matlab小波变换时频分析

Matlab中有很多函数可以用于小波分析，其中包括小波变换、小波包变换、小波变换的时频分析等。下面给出一个小波变换的时频分析的示例代码。

% 生成测试信号
fs = 1000; % 采样率
t = 0:1/fs:1-1/fs; % 时间向量
f1 = 50; % 信号频率
f2 = 120;
x = sin(2*pi*f1*t) + sin(2*pi*f2*t);

% 小波变换
wname = 'db4'; % 选用小波基，这里选用db4小波基
[C,L] = wavedec(x, 5, wname); % 对x进行5层小波分解
cA5 = appcoef(C, L, wname); % 提取逼近系数
cD5 = detcoef(C, L, 5); % 提取细节系数

% 时频分析
figure;
subplot(3,1,1);
plot(t, x);
title('原始信号');
xlabel('时间 (s)');
ylabel('幅值');
subplot(3,1,2);
spectrogram(x, hamming(256), 128, 256, fs, 'yaxis');
title('原始信号的时频分析');
subplot(3,1,3);
spectrogram(cD5, hamming(256), 128, 256, fs, 'yaxis');
title('第5层细节系数的时频分析');

上述代码中，首先生成了一个包含两个正弦信号的测试信号。然后对该信号进行了5层小波分解，并提取了第5层的细节系数。最后使用Matlab自带的`spectrogram`函数进行时频分析，并将结果绘制在图上。可以看到，在原始信号中，两个正弦信号的频率无法区分。但在第5层小波分解的细节系数中，两个信号的频率分别为50Hz和120Hz，且能够得到更好的时频分辨率。