今天咱们来点硬核的，手把手用Matlab整几个时频分析骚操作。这玩意儿在信号处理里就跟瑞士军刀似的，不同的工具对应不同的场景。我直接上代码，边跑边说人话
基于matlab的5种时频分析方法（(短时傅里叶变换)STFT,Gabor展开和小波变换,Wigner-Ville（WVD）,伪Wigner-Ville分布(PWVD),平滑伪Wigner-Ville分布（SPWVD）,每条程序都有详细的说明，可直接运行。
1. 短时傅里叶变换（STFT）——入门必备
% 生成调频信号 fs = 1000; t = 0:1/fs:1; x = chirp(t, 0, 1, 250); % 频率从0Hz扫到250Hz % STFT参数 window = hann(128); noverlap = 120; nfft = 256; % 画时频谱 figure spectrogram(x, window, noverlap, nfft, fs, 'yaxis') title('STFT时频谱')这货就像给信号加了个移动窗口做局部傅里叶变换。hann(128)是汉宁窗，控制着每次分析的信号段长度。noverlap=120表示相邻窗口重叠120个点，这样时间分辨率不会太糙。注意窗口越长频率分辨率越高，但时间分辨率越差——典型的鱼和熊掌问题。
2. 小波变换——多尺度玩家
% 生成突变信号 x = zeros(1,1000); x(300:700) = sin(2*pi*50*linspace(0,1,401)); x(700:1000) = sin(2*pi*150*linspace(0,1,301)); % 连续小波变换 [cwtmatr, frequencies] = cwt(x, 'amor', fs); % 可视化 figure surface(t, frequencies, abs(cwtmatr)) set(gca, 'YScale', 'log') shading interp title('小波变换时频谱') axis tight这里用墨西哥帽小波（'amor'）捕捉信号的突变特征。小波牛逼在能自适应调节分析尺度——高频部分用短窗口（时间定位准），低频用长窗口（频率分辨率高）。注意YScale设为对数坐标，更符合人眼观察习惯。
3. WVD——暴力美学
% 双频信号 x = exp(1j*2*pi*100*t) + exp(1j*2*pi*200*t.*t); % 计算WVD [tfr, t, f] = wvd(x, fs); % 显示 figure imagesc(t, f, abs(tfr)) axis xy colorbar title('Wigner-Ville分布')WVD直接对信号做双线性变换，理论分辨率无敌。但注意看图像中出现的"鬼影"（交叉项）——这就是代价！两个分量之间产生了虚假信号。所以这货适合分析单分量信号，多分量信号会翻车。
基于matlab的5种时频分析方法（(短时傅里叶变换)STFT,Gabor展开和小波变换,Wigner-Ville（WVD）,伪Wigner-Ville分布(PWVD),平滑伪Wigner-Ville分布（SPWVD）,每条程序都有详细的说明，可直接运行。
4. 伪WVD——去鬼影初级版
% 改进参数 window = hamming(129); [tfr, t, f] = pwvd(x, window, [], fs); figure imagesc(t, f, abs(tfr)) axis xy title('伪Wigner-Ville分布')通过加窗函数限制交叉项的影响范围。hamming(129)这个奇数长度的窗能保证时频对称性。虽然交叉项有所减少，但在复杂信号中依然存在明显干扰——这就引出了终极解决方案：
5. 平滑伪WVD——老司机的选择
% 双窗配置 time_window = hamming(65); freq_window = hamming(129); [tfr, t, f] = spwvd(x, time_window, freq_window, fs); figure imagesc(t, f, abs(tfr)) axis xy title('平滑伪WVD')同时加时间窗和频率窗，相当于在时频平面上做二维平滑。虽然分辨率有所损失，但抗交叉项能力MAX。注意两个窗口长度要协调——时间窗短则时间分辨率高，频率窗长则频率分辨率好。
最后甩个经验法则：分析稳态信号用STFT，突变信号用小波，单分量调频用WVD，复杂信号优先SPWVD。别迷信理论指标，实操中多调参数才是王道。代码都亲测能跑，有报错的话八成是没装时频工具箱，记得在命令窗口敲ver确认下有没有装这个工具箱。