3-3信描述-常用信号.pptVIP

信 号 分 析常用信号随机信号 机械电子工程研究所 冲激函数定义 冲激函数定义 冲激函数定义 其他，如三角形脉冲、双边指数脉冲、钟形脉冲函数等的极限，亦可以变为冲激函数的定义 冲激函数狄拉克定义 冲激函数性质 抽样性（筛选性）单位冲激函数与一个在t=0处连续且有界的信号f(t)相乘，其积只有在t=0处得到f(0)，其余各点乘积均为零 冲激函数性质 偶函数 冲激函数性质 随机信号 随机信号的相位、幅值是不可预知的，无法使用确定的时间函数进行表示，隶属非确定性信号 即使在相同的条件下，对信号进行重复观测，每次观测的结果都不一样的；通过利用统计大量观测数据可以得到信号的一定规律性 随机信号 例如：陀螺的漂移，测试信号中的干扰和噪声，运动体或机械传动中的随机因素影响引起的振动等，都可以抽象为随机信号 对随机物理现象每次观察结果都不一样，每次观察到的时间函数只是可能产生的无限个时间函数中的一个“样本”，随机现象可能产生的全部样本的集合[总体]称为随机过程。随机信号也就是随机过程 随机信号 随机过程的分类 平稳随机过程 支配随机过程的统计规律不随时间而改变 非平稳随机过程 支配随机过程的统计规律随时间而改变 各态历经随机过程 在固定时刻的所有样本的统计特征和单一样本在长时间内的统计特征一致的随机过程 非各态历经随机过程 随机信号 随机过程的特点 [1]随机信号的任何一个实现，都只是随机信号总体中的一个样本，任何一个样本都不能代表该随机信号 [2]在任一时间点上的取值都是一个随机变量，从而随即信号的描述与随机变量一样，只能用概率函数和集平均这样的数字特征值来描述。若是各态历经随机信号，集平均可用一个样本的时间平均来表示。 注意：随机变量的数字特征表现为一个确定的数字，而随机过程的数字特征是一个函数 随机信号 [3]平稳随机信号在时间上是无始无终的，其能量也是无限的，不存在傅里叶变换，不能用通常的频谱表示，也不能用常规的滤波方法进行处理，需要基于最小估计理论的广义滤波----维纳滤波、卡尔曼滤波和自适应滤波技术实现。 随机信号的能量是无限的，功率是有限的，采用功率谱方法描述随机信号的频域特征 随机信号 描述随机信号的方式： [1]平均[均值]（包括数学期望、方差和均方值） [2]概率密度函数和概率分布函数 [3]相关函数和协方差 [4]功率谱密度 方差 信号x(t)的方差定义为： 均方值 信号的均方值E[x2(t)]，表达了信号的强度；其正平方根值，又称为有效值(RMS)，也是信号平均能量的一种表达。 均方值 均方值反映了随机信号相对于0值的波动分量 随机信号x(t)期望、方差和均方值之间的关系 实际处理 在实际进行处理时，无限长时间的采样是不可能的；实际取有限长的样本作估计 期望 均方值 有效值 各态历经平稳随机序列x(n) 期望、方差和均方值 概率密度函数和概率分布函数 概率密度函数是一幅值变量x的函数，表示信号瞬时值落在x值附近 范围内的概率密度 若对某一随机信号x(t)进行观察，T为观察时间，Tx为T时间内x(t)落在 区间内的总时间，其幅值落在 区间内的概率可以用Tx/T反映，当 ，其概率为 概率密度函数和概率分布函数 随机信号x(t)的概率密度函数定义反映了信号幅值落在某一极小范围 内的概率，即随机信号x(t)的概率密度函数的定义为 概率分布函数是信号瞬时值小于或等于某指定值的概率，可表示为 显然有 随机信号的幅值域特征估计 实际工程测试中，随机信号是无限长的，不可能在无限长时间内获得信号的准确采样；一般只能在有限的时间内获得有限个个体样本，根据经验来估计总体分布状况 均值估计 方差估计 均值估计 设x(n)为平稳各态历经离散随机过程{x(n)}所观测的样本序列，其均值估计为 该估计的均值 值即为该随机信号的均值的真值，因而均值的估计是无偏估计 均值估计 均值估计的方差 设x(n)和x(m)互不相干，则 方差估计 设样本的均值估计已知，方差的估计为 估计的均值为 设x(n)和x(m)互不相干，则 均值E[x(t)]表示集合平均值或数学期望值。 均值：反映了信号变化的中心趋势，也称之为直流分量。 平均[均值] 方差：反映了信号相对均值的波动程度。 大方差 小方差 p(x)的计算方法 以幅值大小为横坐标，以每个幅值间隔内出现的频次为纵坐标进行统计分析的一种方法。 直方图 概率密度函数 归一化 直方图 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。 概率分布函数 实验图谱 *