试验试数据处理.ppt

试验数据处理 静态测试数据处理 试验数据的处理方法 静态测试数据处理 回归分析与曲线拟合 静态测试数据处理 拟合直线形式： 静态测试数据处理 静态测试数据处理 曲线拟合 动态测试数据处理 1）数据分类： 确定性数据 随机性数据 2）数据的获取 3）数据预处理 数据检测 数据校准 零均值化处理 消除趋势项 4）数据分析 时间域描述 幅值域描述 频率域描述 数据分类 严格数学意义上的周期数据，是无始无终地重复着某一变化规律的数据。实际应用中，周期数据只是指在较长时间内按照某一规律重复变化的数据。 实际上周期数据与非周期数据之间没有绝对的差别，当周期数据fT(t)的周期T 无限增大时，则此数据就转化为非周期数据f(t)。 随机过程的数学定义 设随机试验E的可能结果为ξ(t)，试验的样本空间S为{x1(t), x2(t)， …, xn(t),…}， xi(t)是第i次试验的样本函数或实现，每次试验得到一个样本函数，所有可能出现的结果的总体就构成一随机过程，记作ξ(t)。 两层含义： 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。 随机过程举例： 随机过程基本特征 平稳随机过程 统计特性不随时间的推移而变化的随机过程称为平稳随机过程。 设随机过程ξ(t),若对于任意n和任意选定t1＜t2＜…＜tn, tk∈T， k=1, 2, …, n，以及τ为任意值，且x1, x2, …, xn∈R，有 fn(x1, x2, …, xn; t1, t2, …, tn) =fn(x1, x2, …, xn; t1+τ , t2+τ , …, tn+τ ) 则称ξ(t)是平稳随机过程。 平稳随机过程 平稳随机过程的定义说明：当取样点在时间轴上作任意平移时，随机过程的所有有限维分布函数是不变的。 推论：一维分布与时间t无关， 二维分布只与时间间隔τ有关。从而有 R(t1, t2)=E［ξ(t1)ξ(t1+τ)］ =R(t1, t1+τ)=R(τ)  平稳随机过程在满足一定条件下有一个有趣而又非常有用的特性， 称为“各态历经性”。 若平稳随机过程的数字特征（均为统计平均）完全可由随机过程中的任一实现的数字特征（均为时间平均）来替代，则称平稳随机过程具有“各态历经性”。 各态历经随机过程 “各态历经”的含义：随机过程中的任一实现都经历了随机过程的所有可能状态。因此， 我们无需获得大量用来计算统计平均的样本函数，而只需从任意一个随机过程的样本函数中就可获得它的所有的数字特征，从而使“统计平均”化为“时间平均”，使实际测量和计算的问题大为简化。 数据的获取 以计算一个模拟信号的频谱为例来说明出现的相关问题 设模拟信号x (t)的傅立叶变换为X (f)，为了利用计算机来计算，必须使x (t)变换成有限长的离散时间序列。为此,对x (t)进行采样和截断。 采样是用一个等时距的周期脉冲序列s (t)去乘x (t)。时距TS称为采样间隔，1/TS=f S称为采样频率。 数据的获取 对模拟信号进行采样 数据的获取 时域采样 采样是把连续时间信号变成离散时间序列的过程，就是等间距地取点。而从数学处理上看，则是用采样函数去乘连续信号。 依据 FT的卷积特性——时域相乘就等于频域做卷积 函数的卷积特性——频域作卷积就等于频谱的 周期延拓 长度为T的连续时间信号x(t),从t=0点开始采样，得到离散时间序列x(n)为 数据的获取 数据的获取 量化和量化误差 时域采样只是把连续信号的时间离散化了。而对于幅值如果用二进制数码组来表示，就是离散信号变成数字信号。这一过程称为量化。量化一般是由A/D转换器来实现的。 量化误差分析 设A/D转换器的位数为b,允许的动态工作范围为D，则相邻量化电平之差 （由于实际上字长的第一位常用作符号位），每个量化电平对应一个二进制数码。若采样点的电平落在两相邻量化之间，就必须含入到相近的一个量化电平上。 数据的获取 采取措施 （1）提高A/D转换的位数，既降低了量化误差，但A/D转换的位数选择应视信号的具体情况和量化的精度要求而定，位数增多后，成本显著增加，转换速率下降。 （2）实际上，和信号获取、处理的其他误差相比，量化误差通常不大，所以一般可忽略其影响。 数据的获取 混叠 在频域中，如果平移距离过小，平移后的频谱就会有一部分相互交叠，从而使