查看“︁时频谱”︁的源代码

{{Multiple issues|
{{專家|time=2016-12-03T05:32:46+00:00}}
{{expand|time=2016-10-31T05:04:15+00:00}}
{{unreferenced|time=2016-10-31T05:04:15+00:00}}
}}
[[Image:Spectrogram-19thC.png|thumb|英文单词“nineteenth century”的发音时频谱。纵向为微小时间间隔内声波的频率分布，横向为各频率随时间的变化。最右侧的图例条表示颜色越深的区域强度越大。该图中的声音在低频率区域分布更多更密集，因为这是男声。]]
'''时频谱'''（{{lang-en|'''Spectrogram'''}}）又稱'''声譜图'''（'''voicegram'''），是一种描述[[波动]]的各[[頻率 (物理學)|频率]]成分如何随时间变化的[[热图]]。利用[[傅里叶变换]]得到的传统的2维[[频谱]]可展示复杂的波动是如何按比例分解为简单波的叠加（分解为[[频谱]]），但是无法同时体现它们随时间的变化。能对波动的时间变量与频率分布同时进行分析的常用数学方法是[[短时距傅里叶变换]]，但是直接绘成3维图像的话又不便于在纸面上观察和分析。时频谱在借助[[时频分析]]方法的基础上，以热图的形式将第3维的数值用颜色的深浅加以呈现。

== 时频分析  ==
{{main|频谱分析|时频分析}}
时频分析是频谱分析的推广，比频谱分析更加直观。在分析一段隨時間而變化的信號時，若單純以離散（或離散-時間）傅立葉轉換（Discrete (Time) Fourier Transform），我們能得到信號的所有頻率資訊，但是卻缺乏時間的資訊。以語音信號為例，若以[[離散傅立葉轉換]]分析（DFT/FFT），可以得知該段聲音中有哪些頻率出現，卻無法得知該頻率出現的時間點。但若以[[時頻分析]]（利用[[短時距傅立葉變換]]，STFT）來分析語音信號，我們會在每個取樣時間點上乘上一個窗函數，再做[[離散傅立葉轉換]]，因此在這段短時間中，我們就具有該信號的頻率成分，即可得知在該段時間中，語音信號的頻率為何，最後將整段信號做時頻分析，就可以得到該信號的時頻分布圖

<math>{X}\left( {t,f} \right) = \int_{ - \infty }^\infty {w\left( {t - \tau } \right)  } {x}\left( {\tau} \right)\,{e^{ - j2\pi \,f\tau }}  d\tau</math>

时頻譜即是描繪信號的時間和頻率分布的[[热图]]，顯示時頻分析的結果

<math>SP(t,f)=\left|X(t,f)\right|^2 =X(t,f)X^*(t,f)</math>

==参见==
* [[廣義頻譜圖]]
* [[重新分布法]]
* [[短時距傅立葉變換]]
* [[光谱仪]]
* [[光學頻譜]]

==参考资料==
{{Reflist}}

{{DEFAULTSORT:Spectrogram}}
[[Category:时频分析]]
[[Category:声学]]
[[Category:信号处理]]
[[Category:图表]]