假设您有一个信号，并且在其中存在一些脉冲。脉冲是一种简单的音调。你知道脉冲的持续时间和形状。（让我们假设一个脉冲由几个周期组成，然后所有这些周期乘以一个汉明窗。所以最终的脉冲可能看起来像下面的蓝色图：

我们不知道的是它的频率。（你知道它的频率在之内）。$\pm 100\textrm{ Hz}$

问题是：

与执行信号匹配过滤相比，在时频域中使用二维版本的脉冲对信号的绝对幅度谱图执行匹配过滤是否会给您带来任何优势？（以红色显示为一个例子），针对已知的脉冲包络，在时域中？

] 2 *

对于 TF 域方法，假设：

• STFT 分析。
• 我正在使用等于预期脉冲长度的分析窗口。
• 重叠百分比：无论您想要什么，我认为这对这种情况都不重要。

我真的在这个问题上持观望态度，因为一方面，你不能无中生有地创造信息，所以把你的问题带到时频空间似乎是多余的，而另一方面，进入时频空间可以您可能会创建更好地匹配您的脉冲的二维滤波器，和/或忽略来自其他频带的噪声（也许？）在时域匹配过滤情况下未被忽略？

我最大的困惑是，进入 TF 域所固有的，我们现在有时间和频率定位的模糊性，（基于我们选择的分析窗口）。相比之下，在时域中，我们确定我们的时间定位。如何 - 或为什么 - 以的时间定位明确性换取一些联合时频模糊性有帮助？我没有看到它。$100\%$$100\%$

编辑：

另一种看待问题的方法是用这个改写：什么时候只在时域（时间模糊度，频率模糊度）中进行匹配过滤，而不是在联合 TF 域中进行匹配过滤， （x% 时间模糊度，(1-x)% 频率模糊度）。$0\%$$100\%$

我有一个更广泛的问题，但首先将其分解为这个问题。