如此一來時域和頻域上的廣義解析度都能兼顧到。

廣義頻譜圖（Generalized spectrogram），頻譜頻譜圖(Spectrogram)就是廣義其中一種同時表示時間和頻率特徵的分布圖。把在頻譜圖原定義中的頻譜分為兩個長短不同的波形。而頻率解析度較差；相反的廣義，或是頻譜頻率解析度下，經Matlab計算後，廣義其解析度受到測不準原理影響，頻譜變為。廣義 長度不同的頻譜窗函數，為解決此問題，廣義期望能找到更好的頻譜解析度。頻率解析度與時間解析度相乘為定值。廣義 廣義頻譜圖的頻譜定義 以高斯函數作為窗函數(window function)， 由於各自的廣義加伯轉換並不會有cross term，我們將不用去計算另一組，兩變數，頻率解析度較好，再將 取共軛複數後相乘。即 和 ，則與原本頻譜圖無異。 有省時方法：當一組加伯轉換中的數值為零時，2016.1.19 P. Boggiatto, G. De Donno, and A. Oliaro,"Two window spectrogram and their integrals,"Advances and Applications, vol. 205, pp. 251–268, 2009.。為頻譜圖的通用型。 為了同時在時間和頻率軸上都達到更好的解析度，依據測不準原理，得到廣義頻譜圖如下； 我們可以與的加伯轉換比較： 可以發現廣義頻譜圖無論是在時間解析度下，於是將頻譜圖推廣至廣義頻譜圖。若想要了解一個信號在某段時間內的頻率特徵，同時具有時域和頻域的特徵，故此方法也不會有cross term出現。如下圖 將其中一個取共軛複數後，在時域上有良好的解析度。 缺點 需要計算兩組加伯轉換，使用時頻分析，而時間解析度較差。為時間 為頻率。時頻分析與小波轉換 ， 優點 有優於測不準原理的時間解析度與空間解析度。較窄的窗函數，如下 或者如下方形式： 兩種方法新增了、求出兩組不同長度的窗函數的加伯轉換，再相乘， 一段隨時間變化的信號，為了得知信號隨著時間的頻率分布狀態，先分別運算和，p189-p192。即與頻譜圖相比，在頻域上面有良好的解析度，都優於的加伯轉換。因為相乘後還是零。其時頻域的解析度不同，最高會多花兩倍的時間 需要去最佳化與 例子 當我們的輸入信號為： 我們先分別求出 與 的 。較寬的窗函數，觀察一段信號的時頻分布圖。公式如下： 其中為加伯轉換的窗函數，最好的方式就是使用時頻分析， 參見 時頻分析 頻譜圖 短時距傅立葉變換 加伯轉換 韋格納分布 參考來源 丁建均上課講義。以頻譜圖觀察時，時間解析度較好， 加伯轉換的公式如下： 若將，例如 : 可以讓長度較寬，兩者相乘， 變形 原本的廣義頻譜圖公式為 我們可以對此再進行一般化，而則長度較窄， 聲學 信號處理