[信息与通信]第六章随机信号分析与处理基础.ppt

例 随机信号分类 平稳随机信号 非平稳随机信号 平稳信号 统计特性不随时间的推移而变化的随机信号。 1.随机信号在时域的数字特征 数字特征包括均值(或数学期望)、均方值、方差、相关函数、协方差函数、功率谱等。 连续时间随机信号的数字特征 离散时间随机信号的数字特征 连续时间随机信号的数字特征 均值（或数学期望） ：随机信号x(t)的所有样本函数在同一时刻取值的统计平均值。 离散随机信号的均值： 连续随机信号的均值： 为随机变量x(t)各个样本的摆动中心。 平稳随机信号的重要性质 各态遍历性随机信号的意义 可以用时间充分长的单个样本函数的时间平均统计参数来代替总体的平均统计值，这给试验信号处理带来了极大的方便。 功率谱分析！！！ 相干函数 功率谱分析的应用 细化分析 倒频谱分析 频谱分析可以研究信号的频率结构 工程信号往往是复杂的： 包含周期成分设备运行特征 包含随机干扰环境、故障运行特征 频谱表现为连续＋尖脉冲 不易识别 工程信号分析的关键是降低噪声，提高信噪比 频谱分析不改变信噪比?功率谱分析 功率谱分析 设工程信号x(t)= s(t)+n(t) 其中s(t)为有用信号；n(t)为随机干扰 则x(t)的傅里叶变换X(ω)为：X(ω)=S(ω)+N(ω) 可见：傅里叶变换不会提高信噪比。 对x(t)进行自相关分析 Rxx(τ)=Rss(τ)+Rnn(τ)+Rsn(τ)+Rns(τ) ＝Rss(τ) —— ( n(t)零均值，τ?∞) 可见：相关函数可以提高信噪比，但不反映频谱 相关函数的傅里叶变换?功率谱,可以提高信噪比，又能反映频率结构 能量谱与功率谱 设能量有限信号x(t)、y(t) 相关函数Rxx(τ)、Rxy(τ) 定义： 设功率有限信号x(t)、y(t) 相关函数Rxx(τ)、Rxy(τ) 定义： 功率谱的性质 功率谱密度函数的性质 自功率谱Sxx(f)是实偶函数； 互功率谱Sxy(f)是非奇非偶复函数； 双边谱：f∈(-∞,∞)； 功率谱与相关函数包含的信息完全等价。 单边功率谱 工程上，负频率没有意义 定义f∈0,∞)的单边功率谱 根据能量守恒准则： 功率谱的性质 单边功率谱 自功率谱Gxx(f) 功率谱的性质 功率谱的物理意义 由功率谱的定义： 功率谱的计算 工程测试中，只能得到有限区间上的信号 x(t)：t∈(-T/2,T/2)； x(t) ? X(ω) x(t) ? x(n) 根据连续信号的帕斯瓦尔公式： 功率谱的计算 双边互功率谱： 功率谱的计算 得到功率谱计算2种方法： 直接根据相关函数求傅里叶变换 先求幅值谱，再利用上述公式计算 相 干 函 数 评价因果系统输入输出之间的因果关系 输出是否由输入引起？ 输出中有多少由输入引起？ 系统的线性特性如何？ 相干函数 Rxy(τ)能从延时域上描述输出与输入的相关关系 相干函数则从频域上描述输出与输入的相关关系 由: 相干函数 相干函数 相干函数的意义 功率谱分析的应用 频谱分析 故障诊断 信号检测 模式识别 …… 频率响应函数的测定 已知系统的输入、输出，求频响函数 频率响应函数的测定 频率响应函数的测定 （3）实际物理系统频响的求法 频率响应函数的测定 幅值估计法 频率响应函数的测定 互谱估计法 频率响应函数的测定 ③ 互谱估计法 频率响应函数的测定 ④ 平均估计法 细化分析 引出： 功率谱分析基本思想是 带通滤波＋FFT ：分析个别频带上的频率成分 分辨率确定、采样点确定 一些工程信号语音、振动、噪声 频带很宽 频率谱线密集 为了识别谱图的细微结构，必须 提高功率谱分析的分辨率 分析仪器具有很宽的频率范围 细化分析 信号时域宽度T，采样点数N，采样间隔 细化分析的基本思想 移频 确定分析频带f0±f1，找出中心频率f0; 利用移频技术，将f0移至0Hz处： 低通滤波 以截至频率为f0的低通滤波器滤波 得到感兴趣的频段 最高频率f1 低通滤波的目的： 避免重新采样时发生混叠 重新采样 信号原长为T，采样间隔Ts,采样点数N，则 快速傅里叶变换 对重新采样的数据进行FFT?X(k)； 频谱重构，得到细化 D 倍的频谱： ZOOM－FFT的一般步骤 倒频谱分析 或倒功率谱分析Cepstrum 信号非线性叠加的例子 测量问题： 解决问题的思路 频域上“乘积”化为“求和” 频谱取对数 ——倒频谱/倒功率谱 ——1962年Tukey等认提出 用于语音分析、地震分析、回声分析、故障诊断等领域 倒频谱分析原理 设时域信号 倒频谱自变量的量纲 倒频谱分析原理 一般情况下，X(n)为复数： 倒功率谱 设时域信号 倒功率谱分析的过程 倒频谱术语 频谱：sp