核数据获取与处教学课件噪声与统计分析.ppt

第二章噪声与统计分析 核数据获取与处理 本章知识结构 噪声（随机过程，变化杂乱无章） 时域 各时域特征不能用确定的数学公式统一描述，但服从统计规律，可由自相关函数统一描述 频域 其Fourier 变换V(ω)为无限值，需要使用有限值的函数描述其频域特征——功率谱密度函数 内容提要 2.1 噪声的基本概念 2.2 统计分析的基本概念 2.3 功率谱密度函数 2.4 自相关函数 2.5 应用实例 2.6 噪声通过线性系统的变化 2.1 噪声的基本概念 噪声专指无用或干扰信息 信号在产生、传输和放大过程中都伴有噪声 2.1 噪声的基本概念 噪声与确定信号的区别 确定信号是按预定规律变化的 2.1 噪声的基本概念 噪声与确定信号的区别 噪声随时间的变化是杂乱无章的，不能用确定的数学公式表示，但服从一定的统计规律。 均方值 功率谱密度函数 自相关函数 2.1 噪声的基本概念 进行噪声与统计分析的意义 设备研制工作中，按照原理图搭好的电路，往往都无法正常工作，还需要考虑三方面的问题。 噪声控制 信号完整性设计 低功耗设计 2.1 噪声的基本概念 进行噪声与统计分析的意义 分析噪声产生的根源，研究噪声的时域和频域特性及其对信号的影响，控制噪声以尽可能的实现信息的高保真获取。 2.2 统计分析的基本概念 集合平均与时间平均 集合平均：多个样本函数在对应的各个时刻上分别取样本的平均值，这些平均值再组成的函数就叫做样本函数的集合平均，集合平均是一个函数。 2.2 统计分析的基本概念 集合平均与时间平均 时间平均：单个样本函数对时间取平均值，时间平均是一个具体的数值。 2.2 统计分析的基本概念 平稳随机过程与各态遍历随机过程 平稳随机过程：集合平均不随时间变化，是一个常数，即各个时刻的集合平均值是相同的。 各态遍历随机过程：集合平均等于时间平均。 我们在实际工作中遇到的噪声一般都属于各态遍历随机过程。 2.2 统计分析的基本概念 噪声的特性（一） 噪声电压或电流的幅度，一般服从正态（高斯）分布。 2.2 统计分析的基本概念 噪声的特性（二） 独立无关的噪声之间，有如下特性 2.2 统计分析的基本概念 噪声的特性（三） 噪声电压或电流的均方值在数值上等于噪声电压或电流在1Ω电阻上产生的平均功率。因此，噪声的均方值( )是其平均功率（强度）的量度。 2.3 功率谱密度函数 对于噪声而言，无法直接使用Fourier变换研究其频谱。 原因：随机信号的物理特征是能量无限、功率有限，因而其能量谱|V(ω)|2趋于无穷大，由此可知其频谱V(ω)也趋于无穷大，即积分 是不存在的。 2.3 功率谱密度函数 我们只能通过研究噪声中频率为ω（2πf）的某一分量对噪声功率的贡献，来研究噪声的频域特性。 （功率谱密度函数的由来） 截取噪声v(t)在-T/2到T/2范围内的一段作为能量有限信号vT(t)，在其有效的时间T内，平均功率为： 2.3 功率谱密度函数 当T趋于无穷时， vT(t)的平均功率将趋于v(t)的平均功率，即： 由此可得： 2.3 功率谱密度函数 S(ω)是数学频域（-∞， ∞ ）内的功率谱密度，单位是[W/Hz]。在研究工作中常需要知道在物理频域内（0， ∞ ）相对于角频率ω的功率谱密度（单边功率谱密度）s(ω)（单位是[W/(rad/s)]），二者相互关系为： 可得： 2.3 功率谱密度函数 能量信号和功率信号 当T趋于无穷时， |VT(ω)|2 趋于|V(ω)|2 能量信号：|V(ω)|2为有限值，则S(ω)趋于0。 单个有限时间宽度，有限幅度的信号。 功率信号： S(ω)不为0， |V(ω)|2趋于无穷大。 周期信号、平稳随机信号和噪声。 2.4 自相关函数 自相关函数：在相隔时间为τ的两个时刻，样本函数取值的乘积对时间平均值。 对于噪声，自相关函数作如下定义： 2.4 自相关函数 自相关函数的性质： 1，对于平稳随机过程，自相关函数是时间差τ的函数，与时间t无关。 2，v(t)是实函数时，R(τ)也是实函数，并且是τ的偶函数，即 3，当τ=0时 4，当τ趋于无穷时 2.4 自相关函数 自相关函数的性质： 5， τ=0时，R(τ)最大； |τ|增加， R(τ)的的幅度越来越小； τ趋于无穷时R(τ)趋于平均值的平方。 6，设v1(t)和v2(t)独立无关，v(t)=a1v1(t)+a2v2(t),则 7，自相关函数和功率谱密度函数互为Fourier变换对 2.5 应用实例 如何求噪声电流（电压）的功率谱密度函数和自相关函数？ 2.5 应用实例 噪声可以看成是强度Q各不相同的冲击信号组成的随机冲击序列。即 2.5 应用实例 研究方法 我们先分析等强