訊號處理與 Spectrogram
一句話理解
把時間序列轉成時頻圖（Spectrogram），讓 CNN / YOLO 用影像方式抓訊號特徵。
一、時域 vs 頻域
| 類型 | 軸向 | 說明 |
|---|---|---|
| 時域（Time Domain） | 振幅 vs Time | 訊號隨時間變化 |
| 頻域（Frequency Domain） | 振幅 vs Frequency | 訊號由哪些頻率組成 |
轉換方法：Fourier Transform（傅立葉轉換）
二、模型選擇
三、時序分解流程
時域訊號 → Fourier 轉頻域 → 分析頻率組成
→ 分解（Trend / Seasonality / Residual）
→ 不同成分用不同模型（DNN / LSTM）
四、連續訊號 → 時頻圖（Spectrogram）
- X 軸：Time
- Y 軸：Frequency
- 顏色/強度：振幅（能量）
轉換方式：STFT（短時傅立葉轉換）
- 將「時間序列」切成小段（windowing）
- 每段做頻域分析
- 結果：時間 × 頻率的 2D 表示（圖片）
為什麼轉圖片？
把時間序列問題 → 轉成電腦視覺問題
- 可以用 CNN 做分類（pattern recognition）
- 可以用 YOLO 找出特定時間區段（事件偵測）
完整流程（考試會考）
原始訊號 → 分段(windowing) → STFT → spectrogram(圖片) → CNN/YOLO → 分類或事件偵測