第2章测试信号的时域分析和处理.ppt

第2章 测试信号的时域分析与处理 第2章 测试信号的时域分析与处理 教学目标 了解信号的时域特征 掌握确定性信号的建模方法 掌握随机信号的建模方法 了解信号的数值微积分运算方法 2.1 信号时域特征的获取方法 2.1.1 采样信号的主要特点 2.1 信号时域特征的获取方法 2.1.1 采样信号的主要特点 2.1 信号时域特征的获取方法 2.1.1 采样信号的主要特点 2.1 信号时域特征的获取方法 2.1.2 时域信号的特征值获取方法 1、零线的读取方法 2.1 信号时域特征的获取方法 2、 峰值的获取方法 2.1 信号时域特征的获取方法 （2）干扰噪声对峰值判读的影响 2.1 信号时域特征的获取方法 3、信号周期、上升时间和脉冲宽度的获取 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 1 均值 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 2 方差及标准差 对样本长度为N的离散随机信号，其方差（variance）估计为： 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 3 自协方差及自相关系数 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 3 自协方差及自相关系数 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 3 自协方差及自相关系数 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 4 概率分布 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 5 统计特征计算的MATLAB实现 （1）均值计算 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 5 统计特征计算的MATLAB实现 （2） 方差计算 y=var(x) ——若x为向量则返回向量的样本方差值。若x为矩阵则返回矩阵列向量的方差行向量 （3） 标准差计算 y=std(x) —— 函数返回向量（矩阵）x的样本标准差（置前因子1/n-1） 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 5 统计特征计算的MATLAB实现 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 5 统计特征计算的MATLAB实现 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 5 统计特征计算的MATLAB实现 （4） 自协方差计算 c=cov(x) =cov(x,y) ——当x为矢量时，cov(x)求出矢量x的协方差c（标量）；当x为矩阵时，x的每一行为一观察值，每一列为一变量，这样cov(x)就得到协方差矩阵。cov（x，y）中，x，y为长度相等的列矢量，相当于cov（[x，y]）。 2.1 信号时域特征的获取方法 2.1.3 随机信号统计特性的获取 5 统计特征计算的MATLAB实现 （5） 相关系数计算 R=corrcoef(x，y) 例：产生两个正弦信号和白噪声的样本数据，并估计其相关系数矩阵值 MATLAB源程序：% to test corrcoef function; clear all; N=256; f=.1;a1=5;a2=3; x=a1*sin(2*pi*f*(0:N-1))+2*randn(1,N); y=a2*sin(2*pi*f*(0:N-1))+randn(1,N); %求数据向量x，y的相关系数矩阵； R=corrcoef(x，y） 运行结果：R= 1.000 0.8063 0.8063 1.0000 2.2 信号与数据的插值方法 2.2.1 代数插值法概述 2.2 信号与数据的插值方法 2.2.1 代数插值法概述 2.2 信号与数据的插值方法 2.2.2 Lagrange（拉格朗日）插值 2.2 信号与数据的插值方法 2.2.2 Lagrange（拉格朗日）插值 2.2 信号与数据的插值方法 2.2.2 Lagrange（拉格朗日）插值 2.2 信号与数据的插值方法 2.2.2 Lagrange（拉格朗日）插值 2.2 信号与数据的插值方法 2.2 信号与数据的插值方法 2.2 信号与数据的插值方法 2.2.2 Lagrange（拉格朗日）插值 2.2 信号与数据的插值方法