信号的相关性-舒星.pptVIP

相关系数 由概率论知，相关是表示两个随机变量x和y的线性关联程度的量，它可以用相关系数来描述，定义为: 式中，σxy为x和y的协方差；σx ,σy为x和y的标准偏差；mx=E[y],my=E[y]为x和y的平均值。ρxy取值在[-1,1]区间内。当x和y之间完全是线性关系， ρxy为+1或-1.当x和y含有随机噪声或有确定的非线性关系， |ρxy|＜1.当x和y完全随机散布，互相没有关联，则ρxy=0.因此， ρxy是x和y之间的线性关联程度的量度. 相关函数 自相关函数 随机变量的自相关函数是描述一个时刻的数据值与另一个时刻数据值之间的依赖关系。如下图所示 计算x(t)在t时刻和t+τ时刻上的自相关 性，通过观察时间T上对两个值的乘积 求平均得到。当T趁于无穷时， 平均乘积的极限将接近一 个正确的自相关函数。 自相关函数的性质 自相关函数是建立随机过程一个时刻的数据与另一个时刻数据值之间的依赖关系。用波形描述时，则表示为一个时刻的波形与另一个时间坐标移动了τ之后波形间的相似程度。它表示了在观察时间过程T内，两组幅值乘积的平均值。 Rxx(τ)是实函数，它的图形是对称的。即它是偶函数。 当τ相当大时：①平均值为0的随机函数的自相关函数很快收敛于0，即 ②平均值不为0的随机函数的自相关函数，很快接近于平均值的平方，即 自相关函数的性质 当τ=0时：①平均值为0的随机函数的自相关函数等于均方值或方差，即 ②平均值部位0的随机函数的自相关函数等于均方值或方差加均值平方的和，即 若波形是周期性的，则Rxx(τ)不收敛，也是周期性的，且频率与时域函数x(t)的频率相同。 自相关函数的性质 自相关函数在τ=0时的最大值，也就是自相关函数Rxx(τ)在τ为任何值时，都不会大于它的初始值，即 Rxx(0) ≥Rxx(τ) 如果随机信号x(t)是由噪声n(t)和独立信号h(t)组成，则x(t)的自相关函数是这两部分各自自相关函数之和，即 Rxx(τ)=Rn(τ)+Rh(τ) 相关函数 互相关函数 两组随机数据的互相关函数表示两组数据值之间一般的依赖关系。设两个平稳随机信号的两个样本函数时间历程记录为x(t)和y)(t)，则两个信号的互相关函数Rxy(τ)为 互相关函数的性质 互相关函数与均值μ，标准差σ有如下关系，即 式中，μx,μy和σx,σy，分别为x(t),y(t)的均值和标准差。 Rxy(τ)不是偶函数，是不对称的，与自相关函数不同。另外，Rxy(τ)=Ryx(-τ)。 如果x(t)与y(t)是两个完全独立无关的信号， 互相关函数的性质 则Rxy(τ)=0,所以，互相关函数能够捡拾在隐藏在外界噪声中的规律性信号。 Rxy(τ)的最大峰值一般均不在τ=0处。下图是一对随机时间历程记录互相关函数Rxy(τ)与时间τ之间的关系。 互相关函数的性质 如果x(t)是对一系统的输入信号，而y(t)是系统的输出信号，则由最高峰处读出的τ=nΔτ就是该系统的滞后时间。 与自相关分析一样，在互相关分析时，关键问题是选择Δt。最好对峰值出现的位置要有估计，使之不要出现在互相关图之外。当然，也不要过分靠近纵轴线，这样测出的τ值精度不高。一般可以先选较大的Δt进行一次，以便看清Rxy (τ)的全貌，然后在选择适当的Δt进行分析。 相关定理 一个信号的相关函数和该信号的自能量密度谱互为傅里叶变换对，即 故有 推导的过程 对于两个信号x(t),y(t),可以进行卷积运算，也可进行相关运算，即 可见，这两种运算非常的相似，都有一个位移，相乘，求和（积分）的过程，差别仅仅在于卷积运算先要进行翻转，所以有 即 对于实函数y(t)，有Y(-w)=Y*(w