第5章-信号处理初步.pptVIP

3、功率谱的估计 无法按式(5—31)来计算随机过程的功率谱，只能用有限长度了的样本记录来计算样本功率谱，并以此作为信号功率谱的初步估计值。 对于数字信号，功率谱的初步估计为： 也就是对离散的数字信号序列{x(n)}进行FTT运算，取其模的平方，再除以N(或乘以2／N)，便可得信号的功率谱初步估计。这种计算功率谱估计的方法称为周期图法。它也是一种最简单、常用的功率谱估计算法。 二、信号的自相关函数 对各态历经随机信号及功率信号可定义自相关函数Rx(τ)为 自相关函数具有的性质 1）由式（5——14）有 5)周期函数的自相关函数仍为同频率的周期函数，其幅值与原周期信号的幅值有关，而丢失了原信号的相位信息。 例5.1 求正弦函数 的自相关函数，初始相角φ为一随机变量。 解: 此正弦函数是一个零均值的各态历经随机过程，其各种平均值可以用一个周期内的平均值表示。该正弦函数的自相关函数为 可见正弦函数的自相关函数是一个余弦函数，在τ=0时具有最大值，但它不随τ的增加而衰减至零。它保留了原正弦信号的幅值和频率信息，而丢失了初始相位信息。 图是某一机械加工表面粗糙度的波形，经自相关分析后所得到的自相关图呈现出周期性。这表明造成表面粗糙度的原因中包含有某种周期因素。从自相关图能确定该周期因素的频率，从而可以进一步分析其原因。 三、信号的互相关函数 定义： 互相关函数具有的性质 1）当τ=0时，Rxy(τ)不一定出现最大值，而在τ大于零的某处互相关函数出现最大值。 2）平稳随机过程的Rxy(τ)是非奇非偶函数。 3）当τ→∞时，有两种情况。 3-1)当两随机信号不含有相同频率的周期成分时，则两随机信号不相关，这时，Rxy(τ)→uxuy。 3-2)当两随机信号含有相同频率的周期成分时，则两随机信号具有某种程度的相关性，表现为Rxy(τ)具有周期分量，且该分量的频率与当两随机信号所含的周期分量的频率相同。 4)两个均值为零具有相同频率的周期信号，其互相关函数中保留了原两信号的频率、幅值及相位信息。 5)如果随机信号x(t)和y(t)均为几个分量叠加而成则其互相关函数为组成它们各个分量两两之间互相关之和。 　 　 推论：如果随机信号x(t)为几个分量叠加而成则其自相关函数为组成它们各个分量的自相关及它们两两之间互相关之和。 6）自相关函数的范围 5)例题 例5-2 设有两个周期信号x(t)、y(t) 由此例可见：两个均值为零且具有相同频率的周期信号，其互相关函数中保留了这两个信号的圆频率ω、对应的幅值以及相位差值φ的信息。 例5-3 设有两个周期信号x(t)、y(t) 例5-2和例5-3是自相关函数的一个重要特性： 简称为： 同频相关，不同频不相关 相关滤波就是利用这个原理 4)互相关函数的应用 互相关函数可在在噪声背景下提取有用信息的一个非常有效的手段。 如果我们对一个线性系统(例如某个部件、结构或某台机床)激振，所测得的振动信号中常常含有大量的噪声干扰。根据线性系统的频率保持性，只有和激振频率相同的成分才可能是由激振而引起的响应，其他成分均是干扰。 因此只要将激振信号和所测得的响应信号进行互相关(不必用时移，τ=0)就可以得到由激振而引起的响应信号幅值和相位差，消除了噪声干扰的影响。这种应用相关分析原理来消除信号中噪声干扰、提取有用信息的处理方法叫做相关滤波。 它是利用互相关函数同频相关、不同频不相关的性质来达到滤波效果的。 V=d/τd S=1/2vτm 对能量有限信号，有 四、相关函数的估计 使模拟信号不失真地沿时轴平移是一件困难的工作。因此，模拟相关处理技术只适用于几种特定信号(如正弦信号)。在数字信号处理中，信号时序的增减就表示它沿时间轴平移，是一件容易做到的事。所以实际上相关处理都是用数字技术来完成的。对于有限个序列点N的数字信号的相关函数估计，有 第四节 功率谱分析及其应用 时域中的相关分析为在噪声背景下提取有用信息提供了途径。功率谱分析则从频域提供相关技术的信息，它是研究平稳随机过程的重要方法。 自功谱密度函数 互谱密度函数 一、自功谱密度函数 (1)定义及其物理意义 假定x(t)是零均值的随机过程，即ux=0，又假定x(t)中没有周期分量，那么当τ→∞，Rx(τ)→0。 这样，自相关函数Rx(τ)可满足傅里叶变换的条件。 可得到Rx(τ)的傅里叶变换Sx(f)　　 定义S(f)为x(t)的自功率谱密度函数，简称自谱或自功率谱。 由于Sx(f)和Rx(τ)之间是傅里叶变换对的关系，两者是唯一对应的，Sx(f)中包含着Rx(τ)的全部信息。 因为Rx(τ)为实偶函数，Sx(f)亦为实偶函数。由此常用在f=(0～∞)范围内Gx(