讲座4能量泄漏以及窗函数讲解.pptVIP

频率混淆（复习） 在对连续信号进行离散采样时，若采样频率选得不合适，则进行傅立叶变换可看出，计算所得的低频分量中含有高频成分。具体来说： 若信号中的最高频率为fc，而采样时间间隔为△t1/(2 fc)，将发生信号中高频成分(f 1/(2 △t) )被折迭到低频成分(f 1/(2 △t) )中去，这种现象为频率混淆。 下面举例说明，将很清晰。假设某连续信号中含有频率为900、400、100Hz的谐波成分。先采样时间间隔为0.002s，即采样频率为500Hz。我们把三种频率成分分开单独处理，以“×”为采样点，之后把采样点构成的谐波曲线进行连接。 可以看出100Hz波形与采样点正弦曲线吻合，而另外两个频率的曲线误差较大，而真正采样后的曲线是三个虚线的叠加，于是高频信号的采样值就构成虚假的低频信号附加到原低频的采样值上，从而产生频率混淆现象。 为避免混叠，就要将连续信号 的频谱 进行截断，设其截断频率为 。即使 △t——采样时间间隔；fs——采样频率(fs=1/ △t)； N——总的采样点数；T——总采样时间，T＝N× △t； Fmax——信号中的最高频率。 有以下关系 因此基于采样定理，有 该式建立起了最短采样时间、最大采样间隔、采样点数及分析频率之间的关系。先有仪器，往往N固定为1024. 谱窗、泄漏以及平滑 一、有限数据的傅立叶变换 在工程实际中，实际获得的信号长度是有限的，该有限长度的信号可被认为是无限长信号乘以单位矩形函数获得的： 根据傅立叶变换的卷积定理（两函数乘积的傅立叶变换等于其傅里叶变换的卷积）： 设某信号为一无限长余弦信号，以此为例进行泄漏分析。 其傅立叶变换为 单位矩形函数——矩形窗函数b(t)的表达式为 其傅立叶变换为 这样我们取[-τ，+ τ] 内的有限长余弦信号就相当于使用上述的矩形窗函数与无限长余弦函数相乘，于是该有限长余弦信号的傅里叶变换为： 得到的图形见右。 二、谱窗以及泄漏 谱窗 从有限长度样本得到的谱密度原始估计值 (区别于后述的经平滑处理的估计值)用下式计算 式中 ——相关函数的最大时移。 上式是用有限区间的积分来估计由式所定义的真实谱密度。可以把看成是在[- ， ]区间截断的结果。这种截断必然导致误差的产生，是谱处理时必须考虑的一个问题。 U(τ)为矩形函数 当然其傅立叶变换为 根据傅氏变换的卷积定理，有 则功率谱密度函数为： 即频率是f0的正弦波的双边功率谱是在频率处±f0的两个脉冲函数。如果以单边功率谱表示，有 再看经过截断后有限数据的功率谱密度函数 f＝f0时有其最大值，为 它们的图形为 可以看出原采集中于一个频率的功率，由于副瓣的存在，能量被分散到一个较宽的频率范围上，这种功率分散的效应称为泄漏。泄漏效应的产生，降低了谱估计的精度。 上述特例可以推广至任意类型的函数。图是某一任意函数谱估计时泄漏效应的影响示意图。 三、抑制泄漏的措施 泄漏的程度取决于谱窗副瓣的大小。较小的副瓣，得到的曲线具有较小的皱波。因此，为了抑制泄漏，应选择副瓣较小的谱窗函数。工程上，提出了多种形式的谱窗，常用的有哈宁(Hanning)窗和海明(Hamming)窗。 1、哈宁窗 哈宁时移窗的函数式为 其谱窗为： 2. 海明窗 海明时移窗的函数式为 相应的海明谱窗为 可见Hanning、Hamming谱窗结构一样，只是系数作了调整，以进一步抑制泄漏，压低副瓣高。其 ，但主瓣高约为1.08τm，第一副瓣高接近于零。因此，减少泄漏的效果更好一些。 必须指出，尽管泄漏效应使得功率谱密度函数不准确，但没有使随机过程的总功率有任何损失。例如前述的正弦函数： 无泄漏时，功率为： 有泄漏时，功率为： 可见，随机过程的功率并无损失。 3、平滑处理 前述抑制泄漏的措施，是通过对原始数据选用适当的窗函数达到，反映在频域上的效果是使功率谱密度函数的皱波减小。实际上这一效果也可以从另一角度达到：用矩形时移窗得到功率谱密度函数，然后对其进行光滑，称之为平滑处理。平滑的结果得到一条较为光滑的曲线，从而减少了谱处理的统计误差。 右图是平滑处理示意图，图中实线是 ，虚线是 。平滑处理时，对于第k点的值 ，参考前后两点，即第k－1点和第k－1点的值 、 ，以圆滑过渡为目标进行修正，称修正后的估计值为平滑估计值，记为 ，以区别于未经平滑的原始估计值。 平滑处理时， 用下式计算 （设k的最小、大值为0、m