Kısa Süreli Fourier Dönüşümü
Short-Time Fourier Transform (STFT) Analysis · Ayrıca şöyle bilinir: STFT, Windowed Fourier Transform, Time-Frequency Analysis
Kısa Süreli Fourier Dönüşümü (STFT), sinyalin kısa, örtüşen pencerelerine Fourier dönüşümü uygulayarak zamanla evrilen sinyalin frekans içeriğini hesaplayan temel bir sinyal analiz tekniğidir. Kavramsal olarak 1946'da Dennis Gabor tarafından tanıtılan STFT, zamanla frekans içeriğinin değiştiği durağan olmayan sinyallerin analizi için gerekli olan bir zaman-frekans temsilini sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Müzik, konuşma ve biyomedikal sinyaller gibi frekans içeriğinin zamanla değiştiği durağan olmayan sinyallerin analizinde STFT'yi kullanın. Spektrogram görselleştirmesi, makine öğrenimi için özellik çıkarımı ve geçici olayların anlaşılması için idealdir. Durağan sinyaller için çok ince frekans çözünürlüğü gerektiğinde STFT'den kaçının; bunun yerine daha uzun FFT'ler veya Welch yöntemi kullanın. Ayrıca uyarlanabilir zaman-frekans çözünürlüğü ile bir alternatif olarak dalgacıkları da düşünün.
Güçlü yönler & sınırlılıklar
- Sinyal frekans içeriğinin zamanla nasıl evrildiğini gösteren ortak zaman-frekans temsili sağlar
- Standart FFT algoritmaları kullanılarak O(N log N) karmaşıklığına sahip düz hesaplama
- Esnek pencere fonksiyonu ve uzunluk seçimi, zaman-frekans çözünürlüğü ödünleşmesini ayarlamaya olanak tanır
- Spektrogramlar aracılığıyla iyi anlaşılmış görselleştirme, sinyal özelliklerinin sezgisel yorumlanmasını sağlar
- Birçok ses ve konuşma işleme tekniğinin (perde algılama, konuşma tanıma, müzik analizi) temeli
- Zaman-frekans belirsizlik ilkesine tabidir: hem zaman hem de frekansta keyfi olarak ince çözünürlük elde edilemez
- Daha uzun pencereler frekans çözünürlüğünü iyileştirir ancak geçici olayların zaman lokalizasyonunu azaltır
- Daha kısa pencereler zamansal çözünürlüğü iyileştirir ancak frekans çözünürlüğünü azaltır, birbirine yakın frekansları ayırt edemez
- Spektral sızıntı ve pencerelenme artefaktları, uygun pencere fonksiyonu seçimiyle yönetilmelidir
- Çok uzun sinyaller veya yüksek zaman-frekans çözünürlüğü ile gerçek zamanlı işlem için hesaplama açısından pahalıdır
SSS
STFT pencere uzunluğunu nasıl seçmeliyim?
Pencere uzunluğu zaman-frekans ödünleşmesini belirler. Genel bir kural olarak, ilgilenilen en düşük frekansın en az 2-3 döngüsüne ihtiyacınız vardır. Müzik için tipik olarak 512-2048 örnek; konuşma için 256-512 örnek kullanılır. Daha kısa pencereler zamansal olayları korur; daha uzun pencereler daha iyi frekans çözünürlüğü sağlar. Optimal dengeyi uygulamanız için farklı uzunluklarla deneyler yapın ve sonuçta ortaya çıkan spektrogramları görselleştirin.
Hangi pencere fonksiyonunu kullanmalıyım?
Hann ve Hamming pencereleri, ana lob genişliği ve yan lob seviyeleri arasında makul ödünleşmelerle iyi genel amaçlı seçimlerdir. Blackman pencereleri, daha geniş ana lob pahasına daha düşük spektral sızıntıya sahiptir. Dikdörtgen pencereler, özellikle frekans yanıtı zirveleri gerektirmediğiniz sürece kaçınılmalıdır. Frekans çözünürlüğünü mü (daha geniş ana lob kabul edilebilir) yoksa spektral sızıntı azaltmayı mı (daha düşük yan loblar gerekli) önceliklendirdiğinize bağlı olarak seçin.
STFT için optimal örtüşme yüzdesi nedir?
%50 örtüşme, boşluk veya fazlalık olmadan pürüzsüz zaman evrimi sağlayan yaygın bir temeldir. Faz kodlayıcı gibi sentez uygulamaları için %75 örtüşme (atlama boyutu = pencere/4) genellikle daha iyi çalışır. Daha yüksek örtüşme hesaplama maliyetini artırır ancak zamansal pürüzsüzlüğü iyileştirir. Daha düşük örtüşme hesaplamayı azaltır ancak süreksizlikler oluşturabilir. Optimal seçim, özel uygulamanıza ve işlem ihtiyaçlarınıza bağlıdır.
STFT, spektrogramlar ve diğer zaman-frekans temsilleriyle nasıl ilişkilidir?
Spektrogram, STFT'nin büyüklük-kare (güç) görselleştirmesidir. Sürekli dalgacık dönüşümü ve Wigner-Ville dağılımı gibi diğer zaman-frekans yöntemleri de mevcuttur ancak farklı ödünleşmelere sahiptir. Dalgacıklar çözünürlüğü frekansa uyarlar (daha düşük frekanslar daha iyi frekans çözünürlüğü elde eder), STFT ise sabit çözünürlüğü korur. STFT daha basittir ve hesaplama açısından daha verimlidir; frekansa bağlı çözünürlük istiyorsanız dalgacıkları seçin.
Kaynaklar
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Short-Time Fourier Transform (STFT) Analysis. ScholarGate. https://scholargate.app/tr/signal-processing/short-time-fourier-transform
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kör Kaynak AyırmaSinyal işleme↔ karşılaştır
- Kesikli Darbe Yanıtlı (FIR) Filtre TasarımıSinyal işleme↔ karşılaştır
- Eşlenik FiltreSinyal işleme↔ karşılaştır
- Güç Spektral Yoğunluk TahminiSinyal işleme↔ karşılaştır