随着科学的不断发展,现实社会中采集到的信号越来越复杂,传统的傅里叶变换不再能满足信号分析的需求。人们需要了解信号的频率随时间变化的具体情况,联合时频分析便应运而生了。伴随着研究者的努力,陆续提出了多种时频分析方法,它们适用于不同的信号,被应用到了通信、军事、医学、故障检测等多个领域,随后还提出了许多评测时频分布性能的标准和方法。在所有的时频分析方法当中,双线性时频分布当中的(pseudo)Wigner-Ville分布具有很高的能量集中程度。然而在处理双分量及多分量信号时,深受交叉项的困扰。也正是研究者抑制交叉项的努力不断推动着时频分析的发展:S-method、multiwindow S-method等方法采用频域窗,可以有效抑制交叉项,但是降低了能量的集中程度,是抑制交叉项和保留自项的折衷;在魏格纳(伪魏格纳)分布的基础上进行霍夫变换,自项和交叉项在参数空间具有不同的聚集特性,从而可以将交叉项分离出来;设计最优核函数,等等。本文将图像分割的思想引入进来,对于自项不交叉的双分量信号,可以完整的将交叉项从魏格纳分布中切割出来,不会对自项造成损伤,达到了完全消除交叉项、完整保留自项的目的,获得了很高的能量集中程度。时频分析当中还有一个难题就是对于一个各分量振幅相同的双分量信号,在加入噪声之后,其瞬时频率估计的正确率将大大降低。受到图像处理当中应对噪声的方式的启发,本文使用图像增强的方法对时频分布矩阵进行处理,采用核函数进行平滑,有效地抑制了噪声,实验数据表明,所提方法极大地提高了瞬时频率估计的正确率。本文将时频分析和图像处理有效地结合了起来,属于交叉学科的研究,相关的实验数据证明了所提方法的可行性和研究意义。