第5章随机信号精读.ppt

评价窗函数指标的示意图 二、频谱泄漏与窗函数 1 窗函数评价指标 (2)旁瓣衰减率以10个相邻旁瓣峰值的衰减比的对数来表示 例如，矩形窗或P100哈明(Hamming)窗，其旁瓣衰减率为-20dB，也就是第10个旁瓣峰值为第1个旁瓣峰值的1/10， 而P110汉宁(Hanning)窗为-60dB，即1/1000； P220汉宁窗为-100dB；P330汉宁窗为-140dB，显然这些窗函数使旁瓣消失很快。 二、频谱泄漏与窗函数 1 窗函数评价指标 (3)主瓣峰值可能最大误差 主瓣峰值读数误差示意图 二、频谱泄漏与窗函数 1 窗函数评价指标 (1)最大旁瓣值 ,即最大旁瓣值与主瓣峰值之比，对数表达。 (2)旁瓣衰减率以10个相邻旁瓣峰值的衰减比的对数来表示 (3)主瓣峰值可能最大误差 (4) 主瓣宽 2 选择依据 窗长度：越长，分辨率越高。 窗位置：周期信号尽量保证整周期采样。 三、频谱混叠和采样定理 t 1 1、提高fs N一定，fs ，频率分辨率下降（fs/N） N增大，fs ，频率分辨率提高 2、低通滤波器 四、谱分析步骤 (1)估计待分析信号中频率范围和频率上限 。 (2)根据分析精度的要求，设定谱分析中的频率分辨率。 (3)选定采样间隔，使采样频率 。 (4)确定采样点数。 5.5 平稳随机信号通过线性系统 设 为一平稳随机信号，当它通过一个线性移不变系统 后，输出为 ，即 令 关系1 关系2 关系3 关系4 5.6 与本章内容有关的MATLAB函数 periodogram pwelch [Pxx, f]=periodogram (xn, nfft, fs, window) [Pxx, f]=periodogram (xn, nfft, fs, window, ‘range’) [Pxx, f]=pwelch (xn, nfft, fs, window, noverlap) [Pxx, f]=pwelch (xn, nfft, fs, window, noverlap, ‘range’) Pxx=pwelch (xn, window, noverlap) psd spectrum Pxx=psd (xn) Pxx=psd (xn, nfft) [Pxx, f]=psd (xn, nfft, fs) Pxx=psd (xn, nfft, fs, window) Pxx=psd (xn, nfft, fs, window, noverlap) Pxx=psd (xn, nfft, fs, window, noverlap, ‘dflag’) [Pxx, f]=spectrum (xn, nfft, fs, window, noverlap, ‘dflag’) Pxy=csd(x, y) Pxy=csd(x, y, nfft) [Pxy, f]=psd(x, y, nfft, fs) Pxy=csd(x, y, nfft, fs, window) Pxy=csd(x, y, nfft, fs, window, noverlap) Pxy=csd(x, y, nfft, fs, window, noverlap, ‘dflag’) csd 随机信号的功率谱密度 功率谱密度性质 功率谱密度与自相关函数的关系 功率谱估计的方法 功率谱估计的应用 互谱密度及其估计 5.3 随机信号的功率谱估计 一、随机信号的功率谱密度 1 定义 由于 是随机过程 的一个样本函数，取哪一个样本函数取决于试验结果 ，且 是随机的。因此， 和 也都是试验结果的随机函数，最好写成 和 。 若 是实函数，可得某个样本函数的平均功率 样本函数的功率谱密度函数 如果对所有试验结果 取统计平均 随机过程的功率谱密度函数，简称功率谱密度。 2 功率谱密度的性质 非负性， 是实函数 当随机信号是实过程时，其功率谱是偶函数，即 3 功率谱密度与自相关函数的关系 引入 连续时间随机信号 变量替换 自相关函数和功率谱密度构成傅立叶变换对 维纳－辛钦定理或维纳－辛钦公式 平稳随机过程 应用于含有直流或周期性成分的平稳过程中 利用 函数 重要的傅立叶变换对 离散时间随机序列 具有零均值实平稳随机序列的功率谱密度 与序