《机械工程测试技术基础》课件_第3章 随机测量信号分析与处理.pptxVIP

1(1)随机信号(序列)中任何一个点上的取值都是不能先验确定的随机变量。可以用{x(n)}表示一个随机序列，而用x(n)表示时间为n的点上的一个随机变量。(2)随机序列可以用它的统计平均特性来表征，随机序列在各时间点上的随机变量取值服从某种确定的概率分布。一个随机序列中的每一个随机变量都可以用确定的概率分布特性来统计地描述，或者可以通过统计平均特性来统计地表征。(3)随机信号各频率的能量称为功率谱密度(简称功率谱)。一个平稳的随机信号的功率谱是确定的，因此，功率谱可以统计表征一个随机过程的谱特性第3章随机测量信号分析与处理3.1离散随机信号处理概述随机信号(序列)有以下特点

2对于离散随机信号的概念和表征问题，主要有：(1)一个随机信号在各时间点上的取值以及在不同点上取值之间的相互关联性只能用概率特性或统计平均特性来表征，它的确定值是无法先验表达的。(2)一个平稳随机信号在各频率点上能量的取值可以用功率谱密度函数与自相关函数统计描述。第3章随机测量信号分析与处理

3一个随机变量x(n)的一维概率分布函数为:第3章随机测量信号分析与处理3.2随机时域信号的分析与处理3.2.1离散时间随机过程的概率分布 若x(n)连续，且Px(x,n)关于x可导，则其概率分布可用概率密度函数可用px(x,n)表示，且有

4第3章随机测量信号分析与处理3.2.1离散时间随机过程的概率分布 若x(n)离散，且x(n)所有可能的取值为a1,a2,…an，则其概率分布可用分布律px(ai,n)表示，且有如果要描述一个随机过程中的两个时间点(n1与n2)上的随机变量x(n1)和x(n2)之间的关系，那么可以用二维联合概率分布函数来描述，它表示x(n1)≤x1且x(n2)≤x2的联合概率类似的，可以求出两随机变量构成的二维连续随机变量的二维联合概率密度px(x1,n1;x2,n2)，以及以及二维离散型随机变量的二维联合分布律px(ai,n1;bj,n2)

5第3章随机测量信号分析与处理3.2.1离散时间随机过程的概率分布 对于平稳随机序列，它的二维概率特性只与两点间的时间差m=n2-n1有关，与时间的起始点无关；任何在时间轴上相隔相同距离m的两点的两个随机变量的二维联合概率密度均相同。例如，下图中a、b两点间的联合概率密度与c、d两点以及e、f两点间的联合概率密度均相同。于是，对于平稳随机序列，只需用二维概率密度p(x1,x2,m)即能在统计意义上作充分描述。

6第3章随机测量信号分析与处理3.2.1离散时间随机过程的概率分布 对于两个随机过程，即使所有时间点上的一维概率特性相同，如果它们在不同时间点上取值之间的相关性不同，它们的样本体现形式也会不同。如下图中，即使(a)与(b)在所有时间点上的一维概率分布相同，但(a)的前后相关弱，图(b)的前后相关强，这使得图(a)与图(b)的表现形式很不相同((a)变化快；(b)变化慢)。因此，对于平稳随机过程，可以用二维联合概率分布作充分表征，而对于一个随机过程，则需要用多维联合概率特性来描述，

7第3章随机测量信号分析与处理3.2.2离散时间随机过程的数字特征在许多实践中，往往只需要知道概率分布的某些特征量（均值、方差与自相关函数就是其中最主要的数字特征）就足以描绘这个过程了。当确定了随机过程的分布函数的形式(例如，高斯分布、泊松分布或均匀分布等)时，只要知道它的某些特定的特征量，就能充分描述它的概率分布。例如，对于高斯分布，只要知道它的均值μx与方差σx2两个特征量，就等于完全说明了它的概率密度函数

8第3章随机测量信号分析与处理3.2.2离散时间随机过程的数字特征均值、均方值和方差三个特征量仅与一维概率密度p(x)有关。对于平稳随机过程，其一维概率密度与时间无关，故一个平稳随机序列的均值、均方值和方差均是与时间无关的常数。与二维概率分布有关的统计特性主要是相关函数。

9第3章随机测量信号分析与处理3.2.2离散时间随机过程的数字特征1）相关分析的基本概念如图所示，在时域上有4个信号。若要比较它们的相似程度，可用肉眼观测进行比较，得到如下结论：x2(t)与y1(t)、y2(t)之间很相似；x1(t)与x2(t)、y1(t)、y2(t)中的任何一个都不相似。但是如果要进一步比较x2(t)与y1(t)、y2(t)中的哪两个更相似，仅仅靠观察就很难得到结论了。这时，需要寻找一种定量的方法比较波形的相似程