首先利用信号相关参数（cr）逐列构造归一化的自适应高斯窗矩阵，对输入信号进行时频分解得到初始STFT谱；其次，对幅度谱施加幂次压缩因子（β=0.04）以增强微弱成分，并通过加权逆变换与信号重建，迭代更新窗矩阵，从而获得更优的时频聚集性；最终，经相位展开与逆变换实现高质量的信号重构。提出算法在非平稳信号分析与降噪领域具有潜在的应用价值。

算法步骤

数据加载与参数初始化：加载包含信号、采样间隔及控制参数的结构体，获取信号序列s、采样间隔dt以及窗宽调节因子cr。

构造自适应高斯窗矩阵：根据cr计算每个窗口的标准差sd，调用WinMtx函数生成N×N的归一化高斯窗矩阵W，每列中心对齐于对应时间点。

初始短时傅里叶变换：将信号s复制为N列矩阵S，逐列乘以窗口矩阵W后做FFT，得到初始STFT频谱TF及其幅度谱TFR。

非线性幂次压缩：对幅度谱施加β次幂（β=0.04），生成权重矩阵wt，用于增强弱信号成分。

加权逆变换与窗矩阵更新：计算加权频谱的逆FFT并除以原信号（加小量避免除零），得到临时矩阵Wp；对Wp的行进行归一化，使每行和为1，获得更新后的窗矩阵Wp。

二次时频分析：使用更新后的窗矩阵Wp再次对原信号加窗并做FFT，得到增强的STFT谱TFRp。

时域信号重构：对增强谱做逆FFT后按列求和，取实部得到重构信号si，并与原始信号对比。

相位分析与可视化：计算原始STFT的相位，沿时间方向进行相位展开，并绘制所有中间结果（信号矩阵、窗矩阵、时频谱、cr曲线等）。