第二章测试信号分析与处理Signal analysis and processing in measurement.ppt

(2) 设函数g(t)为 其傅里叶变换为G(ω)。由于 利用(2.87)得 或 亦即 9. 频域微分和积分 如果有 则 进而可扩展为 和 式中 若x(0)=0，则有 (2.91) (2.92) (2.93) (2.94) （四）功率信号的傅里叶变换 只有满足狄里赫利条件的信号才具有傅里叶变换，即 有限平均功率信号，它们在(-∞, ∞)区域上的能量可能趋近于无穷，但它们的功率是有限的，即满足 利用δ函数和某些高阶奇异函数的傅立叶变换来实现这些函数的傅立叶变换。 (2.95) 1.单位脉冲函数 在Δ时间内激发有一矩形脉冲p Δ (t)，它的幅值为1/Δ，面积为1。当Δ→0时，该矩形脉冲p Δ (t)的极限便称为单位脉冲(unit impulse)函数或δ函数。 性质： （1） （2） (2.96) (2.97) 图2.36 矩形脉冲函数与δ函数 由δ函数的两条性质式(2.96)和(2.97) ，可得 其中x(t)在t=t0时是连续的。 单位脉冲函数δ(t)的傅里叶变换 ： 即 (2.99) (2.100) (2.101) 图2.37 δ(t)及其傅里叶变换 时移单位脉冲函数δ(t-t0)的傅里叶变换对： 常数1的傅里叶变换对： 图2.38 δ(t-t0)及其傅里叶变换 图2.39 常数1及其傅立叶变换 (2.102) (2.103) (2.104) 单位脉冲函数δ(t)与任一函数x(t)的卷积 证明： 推广可得 (2.105) (2.106) 图2.41 x(t-t1)与δ(t-t0)的卷积 2.余弦函数 欧拉公式： 余弦函数的频谱： 正弦函数的频谱： 图2.42 正、余弦函数及其频谱 (2.111) (2.110) (2.109) 3.周期函数 周期函数x(t) 的傅里叶级数形式： 式中 x(t)的傅立叶变换为： 一个周期函数的傅里叶变换由无穷多个位于x(t)的各谐波频率上的单位脉冲函数组成。(傅立叶级数信息的另一种表达！) (2.117) 例12 单位脉冲序列 求它的傅里叶变换。 解：将x(t)表达为傅里叶级数的形式 于是有 对式（2.119）两边作傅里叶变换得 根据式（2.117）可得 亦即 (2.118) (2.119) (2.120) 一个周期脉冲序列的傅里叶变换仍为（在频域中的）一个周期脉冲序列。单个脉冲的强度为ω0=2π/T，且各脉冲分别位于各谐波频率nω0=n2π/T上，n=0, ±1, ±2, …。 图2.47 周期脉冲序列函数及其频谱 七、随机信号描述 （一）概述 （二）随机过程的主要特征参数 均值、均方值和方差 概率密度函数和概率分布函数 （一）概述 随机信号(random signal)特点： 具有不能被预测的瞬时值； 不能用解析的时域模型来加以描述； 能由它们的统计的和频谱的特性来加以表征。 描述随机信号必须采用概率统计的方法。 样本(sample)函数 ：随机信号按时间历程所作的各次长时间的观察 ，记作xi(t)。 样本记录：在有限时间区间上的样本函数。 随机过程 ：同一试验条件下的全部样本函数的集（总体）(ensemble)，记为{x(t)}。 (2.121) 对随机过程常用的统计特征参数： 均值、均方值、方差、概率密度函数、概率分布函数和功率谱密度函数等。 均值(mean value)： 均方值(mean square value)： 这些特征参数均是按照集平均(set average)来计算的，即在集中的某个时刻对所有的样本函数的观测值取平均。 分类： 平稳随机过程 ； 非平稳过程。 平稳随机过程(stationary random process) ： 过程的统计特性不随时间的平移而变化、或者说不随时间原点的选取而变化的过程。严格地说便是：如果对于时间t的任意n个数值t1,t2, …,tn和任意实数ε，随机过程{x(t)}的n维分布函数满足关系式 对于一个平稳随机过程，若它的任一单个样本函数的时间平均统计特征等于该过程的集平均统计特征，则该过程称为各态历经(ergodic)过程。 工程中遇到的许多过程都可认为是平稳的；其中的许多都具有各态历经性。 (2.124) （二）随机过程的主要特征参数 均值、均方值和方差 对于一个各态历经过程x(t)，其均值μx定义为 E[x]——变量x的数学期望值； x(t) ——样本函数 ； T——观测的时间。 均值μx表示信号的常值分量。 随机信号的均方值ψx2定义为 E[x2]——变量x2的数学期望值。 均方值描述信