信号的相关分析r.pptVIP

第3节 信号的相关分析 主 要 内 容 2.3.1 相关系数与相关函数 2.3.2 相关函数的性质 2.3.3 相关定理 2.3.4 相关分析的应用 2.3.1 相关系数与相关函数 引言 2.3.1 相关系数与相关函数 引言 线性相关——两个变量或函数之间的线性关系 非线性相关——两变量之间的非线性关系 可转化为线性相关来处理 推广：信号相关——两信号之间的相关关系 用途：除噪、提高信噪比、相关检测等 2.3.1.1 相关系数 如果两个信号相似，可用一个信号 y(t) 去近似表示另一个信号x(t)。 设x(t)、y(t)能量有限， x(t)——μx、σx y(t)——μy、σy 零均值化后 2.3.1.1 相关系数 2.3.1.1 相关系数 2.3.1.1 相关系数 用信号x(t)的能量对最小误差归一化处理： 2.3.1.1 相关系数 2.3.1.1 相关系数 对于功率有限信号 2.3.1.1 相关系数 小结——相关系数计算式 能量有限信号 2.3.1.2 相关函数 相关系数只与 有关 相关系数与相关函数的比较 2.3.1.3 互相关函数与自相关函数 Rxy(τ) 、ρxy(τ)描述不同延时τ时两个信号的相关程度 称Rxy(τ)为互相关函数;称ρxy(τ)为互相关系数 小结： 2.3.2 相关函数的性质 2.3.2.1互相关函数的性质 2.3.2.1 互相关函数的性质 (1) 当 时，由正弦信号的正交性： 2.3.2.1 互相关函数的性质 结论： 同频相关，不同频不相关 Rxy保留两信号的幅值、同频频率、相位差 丢失两信号的初相位 当τ?∞时，且： 无同频分量：Rxy(τ）?μxμy 有同频分量： Rxy(τ)以共同频率作恒幅振荡 Rxy(τ)|τ＝τo＝max。 一般τ0≠0，描述信号通道时差，用于相关检测 Rxy(τ)＝ Ryx (-τ) 2.3.2.1 互相关函数的性质 互相关函数可能的图像 2.3.2.2 自相关函数的性质 性质 2.3.2.2 自相关函数的性质 2.3.3 相关定理 研究相关函数与卷积的关系 寻找相关函数的快速运算方法 2.3.3.1 相关与卷积的关系 对于任意的x(t)、y(t)，若 2.3.3.2 相关定理 2.3.3.2 相关定理 2.3.3.2 相关定理 帕斯瓦尔公式 2.3.3.3 相关函数的计算 根据相关函数和卷积的关系： 2.3.4 相关分析的应用 除噪降噪 目标源识别 故障分析 相关测速 2.3.4.1 除噪降噪 如图理想线性时不变系统 y(t) = x(t-t0)，x(t)可测 系统噪声ni(t)和no(t)为零均值的随机信号 ni(t)和no(t)以及它们与输入输出不相关 可以利用相关技术排除噪声。 2.3.4.1 除噪降噪 求输出和输入的相关函数 2.3.4.2 目标源识别 雷达探测 2.3.4.2 目标源识别 汽车噪声源分析 2.3.4.3 故障诊断 鉴别信号周期成分 0 0 可见相关函数只包含系统输入与真正输出的信息，与输入输出噪声无关。 当τ较大时可实现精确测量。 Rxx’(τ) 0 t0 τ y(t)= x( t-t0 )+ ni( t-t0 )+no( t ) 有目标 x(t) y(t) S x(t) y(t) S τ Rxy(τ) max t0 v ——电磁波速度 v ——声波在海水中的速度 水纳探测 * X * Signals analysis processing 通信系统 雷达系统 控制系统等 发送端x(t) 接收端y(t) 干扰信号n(t) + + 现象：信号畸变，y(t)=x(t)+n(t) 问题：输出中有无输入？（信号检测） 输出与输入的相似或依赖关系？(系统性能) 措施：延时域相关分析 x(t) y(t) 线性相关 x(t) y(t) 非线性相关 x(t) y(t) 不相关 t x(t) 0 μx t y(t) τ 0 μy 近似误差 实系数 延时 t x(t) 0 μx t y(t) τ 0 μy 近似误差： 按最小均方差准则： 求axy，使 代入误差公式，得最小近似误差 令： 平稳过程！ 常数 可以证明： 称为相关系数 反映两信号的相关程度 是延时τ的函数 信号部分相关 信号完全不相关 信号完全相关 信号相关程度越好 相关系数正、负号的意义？ 推广到一般情况，将