信号相关分析.pptVIP

随机信号不具备可积分条件，因此不能直接进行傅立叶变换。于是，采用相关函数的傅里叶变换作为随机信号的频域描述，称为功率谱密度函数。 西安理工大学机制系 2.4 信号的相关分析 统计学中用相关系数来描述随机变量x，y之间的线性相关性。变量x、y的相关系数定义为: E 代表数学期望; 信号的均值; 是两个随机变量波动量之积的数学期望 相关系数越接近1， 代表两变量线性相关程度越好； 信号的时域相关分析 信号x(t)的方差定义为： 信号的标准差，是信号方差的平方根称为标准差 方差：反映了信号绕均值的波动程度。 x y x y x y x y 图为X,Y两个变量数组成的数据点的分布,由图可见:两个变量的相关系数的绝对值越接近1,他们的线性相关程度越好. 信号相关性的图形描述 两个随机变量完全相关 完全不相关 中等程度相关 信号的相关分析 信号的相关有互相关与自相关两种,分别用于描述两个信号x(t)与y(t)或一个信号在一定时移前后x(t)与x(t+τ)之间的关系. 1.信号的自相关:描述信号样本x(t)与时移后的样本x(t+τ)的相似程度,定义自相关函数为: 信号自相关函数与自相关系数的关系： 自相关函数 相关函数具有以下的性质： 1、自相关函数是 ? 的偶函数，RX(?)=Rx(- ?)； 2、当 ?=0 时，自相关函数具有最大值,并等于该随机信号的均方值. 3、当?足够大,对于周期信号x(t)的自相关函数仍然是同频率的周期信号，但不保留原信号的相位信息。 （4）随机噪声信号的自相关函数将随 ? 的增大快速衰减。当?足够大,随机变量x(t)与x(t+ ?)之间彼此无关, Rx(?)=ux2, Px(?)→0 由此可见,利用自相关函数可以有效识别信号中的周期成份 求正弦信号自相关函数？ 由此可见：周期信号的自相关函数是一个与原信号具有相同频率函数，它保留了原信号的幅值和频率信息，但失去了原信号的相位信息。 2.信号的互相关: 描述信号x(t)与y(t)的相似程度,定义互自相关函数为: 两周期信号的互相关函数仍然是同频率的周期信号，且保留了原信号的相位信息。因此，互相关函数取得最大值时，反应了信号的滞后； 求两个周期信号互相关函数？ 当 当 两周期信号的互相关函数仍然是同频率的周期信号，且保留原了信号的相位信息。两个非同频率的周期信号互不相关。 由此可见,互相关函数是在噪声背景下提取有用信息的一个非常有效的手段,称为相关滤波. 相关函数具有以下的性质： 互相关函数 相关分析的工程应用 案例：机械加工表面粗糙度自相关分析 被测工件 相关分析 利用自相关分析:?消除信号中的随机噪声。 案例：自相关测转速 理想信号 干扰信号 自相关系数 利用自相关?消除随机干扰噪声。 实测信号 案例：地下输油管道漏损位置的探测 t X1 X2 利用互相关函数保留相位信息的特点?测量物体运动速度，或者信号传播距离。 案例：带钢运行速度的探测 （1）自功率谱密度 是自相关函数 的傅立叶变换，简称自谱 信号功率谱分析 可见：自功率谱密度曲线下与频率轴所包围的面积是信号的平均功率，它是信号功率沿频率轴的分布，反映了信号幅值的平方，因此，与信号幅值谱相比，自功率谱的频率结构特征更明显。 信号幅值谱 自功率谱 当τ = 0时， 平稳随机过程的互谱密度函数 是互相关函数 的傅立叶变换 信号互谱密度 （1）求系统频响函数 信号功率谱应用 一个线性系统的输出y(t)等于其输入x(t)和系统的脉冲响应函数h(t)的卷积，即 根据卷积定理，上式在频域中可化为 在上式两端乘以X(f)的复共轭并取绝对值，则有 进而有 通常一个测试系统往往受到内部和外部噪声的干扰，从而输出也会带入干扰。但输入信号与噪声是独立无关的，因此它们的互相关为零。这一点说明，在用互谱和自谱求取系统频响函数时不会受到系统干扰的影响 西安理工大学机制系