目录：
前言
之前讲了时频分析的原理，现在来讲讲它在matlab里面的实现。
想要复习原理的同学，可以参照一下这篇：短时傅里叶分析
本次讲解高阶的函数使用（1），
基础的可以参见前面的：短时傅里叶实现（1）
中阶的可以参见前面的：短时傅里叶实现（2）
实验环境
本文的所有实验都是在matlab2016a下通过的。
Matlab spectrogram函数
谱图函数：使用短时傅里叶变换化成短时傅里叶变换的谱图。
1语法
标准函数引用方式如下：
[s,w,t] = spectrogram(___)
[s,f,t] = spectrogram(___,fs)
[s,w,t] = spectrogram(x,window,noverlap,w)
[s,f,t] = spectrogram(x,window,noverlap,f,fs)2使用说明
[s,w,t] = spectrogram(_)
返回输入信号的短时傅里叶变换，其中归一化频率向量w和时间向量t存放的是在那一点计算谱图。w的长度和s的行数一样，T的长度和k相等（参见前一篇），它的值是每段的中心时间。
[s,f,t] = spectrogram(_,fs)
f是频率向量f存放谱图计算的点，基于采样频率fs。
[s,w,t] = spectrogram(x,window,noverlap,w)
基于归一化向量w，计算谱图并返回。
[s,f,t] = spectrogram(x,window,noverlap,f,fs)
基于周期频率f返回谱图。
3代码如下
3.1谱图和瞬时频率
利用谱图函数度量和追踪一个信号的瞬时频率。
%产生一个平方鸟声（chirp）信号，采样频率是1khz，采样时间是2秒，前一秒的信号是100hz，后一秒的信号是200hz。
Fs = 1000;
t = 0:1/Fs:2-1/Fs;
y = chirp(t,100,1,200,'quadratic');
%估计鸟声信号的谱图使用短时傅立叶变换。
% 将信号划分成长度为100个点，使用海明窗加窗，使用80个样本重叠，估计[100/2+1]=51个频率点，不使用默认
%的颜色棒。
spectrogram(y,100,80,100,Fs,'yaxis')
view(-77,72)
shading interp
colorbar off如图所示
由这个图可以很好的观测峰值频率的变化
3.2鸟声信号功率谱密度追踪
通过确定在[（2000-80）/（100-80）]=96个时间点时，各个谱功率密度的最大值，追踪鸟声频率的轨迹，将谱图当作一个二维图来可视化。恢复颜色棒。
[s,f,t,p] = spectrogram(y,100,80,100,Fs);
[q,nd] = max(10*log10(p));
hold on
plot3(t,f(nd),q,'r','linewidth',4)
hold off
colorbar
view(2)如图所示
参考：
mathworks