好比只听一段音乐的总谱而不知道每个音符的演奏时机，显然丢失了音乐中最重要的时序信息。

时频分析的核心思想是构建一个联合时频分布（Time-Frequency Distribution, TFD），将信号能量同时表示为时间和频率的函数。这种表示方法能够直观展示信号频率成分随时间的变化规律，为信号特征提取和理解提供了全新视角。

实际工程中，我经常遇到这样的场景：两个完全不同的信号却有着相同的功率谱。这时只有通过时频分析才能揭示它们本质的区别，这种案例在雷达信号识别和故障诊断中尤为常见。

2. 传统信号表示的局限性

2.1 傅里叶变换的固有缺陷

傅里叶变换作为经典的信号分析工具，在处理非平稳信号时暴露出了几个关键问题：

1. 时域信息丢失：傅里叶变换将信号从时域转换到频域的过程中，完全丢失了时间信息。我们无法从频谱中判断特定频率成分出现的时间点。

2. 相位信息忽视：实际应用中常常只关注幅度谱而忽略相位谱，这会导致具有相同幅度谱但相位谱不同的信号无法区分。

3. 瞬时频率无法表征：对于频率随时间变化的信号（如线性调频信号），傅里叶变换只能给出一个宽带频谱，无法反映频率的时变规律。

2.2 典型案例分析

考虑以下两个信号：

1. 有限持续时间的线性调频信号：
   $$s_a(t) = \text{rect}\left(\frac{t-T/2}{T}\right)\cos\left(2\pi\left(f_0t + \frac{\alpha t^2}{2}\right)\right)$$

2. 无限持续时间的sinc函数调制信号：
   $$s_b(t) = \frac{\sin(\pi B