第五章功率谱的估计.docVIP

功率谱的估计（周期图与窗函数） 随机信号的功率谱 功率谱的定义 由前面的讨论，我们知道，Fourier变换是从频域上描述信号的基本工具。在确定性信号的情况下，当信号是周期时，可以分解为傅氏级数，构成离散频谱。当信号是非周期性的，只在有限时间段内有值，满足狄拉克绝对可积(平方可积)条件，可以通过傅立叶变换，获得频谱。但是，对于随机信号，一般既不是周期的，又不是绝对可积的，因此，严格意义上，随机信号既不能进行傅氏级数分解，又不能进行傅氏变换。 为了解决这一困难，维纳首先提出了广义谐波分析的概念。所谓广义谐波分析是指：随机信号的傅氏分析可以从极限意义上来讨论。 广义谐波分析 取随机信号在有限时间内的（-T~+T）的一段，并定义 由于时间有限，所以存在傅氏变换，即 取极限值，并就全部样本集合从总集意义上求平均值，便可以获得随机信号的功率谱定义如下： 维纳-辛钦定理 可以证明，如果是零均值的，上式又可以写成维纳-辛钦定理的形式，表示成自相关函数的傅氏变换。即： 根据傅氏变换的卷积定理： 亦即 式中 因此 注意到 所以 随机过程的功率谱密度函数的三种定义 自功率谱密度函数定义为随机过程的傅立叶频谱幅值平方的数学期望： 自功率谱密度函数定义为随机过程的自相关函数的傅立叶变换： 自功率谱密度函数在中心频率的带宽内的取值，定义为随机过程样本信号，通过中心频率为，带宽的带通滤波后的平均功率： 功率谱的性质 对称性 对于实信号，由于是实偶函数，所以也是实偶函数。 对于复值信号，由于是共轭对称的，所以也是实函数，但不是偶函数。 非负性 不论是实信号，还是复值信号，功率谱都是非负函数。 极限值 当时，有 可见功率谱曲线下的面积表示信号的功率（均方）。这正是“功率谱”名称的由来。 局限性 功率谱是从频域上分析随机信号的有力工具。它的局限性是丢失了相位信息。信号的周期性分量在功率谱中表现为函数（包括直流分量）。 只有对平稳的随机信号才能有功率谱可言，因为维纳-辛钦定理是对，而不是对作傅氏变换。 互谱密度函数 互谱密度的定义 互相关函数的傅氏变换称为互谱密度。即 它通常是的复值函数，实部称为共谱密度，虚部称为重谱密度，或称交谱密度。值得注意的是，互谱密度并不具有功率的含义。与之对应，功率谱也称为自谱密度。 互谱密度也可以表示为有限时间信号的傅氏变换的极限形式。 设持续时间在范围内的随机信号为和。它们的傅氏变换分别是和。则互谱密度函数为 互谱密度函数的性质： 对称性 由于对实信号，互相关也是实函数，所以它的傅氏变换是共轭对称的，即 也就是说，共谱是偶函数，重谱是奇函数。 又由于，所以有，也即，互谱下标对调后，曲线的频率轴反转。 互谱不等式 可以证明，对于每一个频率都有 典型随机过程 宽带白噪声过程 宽带白噪声过程是随机性最强的平稳过程。它的功率谱是恒定的常数，因此它含有一切频率成分，而且强度相等。借助于光学上的“白光”概念，称之为“白噪声”。 白噪声的功率谱是 它的自相关函数是 式中是狄拉克函数。 理想白噪声的特点是：不同时刻的取值互不相关，不论这两个时刻距离有近。只有当时相关函数才不等于零。这种理想白噪声实际上不可能存在，因为它的均方值是无穷大、频率成分延伸到无穷大，意味着它的变化率极快。 窄带白噪声过程 实际系统的带宽总是有限的，在实际工程中，只要信号带宽远大于系统带宽，而且在系统带宽内，信号功率谱值基本恒定，便可以把信号近似看作白噪声过程。 如果信号的功率谱只在低于系统频带内的有限频带内恒定，在此频带以外都等于零，便称之为窄带白噪声过程。最为常见的从直流零频到某一频率的窄带噪声， 白噪声的功率谱是 ，当 它的自相关函数是 需要指出的是，高斯白噪声通常是指一维概率密度函数是高斯型的窄带白噪声过程。高斯和白噪声分别是两个不同的概念，并不矛盾。高斯是指某一时刻取值的分布规律，而白噪性则是指信号在不同时刻取值的关联程度。 伪随机过程 计算机控制和仿真时，常常需要生成白噪声过程。但是，无论是理想的白噪声，还是窄带白噪声，很难取得。而且，如果希望它在有限的测试周期内效果接近白噪声，就需要较长的测试时间。因此，实际工程中，通常采用伪随机信号来代替。 顾名思义，伪随机信号是假的随机信号。它实际上是确定性的周期信号，只是由于它的能量谱在大于系统带宽的频带内近似相等，自相关函数有接近函数，可以用来代替白噪声。 最常用的伪随机信号的有P.R.B.S(相位随机二进制序列)和随机相位功率谱傅氏逆变换序列。 随机信号的正交分解 正交分解是信号分析的基本技术之一，它的含义是把信号分解为若干互相正交的分量的加权和。例如，傅氏级数就是确定性周期函数的一种正交分解。 一般地，设讨论的时段是,是该时域内的确定性波形。又设,是一组正则化的正交函数的集合，即 则可以从最小