第5章节随机信号分析28676.pptVIP

第 5 章 随机信号分析 5.1 随机信号简介 是时间t或n的函数，没有明确的数学关系。 样本无穷多，持续时间无穷长。 对任一时刻t 的集合构成一个随机变量，随着t的变化 我们得到无穷多个随机变量。 用描述随机变量的方法来描述随机信号。 随机信号描述 平稳随机过程 均值和时间无关，是常数；自相关函数与时间的起点无关，只与两点的时间差有关。 不同样本函数计算的均值、自相关函数都一样，则称此随机过程为各态遍历的。 非平稳随机过程 包括所有不满足平稳性要求的随机过程。非平稳随机过程的特性一般是随时间而变化的。 5.2 随机信号的相关分析 5.2.1自相关函数及应用 1 定义 一般随机信号 广义平稳随机信号 各态遍历随机信号 2. 自相关函数性质 性质1 若 X(n) 是实信号， 性质2 性质3 周期平稳过程的自相关函数必是周期函数，且与过程的周期相同。 性质4 性质5 不包含任何周期分量的非周期平稳过程满足 3.自相关函数的估计 直接估计 快速计算——利用FFT来实现的快速计算 4 自相关函数的应用 检测淹没在随机噪声中的周期信号 广义平稳随机信号 各态遍历随机信号 2、互相关函数性质 互相关函数与均值 、标准差 有如下关系 不是偶函数，也不对称。 若 与 是两个完全独立无关的信号，则 的最大峰值一般不在 处。 直接方法： 间接估计法（快速傅立叶变换） 先通过FFT求得互功率谱函数，然后计算互谱的逆傅里叶变换 。 4 互相关函数的应用 测量滞后时间 当系统的输出与输入之间有一定的时间差时，互相关函数在时间差等于信号通过系统所需时间值时，将出现峰值。 设信号传播速度为V ，a和b两点距L，则信号由a点传播到b点的时间延迟 5.3.1 随机信号的功率谱密度 由于 是随机过程 的一个样本函数，取哪一个样本函数取决于试验结果 ，且 是随机的。因此， 和 也都是试验结果的随机函数，可写成 和 。 非负性， 是实函数 当随机信号是实过程时，其功率谱是偶函数，即 经典法(线性估计法)—用传统的傅里叶变换分析方法求谱。 间接法(相关估计法)—由数据的自相关序列求功率谱； 直接法(周期图法)—由数据直接用离散傅里叶变换求功率谱。 现代法（非线性估计法） 1. 相关估计法 维纳—欣钦定理：实平稳随机序列的功率谱密度与序列的自相关函数是一对傅里叶变换。 2. 周期图法 采取窗处理减少功率泄漏 。 采取平均化处理减小统计变异性。 加长观测时间 独立观测多次，对结果进行平进化处理。 降低频率分辨率换取估计方差减小 3.经典谱估计法的优缺点 可用FFT计算，速度快 实际中，存在不符合实际的假设，限制了谱估计的质量 自相关法用有限的观测数据N估计 周期图法假设数据以N为周期延拓 谱的分辨率正比2π/N. 不可避免窗函数影响 方差性能不好 可以通过采用相应的改进措施和谱校正方法改善 1 预滤波 当信号需要平滑或抑制不需要的频率分量时，可采用滤波的方法。 2 零均值变换 3 趋势项的移动 与功率谱估计有关的MATLAB函数 periodogram （周期图） Pwelch（Welch法） psd （Welch法计算自功率谱） spectrum （Welch法计算自功率谱） 例： xn=cos(0.3*pi*n)+cos(0.32*pi*n)+randn(size(n)); 5.3.3 功率谱密度与自相关函数的关系 引入 连续时间随机信号 变量替换 自相关函数和功率谱密度构成傅立叶变换对 维纳－辛钦定理或维纳－辛钦公式 离散时间随机序列 具有零均值实平稳随机序列的功率谱密度 与序列的自相关函数 是一对离散时间傅立叶变换对。 5.3.4 功率谱估计的方法 按定义从无限区间求得真实频谱，实际是在有限域中计算，这只是真实频谱的一种估计值，称为谱估计。 周期图法修改： 数据 分段 加窗 处理 计算各段 FFT 求各段 功率谱 求平均 功率谱 改进周期图法（Welch） 原理：使分段数增加，而每段的长度又不减小 其中： 4 选择窗函数时：周期信号尽量保证整周期采样，选择合适的窗函数，使信号截断锐角钝化 [Pxx, f