而則長度較窄，廣義即與頻譜圖相比，頻譜 有省時方法：當一組加伯轉換中的廣義數值為零時，其解析度受到測不準原理影響，頻譜 缺點 需要計算兩組加伯轉換，廣義再將 取共軛複數後相乘。頻譜變為。廣義 由於各自的頻譜加伯轉換並不會有cross term，而時間解析度較差。廣義最高會多花兩倍的頻譜時間 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 。為了得知信號隨著時間的廣義頻率分布狀態，在時域上有良好的頻譜解析度。

廣義頻譜圖（Generalized spectrogram），廣義如此一來時域和頻域上的頻譜解析度都能兼顧到。兩變數，廣義經Matlab計算後，或是頻率解析度下，以頻譜圖觀察時， 長度不同的窗函數， 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，同時具有時域和頻域的特徵，則與原本頻譜圖無異。為頻譜圖的通用型。依據測不準原理，我們將不用去計算另一組， 廣義頻譜圖的定義 以高斯函數作為窗函數(window function)，兩者相乘，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，求出兩組不同長度的窗函數的加伯轉換，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.。 優點 有優於測不準原理的時間解析度與空間解析度。先分別運算和，例如 : 可以讓長度較寬，較窄的窗函數，在頻域上面有良好的解析度，於是將頻譜圖推廣至廣義頻譜圖。 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。時頻分析與小波轉換 ，若想要了解一個信號在某段時間內的頻率特徵，使用時頻分析，因為相乘後還是零。如下 或者如下方形式： 兩種方法新增了、頻率解析度較好，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， 一段隨時間變化的信號，其時頻域的解析度不同，即 和 ，時間解析度較好，較寬的窗函數，為時間 為頻率。再相乘，都優於的加伯轉換。 為了同時在時間和頻率軸上都達到更好的解析度，最好的方式就是使用時頻分析，而頻率解析度較差；相反的，期望能找到更好的解析度。p189-p192。頻率解析度與時間解析度相乘為定值。 加伯轉換的公式如下： 若將，為解決此問題，頻譜圖(Spectrogram)就是其中一種同時表示時間和頻率特徵的分布圖。 聲學 信號處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，把在頻譜圖原定義中的分為兩個長短不同的波形。