訊號處理與分析一直是許多作實驗研究或是監測相關的研究者很重要的課題, 蠻多研究者對於訊號處理都會先採用FFT的方式了解訊號的頻譜分佈資訊, 但是這樣的分析方式往往只能夠知道訊號在哪些頻率上有集中的現象, 卻無法了解到是哪個時間點出現哪些種類的頻率與振福的強弱, 因此後來衍生時頻分析的理論, 可以協助研究者更進一步的分析某個時間點出現哪些頻率的特徵, 舉個例子來說明, 假設我們錄製一小段聲音的訊號, 聲音的內容是請一個人來講”Hello”這個單字, 然後分別進行FFT與STFT(Short-term Fourier Transform)的處理, 前者可以看到頻譜的分佈, 後者可以看到時頻分析的結果, 結果畫面如下.
首先可以使用Visual Signal來檢視原始的訊號, 結果如下, 從這張圖可以了解到聲音隨著時間的強弱
接著使用Visual Signal的Network視窗來建立訊號分析流程, 畫面如下
上圖中的綠色Hello圖示代表匯入的某個聲音檔案(.wav), 之後透過Selection圖示來進行資料的減量(Down sample), 接著連接到FFT與STFT兩種訊號處理圖示後, 將結果連接到兩個不同的Viewer, 分析的結果如下圖
如果使用FFT來分析訊號, 研究者只能了解到在頻譜分佈的500Hz附近有個尖峰值, 但是如果從時頻圖來分析, 還能夠了解到在某個時間點是由哪些縱軸的頻率組合而成, 以及透過顏色的深淺了解該頻率的振幅為何, 從圖片上可以得知, 在0.70377秒具有一個頻率的最高值, 該頻率為532.65Hz, 所以藉由時頻分析的工具可以讓研究者更容易的進行和時間有關的訊號分析, 進而分析某一時間點產生特殊訊號特徵的原因