第七讲数字信号处理技术.pptVIP

(3)方差和均方差(标准差) 方差表示为 ，均方差又称标准差，表示为 。 即方差为 对 的偏差的平方的平均值，可导得 ? (4)概率密度函数 其中， 与 为概率分布函数。 (5)概率分布函数 也即随机变量幅值不大于某值的累积概率： 式中： 为随机变量幅值， 为某一值， 为概率。 (6)自相关函数 在自相关函数中还可求得自相关系数，即信号 的自相关函数与该信号的均方值之比 自相关系数值是在(-1～1)之间的任意数。 由于确定性信号(特别是周期信号)，一般在所有时间位移上都有自相关函数，而随机信号在时间位移 稍大时，自相关趋于零(当 时)，所以常用自相关函数来检测混淆在随机信号中的确定性信号(尤其是周期信号)。 (7)互相关函数 互相关函数表示两个信号波形相差 时的相似程度。也即时域中两个信号的相似性可以用互相关函数来表示。同时也可以得到互相关系数 ，即信号 与 的互相关函数与这两个信号均方值的乘积的平方根之比，即 对任何延迟时间，互相关系数都满足-1≤ ≤+1。 2．频域分析求得的统计函数 (1)自功率谱密度函数 对于随机信号，一般是非周期的，且是无限持续的，因此，严格地讲，随机信号不存在傅里叶变换，只能通过自相关和功率谱来描述其特点。 对于平稳随机过程，自功率谱密度为自相关函数的傅里叶变换 (2)互功率谱密度函数 对于平稳随机过程，互功率谱密度函数为两随机过程间的互相关函数的傅里叶变换 若两个随机过程互相独立，均值至少有一个为零时，互功率谱密度在任何频率处均为零；若均值皆不等于零时，互功率谱密度是 处的冲激函数，反映两者的直流分量。 (3)相干函数 相干函数的数学定义为 对于两个在统计上互相独立的随机过程，则对所有的频率相干函数均为零。 对于线性系统来说，相干函数 可解释为在频率 处的一部分输出的均方值，这部分输出是由输入 引起的。而[1- ]的部分则是 的另一部分(不是由输入 形成的)均方值。 五、数字信号处理中的几个重要问题 （一）混叠的机理和控制 图9-4-1 频率混叠实例 处理混叠问题有两个实际方法： 一是选择采样频率 足够高，采样间隔足够短。 二是信号在进入A／D转换之前，先通过一个模拟式的低通滤波器，使得所研究的最高频率 以上的信息不再包含在滤波后的数据中，或者可在A／D转换之后，经过一个数字式滤波器，滤除信号中不必考虑的高频成分。 （二）泄漏和窗函数 在数字信号处理中，由于受到处理时间和计算机容量的限制，只能截取有限长的波形进行分析，这就意味着对时域信号的截断，这种截断将导致偏差，其效果是使得本来集中于某一频率的功率(或能量)，部分地被分散到该频率的邻近频域，这种现象称为泄漏效应。 图9-4-4 余弦函数被矩形窗截断形成的泄漏 为了抑制泄漏，有时需采用特种窗函数来替换矩形窗函数，对截断的信号序列进行特定的不等权处理，这一过程称为窗处理，或称加窗。对窗函数的频谱要求主要有下列两点： (1)主瓣尽可能窄，使通频带陡峭，从而有助于提高谱线分瓣率。 (2)旁瓣尽可能小，使能量集中于主瓣。 图9-4-5 常用窗函数的时域图象及频谱 加窗的目的是在时域上平滑截断信号两端的波形突变。各种窗函数特性不同，对信号起不同的修正作用。 （三）窗长的合理选择 经验研究表明，时间序列的长度，即窗长比所用的窗的类型更加重要。窗的长度直接决定了频谱的分辨率和稳定性。时间窗长度的探索，最适当的办法是从小的时间长度开始，逐步增大，直到频谱不再受到影响为止。一般说来，使用窗的长度至少是信号波形最大周期的两倍，建议取分析长度为所需研究的最大周期的两倍到8—10倍。对于瞬变过程，最好对全波形进行分析。 不合理的截断亦会带来较大误差 图9-4-6 傅立叶分析用的正弦波 （四）频谱的细化分析 测试信号的离散频谱反映了信号的频率结构，由于研究对象结构的复杂性，有时对频率分辨率有较高的要求，这就需要用频谱的细化分析方法。所谓的频谱细化分析，就是对宽带信号中某些谱峰的不易分辨处或某些感兴趣的窄带频段处进行细化分析。 图9-4-7 普通谱图与细化谱图 (a) 原始谱图 (b) (a)图影线部分10:1比例的