信号处理新手必看：如何用Python实现STFT替代FFT分析非平稳信号？

信号处理新手必看：如何用Python实现STFT替代FFT分析非平稳信号？

如果你刚开始接触信号处理，很可能第一个学会的“大招”就是傅里叶变换（FFT）。它能将一个复杂的声音、一段脑电波，或者任何随时间变化的信号，分解成一个个不同频率的正弦波，让你一眼看清信号里“藏”着哪些频率成分。这感觉就像拿到了一把万能钥匙，很多问题迎刃而解。

但很快，你可能会遇到一个尴尬的局面：当你分析一段音乐、一段语音，或者机械振动信号时，FFT给出的频谱图看起来“一团糟”，或者根本无法解释信号在时间上的变化。比如，一段先有鸟鸣后有雷声的录音，FFT只能告诉你这段录音里包含了鸟鸣和雷声的所有频率，却无法告诉你鸟鸣在何时开始、雷声在何时响起。这就是FFT的“阿喀琉斯之踵”——它完美地揭示了频率，却彻底丢失了时间信息。

问题的根源在于信号的平稳性。FFT假设你分析的信号在整个时间段内，其统计特性（如频率成分）是不变的。然而，现实世界中绝大多数让我们感兴趣的信号，如语音、音乐、金融时间序列、生物医学信号（EEG/ECG），都是非平稳的，它们的频率内容会随着时间动态变化。这时，你需要一个能同时看清“何时”出现“何种”频率的工具。这就是短时傅里叶变换（STFT） 登场的时刻，它本质上是给FFT加了一个“滑动的窗口”，让我们得以一窥信号的时频全貌。本文将彻底抛弃MATLAB的视角，手把手带你用Python生态中的强大工具（librosa和scipy），从原理到实战，构建属于你自己的非平稳信号分析流程。

1. 核心理念：从全局频谱到时频局部化

理解STFT，关键在于理解“短时”和“加窗”这两个概念。我们放弃一次性分析整个漫长信号这种“上帝视角”，转而采取一种更务实的“局部观察”策略。

想象一下，你要分析一首长达五分钟的交响乐。FFT的做法是把整首曲子当作一个整体，一次性进行变换，结果得到的是这五分钟内所有乐器所有音符频率的总和，你无法区分小提琴独奏是在开头还是结尾。STFT则像是一个拿着放大镜沿着时间轴慢慢移动的乐评人。这个放大镜就是窗函数。他每次只观察一个很短的片段（比如0.1秒），对这个片段进行FFT，记录下这个瞬间有哪些频率。然后，他把放大镜稍微往前移动一点（可能会与之前观察的片段有重叠），再分析下一个瞬间。最终，他把所有瞬间的频谱结果按时间顺序排列起来，就得到了一张声谱图——一张以时间为横轴、频率为纵轴、颜色深浅表示能量强弱的图像。

这个过程中有几个关键参数决定了你观察的“清晰度”：

• 窗长：放大镜的宽度。窗越长，你对频率的分辨能力越强（能区分开两个非常接近的频率），但对时间变化的捕捉能力越弱（无法精确定位频率变化的瞬间）。
• 窗类型：放大镜的镜片材质。不同的窗函数（如汉明窗、汉宁窗、矩形窗）在时域和频域有不同的特性，主要影响频谱泄漏（能量扩散到邻近频率）的程度。
• 重叠长度：每次移动放大镜时，与上一次观察区域的重叠部分。更多的重叠能让时间轴上的变化更平滑，减少信息跳跃感，但也会增加计算量。

下表对比了FFT与STFT的核心差异，帮助你建立直观认识：