5.5随机信号的分析与处理.pptVIP

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 单边功率谱和双边功率谱 由于Rx(τ)为实偶函数，因此亦为Sx(f)实偶函数。 当τ=0时，根据自相关函数Rx(τ)和自功率谱密度函数Sx(f)的定义，可得 Sx(f)曲线下面和频率轴所包围的面积即为信号的平均功率； Sx(f)就是信号的功率谱密度沿频率轴的分布，故也称为功率谱。 根据信号功率（或能量）在频域中的分布情况，将随机过程区分为窄带随机、宽带随机和白噪声等几种类型。 窄带过程的功率谱（或能量）集中于某一中心频率附近，宽带过程的能量则分布在较宽的频率上，而白噪声过程的能量在所分析的频域内呈均匀分布状态。 三、互功率谱密度函数 若互相关函数Rxy(τ)满足傅里叶变换的条件 ，则定义Rxy(τ)的傅里叶变换 为信号x(t)和y(t)的互功率谱密度函数，简称互谱密度函数或互谱。 定义信号x(t)和y(t)的互功率为 因此互谱和幅值谱的关系为 正如Ryx(τ)≠Rxy(τ)一样，当x和y的顺序调换时，Syx(τ)≠Sxy(τ) 。 Sxy(f)也是含正、负频率的双边互谱，实用中也常取只含非负频率的单边互谱Gxy(f)，由此规定 自谱是f 的实函数，而互谱则为f的复函数，实部Cxy(f)称为共谱，虚部Qxy(f)称为重谱，即 写为幅频和相频的形式： 四、自谱和互谱的估计 定义功率谱亦即自谱的估计值 互谱的估计为 五、工程应用 求取系统的频响函数 线性系统的传递函数H(s)或频响函数H(jω)十分重要，在机器故障诊断等多个领域常要用到它。 例1：机器由于其轴承的缺陷而在机器运行中会造成冲击脉冲信号，此时若用安装在机壳外部的加速度传感器来接收时，必须考虑机壳的传递函数。 例2：当信号经过一个复杂系统被传输时，系统各环节的传递函数便必须要加以考虑。 一个线性系统的输出y(t)等于其输入x(t)和系统的脉冲响应h(t)的卷积，即 根据卷积定理，上式在频域中化为 式中H(f)即为系统的频响函数。 通过自谱和互谱来求取H(f)： 对式（4.163）两端乘以各自的复共轭并取期望值有 上式反映出输入与输出的功率谱密度和频响函数间的关系； 式中没有频响函数的相位信息，因此不可能得到系统的相频特性。 通常一个测试系统往往受到内部和外部噪声的干扰。从而输出也会带入干扰。 输入信号与噪声是独立无关的，因此它们的互相关为零。 结论：在用互谱和自谱求取系统频响函数时不会受到系统干扰的影响。 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