机械测试技术课件3.ppt

（四）功率信号的傅里叶变换 只有满足狄里赫利条件的信号才具有傅里叶变换，即 。 有限平均功率信号，它们在(-∞, ∞)区域上的能量可能趋近于无穷，但它们的功率是有限的，即满足 利用δ函数和某些高阶奇异函数的傅立叶变换来实现这些函数的傅立叶变换。 1.单位脉冲函数 在Δ时间内激发有一矩形脉冲p Δ (t)，的幅值为，面积为1。当Δ→0时，该矩形脉冲p Δ (t)的极限便称为单位脉冲函数或δ函数。 性质： （1） （2） 由δ函数的两条性质式(2.96)和(2.97) ，可得 其中x(t)在t=t0时是连续的。 单位脉冲函数δ(t)的傅里叶变换 ： 即 时移单位脉冲函数δ(t-t0)的傅里叶变换对： 单位脉冲函数δ(t)与任一函数x(t)的卷积 证明： 推广可得 2.余弦函数 欧拉公式： 余弦函数的频谱： 正弦函数的频谱： 3.周期函数 周期函数x(t) 的傅里叶级数形式： 式中 x(t)的傅立叶变换为： 一个周期函数的傅里叶变换由无穷多个位于的各谐波频率上的单位脉冲函数组成。 例12 单位脉冲序列 求它的傅里叶变换。 解：将x(t)表达为傅里叶级数的形式 于是有 对式（2.119）两边作傅里叶变换得 根据式（2.117）可得 亦即 一个周期脉冲序列的傅里叶变换仍为（在频域中的）一个周期脉冲序列。单个脉冲的强度为ω0=2π/T，且各脉冲分别位于各谐波频率nω0=n2π/T上，n=0, ±1, ±2, …。 七、随机信号描述 （一）概述 （二）随机过程的主要特征参数 均值、均方值和方差 概率密度函数和概率分布函数 （一）概述 随机信号特点： 具有不能被预测的瞬时值； 不能用解析的时域模型来加以描述； 能由它们的统计的和频谱的特性来加以表征。 描述随机信号必须采用概率统计的方法。 样本函数 ：随机信号按时间历程所作的各次长时间的观察 ，记作xi(t)。 样本记录 ：在有限时间区间上的样本函数。 随机过程 ：同一试验条件下的全部样本函数的集（总体），记为{x(t)}。 对随机过程常用的统计特征参数： 均值、均方值、方差、概率密度函数、概率分布函数和功率谱密度函数等。 均值： 均方值： 这些特征参数均是按照集平均来计算的，即在集中的某个时刻对所有的样本函数的观测值取平均。 分类： 平稳随机过程 ； 非平稳过程。 平稳随机过程 ： 过程的统计特性不随时间的平移而变化、或者说不随时间原点的选取而变化的过程。严格地说便是：如果对于时间t的任意n个数值t1,t2, …,tn和任意实数ε，随机过程{x(t)}的n维分布函数满足关系式 对于一个平稳随机过程，若它的任一单个样本函数的时间平均统计特征等于该过程的集平均统计特征，则该过程称为各态历经过程。 工程中遇到的许多过程都可认为是平稳的；其中的许多都具有各态历经性。 （二）随机过程的主要特征参数 均值、均方值和方差 对于一个各态历经过程x(t)，其均值μx定义为 E[x]——变量x的数学期望值； x(t) ——样本函数 ； T——观测的时间。 均值μx表示信号的常值分量。 随机信号的均方值ψx2定义为 E[x2]——变量x2的数学期望值。 均方值描述信号的能量或强度 。Ψx2的平方根称均方根值xrms 。 随机信号的方差σx2定义为 方差σx2表示随机信号的波动分量，方差的平方根σx称为标准偏差。 μx、σx2、ψx2之间的关系为 随机过程的均值、方差和均方值的估计公式为： 概率密度函数 概率密度函数是指一个随机信号的瞬时值落在指定区间（x,x+Δx）内的概率对Δx比值的极限值。 概率密度函数p(x)则定义为： 概率分布函数 概率分布函数P(x)表示随机信号的瞬时值低于某一给定值x的概率，即 式中Tx’为x(t)值小于或等于x的总时间。 概率密度函数与概率分布函数间的关系 利用概率密度函数还可来识别不同的随机过程。 功率谱分析 功率谱分析 一、自功率谱密度函数 二、巴塞伐尔（Parseval）定理 三、互功率谱密度函数 四、自谱和互谱的估计 五、工程应用 一、自功率谱密度函数 设x(t)为一零均值的随机过程，且x(t)中无周期性分量，则其自相关函数Rx(τ)在当τ→∞时有 该自相关函数Rx(τ)满足傅里叶变换的条件 。对作傅里叶变换可得 其逆变换为 Sx(f)为x(t)的自功率谱密度函数，简称自谱或功率谱。 功率谱Sx(f)与自相关函数Rx(τ)之间是傅里叶变换对的关系，亦即 式（4.137）和（4.138）称为维纳——辛钦