要么，取决于我们如何看待它：

一个常见的经验规则是，如果$f_1 \ll f_2$（例如$f_2 / f_1 > 5$），将它们分开 - 否则，单个幅度调制音调，其中$(f_1+f_2)$是“载波”并且$(f_1-f_2)$ “调制器”。

这可以在时频表示中观察到：

但如果我们真的想要，我们可以通过增加窗口的频率分辨率，让 STFT 将它们分别表示：

代码

import numpy as np
from scipy.signal import windows
from ssqueezepy import stft
from ssqueezepy.visuals import imshow, plot

def cosines(freqs, N):
    t = np.linspace(0, 1, N)
    return np.sum([np.cos(2*np.pi * f * t) for f in freqs], axis=0)

N = 2048
t = np.linspace(0, 1, N)
x1 = cosines([50, 250], N)
x2 = cosines([50, 60],  N)

Sx1, Sx2 = stft(x1), stft(x2)
stft_freqs = np.linspace(0, .5, len(Sx1)) * N

plot(t, x1, title="f1, f2 = 50, 250", show=1)
plot(t, x2, title="f1, f2 = 50, 60",  show=1)

kw = dict(abs=1, xticks=t, yticks=stft_freqs, 
          xlabel="time [sec]", ylabel="frequency [Hz]")
imshow(Sx1, **kw, title="abs(STFT) | f1, f2 = 50, 250")
imshow(Sx2, **kw, title="abs(STFT) | f1, f2 = 50, 60")

Sx2_2 = stft(x2, windows.dpss(N, 4), n_fft=2048)
stft_freqs = np.linspace(0, .5, len(Sx2_2)) * N
kw['yticks'] = stft_freqs
imshow(Sx2_2, **kw, title="abs(STFT), frequency-localized | f1, f2 = 50, 60")
kw['yticks'] = stft_freqs[:128]
imshow(Sx2_2[:128], **kw, title="frequency-zoomed (same STFT)")

单音信号有 1 个频率： $\sin(2\cdot \pi \cdot f_1)$

那不是单音信号。那是一个常数。这缺少时间依赖性！

你的意思是

在实值上下文中，这将是一个单音；在复杂信号的上下文中（您之前一直在谈论 OFDM，所以这可能是您想要工作的上下文），这是一个由两个复杂音调组成的信号：一个在，一个在。$-f_1$$+f_1$

双音是通过使用 2 个频率创建的： $\sin(2\cdot \pi \cdot (f_1 + f_2))$

不，根本不。即使把它写成

这与您的第一个信号相同，但频率。$f_s=f_1+f_2$

所以，我认为你可能真的有一些数学基础是错误的；我很乐意帮助你，但我认为你只是在你的脑海中有一个错误的定义，我无法解决任何问题:(