检测与转换一.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 　　2. 概率密度函数 　　概率密度函数是表示信号瞬时值落在某指定区间内的概率。 例如， 图2.27所示的信号x(t)， 其值落在区间(x, x+Δx)内的时间为 　　 　　当样本记录时间T趋于无限大时，Tx/T的比值就是幅值落在区间(x, x+Δx)内的概率， 即 图2.27　随机信号的概率密度函数 而概率密度函数定义为 (5.49) 其估计值为 （5.50） 概率密度函数反映了随机信号幅值分布的规律。 由于不同的随机信号具有不同的概率密度函数图形， 故可根据它识别信号。 图2.28所示为四种典型信号(均值为零)及其概率密度函数图形。 图2.28 四种典型信号及其概率密度函数 (a) 正弦函数及其概率密度函数; (b) 正弦函数加随机信号及其概率密度函数; (c) 窄带随机信号及其概率密度函数; (d) 宽带随机信号及其概率密度函数 3、概率分布函数 概率分布函数是信号幅值小于或等于某值R的概率，其定义为： 概率分布函数又称之为累积概率，表示了落在某一区间的概率。 信号的幅值域分析 * * * * * * * * * * * * * * * * * * * * * * * * * * * 或 非周期信号的频谱分析 频谱密度函数 复立叶变换对 连续幅值谱 连续相位谱 例：单边指数衰减函数的频谱 非周期信号的频谱分析 傅立叶变换的性质 非周期信号的频谱分析 傅立叶变换的性质（续）q 非周期信号的频谱分析 2.2.6.4 功率信号的傅里叶变换 　　1. 矩形窗函数及频谱 　　矩形窗函数即为单个矩形脉冲函数， 其频谱在例2.5中已讨论。一个在时域有限区间有值的信号， 其频谱却延伸至无限频率。在时域中， 若截取信号的一段记录长度， 则相当于原信号和矩形窗函数乘积， 根据傅里叶变换的频域卷积特性， 所得信号的频谱将是原信号频谱函数和sinc函数的卷积，它将是连续的且频率无限延伸的频谱。 　　2. 单位脉冲函数(δ函数)及频谱 　　1) δ函数的定义 　　在数学上，如果函数sε(t)仅在区间［0, ε］上具有脉冲样图形(矩形脉冲、 三角形脉冲等)， 并且此图形与t轴围成的面积为1， 如图2.14(a)所示， 那么当脉冲宽度ε→0时， 函数sε(t)的极限称为δ函数。 根据此定义不难看出δ函数有如下特点： t=0 图2.14 δ函数 (a) 脉冲; (b)有向线段 　　2) δ函数的采样性质 　　若x(t)为一时域连续信号，则乘积δ(t)x(t)仅在t=0处得到δ(t)x(0)，其余均为零，于是 　 可见δ(t)与x(t)相乘后积分， 其作用就是取出了信号x(t)在t=0时刻的一个值， x(0)为一个采样点。 　　同样，对有延时的δ函数δ(t-t0)，其值仅在t=t0时刻才不为零， 于是 此时，得到了x(t)在t=t0时刻的一个采样点x(t0)。  　　在工程上，利用单位脉冲函数的概念， 可将采样过程看成是信号与单位脉冲函数的简单乘积。 3) δ函数的频谱 将δ函数进行傅里叶变换，即可得到其频谱函数： (5.22) 　　由此可见，时域的脉冲信号具有无限宽广的频谱， 而且各频率上的信号强度都相等。 在信号的检测中， 一般爆发电火花地方(如雷电、 火花塞等)都会对测试系统引起严重干扰， 这是因为尖脉冲(类似δ函数， 能量均匀地分布在0~∞的频带内)的高频部分以射频形式发射出来，对测试系统形成干扰的缘故。 凡是频谱为常数的信号俗称白噪声。 “白” 是由白色光引申而来， 意即白色的光谱频率丰富。 δ脉冲就是一种理想的白噪声。 　　根据傅里叶变换的对称性、时移性和频移性等，可得到下列傅里叶变换对： 时域 频域 （5.23） 　　4) δ函数与其它函数的卷积 　　在函数卷积运算中，若其中有一个函数是δ函数，则运算极为简便。例如，若U(f)为如图2.15所示的矩形函数，Δ(f)=Δ(f-fs)+Δ(f+fs)为在频率轴上的两个单位脉冲函数，则其卷积 根据δ函数的采样性质 所以 　　由此得出一个重要结论： 任意函数和δ函数的卷积， 就是简单地将该函数在自己的横轴上平移到δ函数所对应的位置。 此结论对时域函数同样适用。 图5.15 函数与δ函数的卷积 　　3. 正(余)弦函数及频谱 　　由于正(余)弦函数不满足绝对可积条件， 因此不能直接应用傅里叶积分变换式，而需在傅里叶变换时引入δ函数。 　　根据欧拉公式， 正(余)弦函数可写成 　　 可求得正、余弦函数的傅里叶变换，如图2.16所示。