测试技术的1.4.pptVIP

●随机信号分析 二、随机信号的主要特征参数 1）均值 与方差 和均方差 2）概率密度函数： 表示信号幅值落在制定区间的概率 3）自相关函数 4）功率谱密度函数 ●互相关函数的应用 相关分析法建模 相关辨识原理及方法 通过相关函数的计算进行辨识 介绍一种更加简单的方法 相关分析法建模 离线与在线辨识 相关分析法既可用于离线辨识，也可用于在线辨识 通过在控制对象的输入端加一个随机信号r(t)，测量输出信号 c(t)，然后通过相关分析求得被测系统的频率特性，进而求得它 的传递函数。 加一低电平随机信号，这个信号对正常的运行不产生影响。 相关分析法另一突出优点是它具有较好抗干扰性能。当测量数 据中包含有随机噪声时，不影响相关分析法计算结果。 一、相关辨识原理及方法 休 息 一 下 * * §1.4 随机信号一、概述 解决随机信号问题的理论基础：概率论与数理统计 随 机 过 程 平稳随机过程 非平稳随机过程 个态历经过程 非个态历经过程 一般非平稳随机过程 瞬变稳随机过程 要完整地描述一个各态历经随机过程，理论上要有无限长时间记录。但实际上这是不可能的。通常用统计方法对以下三个方面进行数学描述： （1）幅值域描述: 均值、方均值、方差、概率密度函数等。 （2）时间域描述:自相关函数、互相关函数。 （3）频率域描述: 自功率谱密度函数、互功率谱密度函数。 三、随机信号的统计特性 四、自相关函数及性质 ●自相关函数性质 ●自相关函数的应用 当延时?很大时，随机噪声的自相关函数趋于零，而周期信号的自相关函数仍是周期函数，且其周期不变。 互相关函数描述一个信号的取值对另一个信号的依赖程度。 互相关函数具有以下性质： ①两周期信号具有相同的频率，才有互相关函数，即两个非同频的周期信号是不相关的。 ②两个相同周期的信号的互相关函数仍是周期函数，其周期与原信号的周期相同，并不丢失相位信息。 ③两信号错开一个时间间隔?0处相关程度有可能最高，它反映两信号x(t)、y（t)之间主传输通道的滞后时间。 五、互相关函数 自相关函数和自谱密度函数构成一对傅立叶变换对。自谱密度函数是从频率域对随机过程作统计描述，集中显示了随机过程的频率结构。实际应用中，-f不可能出现，所以往往处理成单边谱。双边谱Sx(f)与单边Gx(f)的关系为： 自功率谱密度函数 设r(t)为平稳随机过程，则c(t)也为平稳随机过程，同时设r(t)和c(t)具有各态历经的性质，则r(t)的自相关函数可以表示为：  r(t)和c(t)的互相关函数可以表示为 根据卷积定理，c(t)和r(t)之间满足如下关系 平稳随机过程的自相关谱密度函数是实数。互相关谱密度函数一般来说则是复数。 相关分析法抗干扰能力强。 例如，设系统输出端存在测量噪声，并设n(t)与r(t)不相关。 根据所测得的数据r(t)和 (t)可以计算出它们的互相关函数为 二、通过相关函数的计算进行辨识 求被测系统的频率特性，需要计算输入随机信号r(t) 的自相关功率谱密度函数Sr(jω)及r(t)与c(t) 互相关功率 谱密度函数Src(jω)。 Sr(jω)和Src(jω) 相关函数Rr(τ)和Rrc(τ)经付里叶变 换而得。 利用相关分析辨识系统模型计算包括以下三部分： (1)根据输入和输出的随机数据，计算自相关函数 Rr(τ)和互相关函数Rrc(τ)； (2)对Rr(τ)和Rrc(τ)进行付里叶变换求得Sr(jω)和 Src(jω)； (3) 频率特性G(jω)=Src(jω)/Sr(jω)得传递函数G(s)。 介绍一种更加简单的方法： 直接对原始数据进行付里叶变换，从而获得相应的功率谱 密度函数。省去了求相关函数。 设r(t)和c(t) 为被测系统的输入和输出平稳随机过程，定义 R(ω,T)和C(ω,T)分别为随机过程r(t)和c(t)在有限区间T上的付 里叶变换。且r(t)和c(t)的自相关和互相关功率谱密度函数满足 如下关系: