短时傅里叶变换（STFT）：STFT基于傅里叶变换，将信号分为多个短时窗口，然后对每个窗口内的信号进行傅里叶变换。通过在不同时间位置上应用傅里叶变换，可以得到信号在时间和频率上的局部特征。其频谱是通过滑动时窗来计算的，故而时频率分辨率会受到 Heisenberg 测不准原理的限制，即利用短窗口时时间分辨率高，频率分辨率较低；而利用长窗口时频率分辨率较高，时间分辨率较低。一旦 STFT 确定了窗函数，则与之相应的时频分辨率也确定。可以看出，STFT 是一种单一分辨率的分析方法。
特点：
提供信号在时间和频率上的局部信息。
时域和频域分辨率之间存在折衷。
依赖于窗口函数的选择，不同窗口可能适用于不同类型的信号。
特点：
具有较好的局部化特性，可以在时频域上实现较好的分辨率。
适应信号的局部变化。
小波基函数的选择影响分析结果。
特点：
可以处理非平稳信号，适用于具有瞬时频率变化的信号。
不同参数的选择影响着分析结果，需要根据信号的特性进行调整。
提供了精确的时频信息，避免了模糊性。 适用于非平稳信号。 存在交叉项，可能导致干扰和歧义。
结果分析：
以上述原始信号为例，从4个时频图比较得出：
短时傅里叶变换：由于采用固定的窗函数，使得其时频分辨率是固定不变的，虽然它能给出信号的联合时频特征，但在整体上呈现分辨率较低的情况； 小波变换：在低频端频域分辨率很高，但是时间分辨率低，而在高频端时间分辨率比较好，频率分辨率相对来讲有些下降；
Wigner-Ville 分布：为双线性时频分析，其必然会有交叉项的影响，能量也比其他几种时频分析方法稍弱；
广义 S 变换：时频谱上可以看出，广义 S 变换采用的高斯窗函数依据信号的频率不同，做出相应的窗口的改变，并且修正了小波变换的相位问题，因此在时频谱上相比，其时间分辨率和频率分辨率都有明显的改善。
欢迎感兴趣的小伙伴点击左下角“阅读原文”或上方链接获得完整版代码哦~，关注小编会继续推送更有质量的学习资料、文章程序代码~
