第4章-相关算法.ppt

设有一被测信号为s(t)：相位差为φ的正弦信号，并夹带有白噪声信号Nx(t)的干扰，A为s（t）中确定信号的幅值 s(t)=x(t)+N(t)=Asin(wt+θ+φ)+Nx（t） 两个参考信号为 说明： y(t)=Bsin(wt+θ) y1(t)=Bcos(wt+θ) 被测信号s(t)和参考信号y(t)、y1(t)之间相关函数的估计值为 相关算法示例流程 步骤四：还原原始波形 利用步骤三求得的幅值和相位结果a和fai1 ， 借助波形产生函数SineWave生成不含噪声 的原始波形。具体程序代码如下： SineWave (200, a, 2.0/200, fai1, datapoints); PlotY (panelHandle, PANEL_WAVEFORM, datapoints, n, VAL_DOUBLE,VAL_THIN_LINE, VAL_EMPTY_SQUARE, VAL_SOLID, 1, VAL_BLACK); 卷积(Convolve) int status=Convolve( double x[], int n, double y[], int m, double cxy[]) 卷积公式为 参数x，y分别表示两输入数组，长度分别为n，m，两数组的卷积结果储存在数组cxy中。 微分(Difference) int status=Difference( double x[], int n, double dt, double xInit, double xFinal, double y[]) 计算微分的公式为 式中，x是输入数组，xInit是初始值，xFinal是最终值，dt为采样间隔，n为元素个数，y为微分结果数组。 ?积分(Integrate) int status= Integrate( double x[], int n, double dt, double xInit, double xFinal, double y[]) 式中，x是输入数组，xInit是初始值，xFinal是最终值，dt为采样间隔，n为元素个数，y为积分结果数组。 * 4.2.1 信号的时域分析 (Time Domain) LabWindows/CVI中提供了信号时域分析中常用的几种处理方法的函数，常用的处理函数包括： ·相关性分析函数Correlation( ) ·卷积运算函数Convolve( ) ·积分运算函数Integrate( ) ·微分运算函数Difference( ) ·快速傅里叶变换函数FFT（） 时域 频域 说明：对于每一种信号处理方法，LabWindows/CVI函数都是采取某种定义进行计算。一般来说，对绝大多数情况，函数的计算结果都是适用的，但未必对实际中的每种情况都适合，当出现特殊需要时，需要自己编写合适的处理函数。 1 相关性分析原理 Correlation( )函数中所用的离散序列的相关性计算公式如下： x数组长度为n，y数组长度为m，利用下面公式计算出一个 自相关数组，数组长度为m+n 式中，i=0、1、2、…、n+m–1，且 x[j]=0, 当j0或j≥n y[j]=0, 当j0或j≥m 函数Correlation( )的原型定义如下： int status = Correlate (double x[], int n, double y[], int m, double rxy[] )； 意义：将同频的两个周期信号作互相关处理，既可以保留同频，又可以保留相位信息。非同频的周期信号是不相关的，因此可以将同一频率的参考信号与被测信号进行互相关处理，由于干扰信号与参考信号不同频率，这样就可以得到消除干扰后的被测信号，提取幅值和相位信息。 1．输入参数 输入参数的类型和说明见下表。 2．输出参数 输出参数为离散序列x和y的互相关运算值数组Rxy[ ]，Rxy[ ]是double 型数组。 例如，有两个信号x和y，信号x的离散序列值为 x[10]={0.0，0.59，0.95，0.95，0.59，0.0，-0.59，-0.95，-0.95，-0.59} 信号y的离散序列值为 y[8]={0.0，0.71，1.0，0