随机信号分析基础四习题.PPTVIP

第四章随机信号的功率谱密度 4.1 功率谱密度 4.2 功率谱密度与自相关函数之间的关系 4.3 功率谱密度的性质 4.4 互谱密度及其性质 4.5 白噪声与白序列 4.6 功率谱估值的经典方法 4.1 功率谱密度 确定时间函数 频谱 能量 能谱密度 时域内信号的能量等于频域内信号的能量 4.1 功率谱密度 随机信号的能量一般是无限的，但是其平均功率是有限的。 因此可推广频谱分析法，引入功率谱的概念。 Gx(ω)被称为随机过程X(t)的功率谱密度函数，功率谱密度是从频率角度描述随机过程X(t)的统计特性的最主要的数字特征。 随机过程 4.1 功率谱密度 随机过程 随机过程X(t)的平均功率为： 功率谱密度仅表示X(t)的平均功率在频域上的分布，不包含任何相位信息。 4.2 功率谱密度与自相关函数之间的关系 维纳－辛钦定理 成立条件是Rx(τ)和Sx(ω)绝对可积 即随机过程平均功率有限，应不能含有直流成分或周期性成分 4.2 功率谱密度与自相关函数之间的关系 当τ=0时 是平稳随机过程X(t)的平均功率。 可知 维纳－辛钦定理 4.2 功率谱密度与自相关函数之间的关系 (1)如果所遇的问题中，平稳过程有非零均值，这时正常意义下的付氏变换不存在，但非零均值可用频域原点处的δ-函数表示。该δ-函数的权重即为直流分量的功率。 我们借助于δ-函数，将维纳-辛钦公式推广应用到含有直流或周期性成分的平稳过程中来。 维纳－辛钦定理 (2)当平稳过程含有对应于离散频率的周期分量时，该成分就在频域的相应频率上产生δ-函数。 4.2 功率谱密度与自相关函数之间的关系 典型的傅氏变换 4.3 功率谱密度的性质 性质1： 非负性， Gx(ω)≥0 性质2： GX(ω)是实函数 性质3： Gx(ω)是偶函数，即 性质4： 4.3 功率谱密度的性质 性质5：有理谱密度是实际应用中最常见的一类功率谱密 度，自然界和工程实际的有色噪声常常可用有理函数形式 的功率谱密度来逼近。它应具有如下形式： 4.4 互谱密度及其性质 定义实过程X(t)和Y(t)的互谱密度函数为 互谱密度 4.4 互谱密度及其性质 1. 互谱密度性质 2. Re[GXY(ω)]和Re[GYX(ω)]实部是ω的偶函数； Im[GXY(ω)]和Im[GYX(ω)]虚部是ω的奇函数。 3.若平稳过程X(t)和Y(t)相互正交，则有 4.4 互谱密度及其性质 4. 若随机过程X(t)和Y(t)联合平稳，RXY(τ)绝对可积， 则互谱密度和互相关函数构成傅里叶变换对，即: 4.4 互谱密度及其性质 5. 若X(t)和Y(t)是两个不相关的平稳过程，分别有均值mX和mY，则 6. 互谱密度的幅度平方满足 4.4 互谱密度及其性质 相干函数用于数据分析，系统辨识和功率谱估计 相干函数定义 4.5 白噪声 利用傅立叶反变换可求得白噪声的自相关函数为： 白噪声定义 4.5 白噪声 上式表明；白噪声在任何两个相邻时刻(不管这两个时刻多 么邻近)的状态都是不相关的，即白噪声随时间的起伏变化 极快，而过程的功率谱极宽。 白噪声特性 与连续的白噪声过程相对应的随机序列则是白序列。 4.5 功率谱估值的经典方法 式中XN(ω)是xN(0≤n≤N—1)的N点DFT。 1. 周期图法 2. Blackman-Tukey(BT法) 直接采用上面两个公式的估值方法最大的问题是这个估计量不是一致估计量，即当N很大时，方差也不减小。 4.5 功率谱估值的经典方法 1. 平均法 将周期图再加以平均 将样本分成小段，计算周期图 合理选择分段方法：如修正周期图法或Welch法 4.5 功率谱估值的经典方法 1. 平滑法 窗口根据实际情况选择 将全部数据用来计算出—个周期图，然后在频域将其平滑 4.5 功率谱估值的经典方法 谱估值的一些实际问题 1.数据采样率 2.每段数据的长度L 3.数据总长度 4.数据预处理 a.把无用的直流分量和周期分量(比如市电干扰)去掉 b.处理前还应去掉信号中的“趋势项”，比如电生理记录中的基线漂移，这可以采用一阶或二阶差分处理或用线性回归，高次多项式回归估算出趋势项，然后再从原来数据中减去的办法来处理。 c.对数据的开始和结尾加适当的平滑过度窗等 随机信号分析基础 第四章习题讲解 4.1 解：首先了解一下功率谱密度的性质 它符合有理功率谱密度的性质，所以是功率谱密度的正确表达式。 该函数不关于纵轴对称，更不是偶函数，所以它不是功率谱密度的正确表