第四章+信号基础.pptVIP

/jc/index.html 2、时域连续非周期信号傅立叶变换式即前面已经推导出的一对傅立叶积分表示式： 前者称为傅立叶正变换式，它将时域内t 的函数变换为频域内ω的函数；后者称为傅立叶逆变换式或反变换式，可把ω的函数变换为t 的函数。 傅立叶变换式简记为 4.4.1 连续傅里叶变换 /jc/index.html 4.4.2 离散傅里叶变换 省略 /jc/index.html 4.5 随机信号4.5.1. 随机过程的概念及分类 随机信号是工程中经常遇到的一种信号，其特点为： 1）时间函数不能用精确的数学关系式来描述； 2）不能预测它未来任何时刻的准确值； 3）对这种信号的每次观测结果都不同，但大量地重复试验可以看到它具有统计规律性，因而可用概率统计方法来描述和研究。 产生随机信号的物理现象称为随机现象。表示随机信号的单个时间历程 称为样本函效，某随机现象可能产生的全部样本函数的集合 (也称总体)称为随机过程。 /jc/index.html 4.5.1. 随机过程的概念及分类 随机过程可分为非平稳随机过程 和平稳随机过程两类。平稳随机过程又分为各态历经(又叫遍历性)和非各态历经两类。 一般情况下，ux(t1)和Rx(t1,t1+τ)都随t1改变而变化，这种随机过程为非平稳随机过程。 若随机过程的统计特征参数不随时间变化，则称之为平稳随机过程。 如果平稳随机过程的任何一个样本函数的时间平均统计特征均相同，且等于总体统计特征，则该过程叫各态历经过程。 /jc/index.html 4.5.2. 随机过程的主要统计参数 均值 方差、标准差 均方值、均方根值 概率密度函数 相关函数 功率谱密度函数 各态历经信号的均值μ为 均值确定了随机过程{x(t)}的中心趋势。 /jc/index.html 4.5.2. 随机过程的主要统计参数 均值 方差、标准差 均方值、均方根值 概率密度函数 相关函数 功率谱密度函数 方差 方差的正平方根叫标准差σ ，是随机数据分析的重要参数，确定了x(t)的散布。 /jc/index.html 4.5.2. 随机过程的主要统计参数 均值 方差、标准差 均方值、均方根值 概率密度函数 相关函数 功率谱密度函数 均方值ψ2描述随机信号的强度 均方值的正平方根称为均方根值，可表示为xrms。 均值、方差和均方值的相互关系是 /jc/index.html 4.5.2. 随机过程的主要统计参数 均值 方差、标准差 均方值、均方根值 概率密度函数 相关函数 功率谱密度函数 在相同实验条件下，重复N次试验，某实验结果A发生了N[A]次，则A的概率定义为 随机信号的概率密度函数的定义——任意时刻，信号x(t)的幅值落在以ξ为中心、宽度区间⊿x内的概率与⊿x的比。 /jc/index.html 4.5.2. 随机过程的主要统计参数——概率密度函数 幅值概率密度函数 幅值落在以ξ为中心、宽度区间⊿x内的时间 幅值落在以ξ为中心、宽度区间⊿x内的概率 /jc/index.html 4.5.2. 随机过程的主要统计参数——概率密度函数 概率函数公式表达： 概率密度函数公式表达： /jc/index.html 典型信号的概率密度函数 /jc/index.html 4.5.2. 随机过程的主要统计参数——信号的相关分析 在测试信号的分析中，相关是一个非常重要的概念。图表示了由两个随机变量x和y组成的数据点的分布情况。变量x和y之间的相关程度常用相关系数表示 式中：E—数学期望:σxy随机变量x、y的协方差; μx＝E[x]—随机变量x的均值；μy＝E[y]—随机变量y的均值； σx,σy—随机变量x、y的标准差： 第四章 信号分析基础 制作：孟现柱 mengxz12@ /jc/index.html /jc/index.html 4.1 信号的分类 信号就是随时间和空间变化的某种物理量或物理现象。 若信号为电压、电流、电荷、磁链，则称为电信号。 信号通常是时间变量t的函数。信号随时间变量t变化的函数曲线称为信号的波形。 注意：信号一般是时间变量t的函数，但函数并不一定都是信号，信号是实际的物理量或物理现象，而函数则可能只是一种抽象的数学定义。 /jc/index.html 4.1.1静态信号和动态信号 一定测量精度和测量条件下，不随时间变化的信号叫静态信号； 一定测量精度和测量条件下，随时间变化的信号叫动态信号。 /jc/index.html 4.1.2 确定性信号和随机信号 确定性信号是指可以用数学关系式或图表来明确描述其关系的信号。确定性信号信号是一确定的时间函数时，当给定某一时间值，就可以确定一相应的函数值。 电路中的指数信号、正弦信号以及