- 1、本文档共100页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第一章信号分析基础第1-5节
* 13、几种典型信号的频谱--单位阶跃函数的频谱 * 14、几种典型信号的频谱--正弦余弦函数的频谱 正余弦函数不满足绝对可积条件,不能直接对之进行傅氏变换。由欧拉公式知: * 15、几种典型信号的频谱--正弦余弦函数的频谱 0 0 t t cos2?f0t 1/2 -1/2 0 f 1/2 1/2 0 f ReX(f) -f0 -f0 f0 f0 * 16、几种典型信号的频谱--周期单位脉冲序列的频谱 周期单位脉冲序列函数(又称采样函数)表达式为 式中 为周期,频率 周期脉冲序列函数为周期函数 傅里叶级数的复指数形式 利用筛选特性,系数Cn 为: 一个周期内,n=0,有g(t)=δ(t) 筛选特性 * 17、几种典型信号的频谱--周期单位脉冲序列的频谱 周期单位脉冲序列函数的频谱 周期单位脉冲序列的频谱仍是周期脉冲序列。 时域周期为 ,频域周期则为 ;时域脉冲强度为1,频域脉冲强度则为 。 * 18、几种典型信号的频谱--周期单位脉冲序列的频谱图 * 7、傅里叶变换的主要性质--时间尺度改变性质 在信号x(t) 幅值不变的条件下,若 即:时域时间变量增大k倍,则频域的频率和幅值 均缩小k倍。 证明:当信号x(t) 的时间尺度变为 kt 时,有 * 7、傅里叶变换的主要性质--时间尺度图示 图 : 尺度改变性质举例 a) k=1 b) k=0.5 c) k=2 * 7、傅里叶变换的主要性质--时间尺度改变图示 时间尺度改变性质说明:时域时间变量增大k倍,则频域的频率和幅值均缩小k倍 图(c)表明当时间尺度压缩(k 1)时,频谱的频带变宽,幅值变低;图(a)为时间尺度扩展( k 1)时,其频谱的频带变窄,幅值增高。 应用磁带机作扩展时间轴和压缩时间轴的谱分析时,此特性很有实用价值。 若磁带慢录快放,时间尺度压缩,时域波形变窄,分析结果频带加宽,幅值降低,信号处理效率高,频率分辨率高; 若磁带快录慢放,则时间尺度扩展,时域波形变宽,结果频带变窄,幅值增高,信号处理效率低,频率分辨率低。 * 7、傅里叶变换的主要性质--时移性质 此性质表明,在时域中信号沿时间轴平移一个常值t0时,频谱函数将乘因子 ,即只改变相频谱,不会改变幅频谱。 把时域信号延时t0时, 则其频域相移 若 把时域信号沿时间轴平移一常值 ,则其频域引起相应的相移 , 即 证明: * 7、傅里叶变换的主要性质--时移性质 图: 时移性质举例 a) 时域矩形窗 b) 图a)对应的幅频和相频特性曲线 c) 时移的时域矩形窗 d) 图c)对应的幅频和相频特性曲线 * 7、傅里叶变换的主要性质--频移性质 若频谱沿频率轴平移一个常值 , 对应的时域函数将乘因子 若 为常数,则: 即 * 7、傅里叶变换的主要性质--微分和积分特性 微分性质 若 积分性质 在振动测试中,如果测得位移、速度或加速度中任一参数,便可用傅里叶变换的微积分特性求其它参数的频谱。 如何应用? * 7、傅里叶变换的主要性质--卷积特性 如何应用? 时移特性 * 7、傅里叶变换的主要性质--汇总表 性 质 时 域 频 域 性 质 时 域 频 域 函数的奇 偶虚实性 实偶函数 实偶函数 频 移 实奇函数 虚奇函数 翻 转 虚偶函数 虚偶函数 共 轭 虚奇函数 实奇函数 时域卷积 线性叠加 频域卷积 对 称 时域微分 尺度改变 频域微分 时 移 积 分 * 随机信号是非确定性信号,其特点为: (1)时间函数不能用精确的数学关系式来描述; (2)不能预测它未来任何时刻的准确值; (3)每次观测结果都不同,但重复试验可以看到 具有统计规律性,因而可用概率统计方法来描述和研究。 特点 第5节 随机信号的特征 * 1、随机信号的描述--随机过程的的相关概念 样本函数:随机现象的单个时间历程,即对随机信号按时 间历程所作的各次长时间观测记录。记作xi(t)。 样本记录:在有限时间区间上观测得到的样本函数 随机过程:分为平稳和非平稳过程两类。在相同试验条件下,随机现象可能产生的全体样本函数的集合(总体)称为随机过程。记作{x(t)},即: { x(t) }={ x1(t),x2(t),……,xi(t),……} * 1、随机信号的描述--随机过程的的相关概念 随机过程在任何时刻的各统计特性采用总体平均方法来描述
文档评论(0)