测试信号的分析与处理课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二层,第三层,第四层,第五层,*,*,*,随机信号的时域统计分析,信号的相关分析,测试信号的分析与处理,数字信号处理,11/3/2024,1,随机信号的时域统计分析信号的相关分析测试信号的分析与处理数字,随机信号的时域统计分析,随机信号,：,不能用确定的数学关系式来描述，不能预测其未来任何瞬时值，任何一次观测值只代表在其变动范围中可能产生的结果之一，但其值的变动服从统计规律。,几个相关概念：,1、样本函数,x,i,(,t,),2、样本记录,x,i,(,t,),t=0T,3、随机过程 ,x,i,(,t,) =,x,1,(,t,)，,x,2,(,t,)，,x,i,(,t,)， ,随机信号的描述采用概率论与数理统计的方法,一、概述,11/3/2024,2,随机信号的时域统计分析随机信号：不能用确定的数学关系式来描述,（一）,均值、方差和均方值,1、均值表示信号的常值量的大小。,2、方差描述随机信号的波动量的大小，它是相对于均值偏离值的平方的均值，即,二,、随机信号的主要统计特征,11/3/2024,3,（一）均值、方差和均方值二、随机信号的主要统计特征10/4/,3、均方值描述随机信号的强度，它是随机信号平方的均值，即,均方值的正平方根称为均方根值,x,rms,，又称为有效值。表示了信号的平均能量（功率）。,当均值也就是信号的常值分量为0时：,均值、方差、和均方值之间存在如下关系：,11/3/2024,4,3、均方值描述随机信号的强度，它是随机信号平方的均值，即当均,（二）,概率密度函数,随机信号的概率密度函数是表示信号幅值落在指定区间内的概率。,当样本函数的记录时间T趋于无穷大时，,T,x,/T,的比值就是幅值落在区间内的概率，记为：,概率密度函数,提供了随机信号幅值分布的信息，是随机信号的主要特征参数之一,定义幅值概率密度函数为：,11/3/2024,5,（二）概率密度函数概率密度函数提供了随机信号幅值分布的信息，,三、随机信号分类,三个概念：统计特征参数、集合平均、时间平均,分类：,随机过程,平稳随机过程,非平稳随机过程,各态历经随机过程,11/3/2024,6,三、随机信号分类三个概念：统计特征参数、集合平均、时间平均分,信号的相关分析,在测试工作中，有时需要就两个以上的信号研究其相互关系，因此我们引入一个很重要的概念相关。信号的相关性反映了一个信号在不同时刻，或两个信号之间的线性关系或相似程度。,对信号做相关分析在振动测试、雷达测距、声发射探伤、,以及通信，甚至控制系统中都得到了广泛应用。,例如：利用已知的发射端信号与接收端信号做相关分析，以确定接收端是否接收到了发射端发出的信号。,一、概述,11/3/2024,7,信号的相关分析在测试工作中，有时需要就两个以上的信号研究其相,为研究时间轴上平移了,单位后的各态历经随机信号,x(t+,),与原信号,x(t),之间的相关特性，引入了自相关函数,：,对于周期信号，自相关函数表达为,：,二、自相关函数,（一）概念,11/3/2024,8,为研究时间轴上平移了单位后的各态历经随机信号x(t+ ),（二）相关系数,自相关系数的绝对值介于小于1，其绝对值越趋近于,1，表明两变量线性相关程度越大；若为负值，则表明,一变量随着另一变量的增加而减小；若趋近于零，则,表明两变量之间是完全无关的，但可能存在着某种非,线性的相关关系或者函数关系。,自相关系数:,11/3/2024,9,（二）相关系数自相关系数的绝对值介于小于1，其绝对值越趋近于,（三）自相关函数基本性质,1、自相关函数是偶函数。即R,xx,(,)= R,xx,(-,),2、,值不同，,R,xx,(,)不同，当,=0时，,R,xx,(,)的值最大。,11/3/2024,10,（三）自相关函数基本性质1、自相关函数是偶函数。即Rxx(,3、周期函数的自相关函数仍为同频率的周期函数,若有一函数,x(t),为周期函数,则,x(t)=x(t+nT),其自相关函数为：,正弦信号的自相关函数是同频率的余弦信号，且保留了幅,值和频率信息，但丢失了相位信息(见教材P23例3)。由此：,若信号中含有周期成分，其自相关函数也必定含有同频率,的周期成分。此性质可用来鉴别随机信号中的周期成分。,11/3/2024,11,3、周期函数的自相关函数仍为同频率的周期函数正弦信号的自相关,4、随机信号的频带越宽，Rxx(,)衰减越快，且近似于集中,在原点的,函数。频带越窄，,Rxx(,)衰减越慢。,11/3/2024,12,4、随机信号的频带越宽，Rxx()衰减越快，且近似于集中1,5、当, ,时，x(t)与x(t+,)之间不存在内在联系，彼此无关。即：,6、如果信号是纯随机噪声，其自相关函数将随, 的增大快速衰减。,11/3/2024,13,5、当 时，x(t)与x(t+)之间不存在,（四）自相关函数的物理意义,1、表达了信号现在与时间坐标移动了,时间后的信号之 间的相似程度。,2、建立了随机信号一个时刻的幅值与另一个时刻幅值之间的依赖关系。,3、描述了在观测时间T内两个幅值乘积的集合平均。,4、从自相关函数的图形可分析信号的构成性质，从噪声背景下提取有用信号。,11/3/2024,14,（四）自相关函数的物理意义1、表达了信号现在与时间坐标移动了,（五）自相关函数的工程应用,自相关分析主要用来检测混淆在随机信号中的确定性信号。,因为周期信号或任何确定性信号在所有时差,值上都有自,相关函数值，而随机信号在,值足够大时其自相关函数趋,于零。,案例：,机械加工表面粗糙度自相关分析,被测工件,相关分析,提取出回转误差等周期性的故障源。,11/3/2024,15,（五）自相关函数的工程应用自相关分析主要用来检测混淆在随机信,案例2：,自相关测转速,理想信号,干扰信号,实测信号,自相关系数,提取周期性转速成分。,11/3/2024,16,案例2：自相关测转速理想信号干扰信号实测信号自相关系数提取周,算法：,令x(t)、y(t)二个信号之间产生时差，再相乘和积分，就可以得到时刻二个信号的相关性。,x(t),y(t),时,延,器,乘法,器,y(t - ),X(t)y(t - ),积分,器,R,xy,(),*,图例,自相关函数：x(t)=y(t),11/3/2024,17,算法：令x(t)、y(t)二个信号之间产生时差，再相乘和积,三、互相关函数,(一) 互相关函数概念,两个随机信号样本x(t)和y(t), y(t+,)是y(t)时移,后的样,本，则，其互相关函数定义为：,同样地，以有限长样本作互相关函数的估计：,11/3/2024,18,三、互相关函数(一) 互相关函数概念两个随机信号样本x(t),(二) 互相关函数的基本性质,1、互相关函数并非偶函数，也并非奇函数，而是:,R,xy,(,)= R,yx,(-,),2、互相关函数不一定在,=0处为峰值，其峰值点偏离原点的距离反映了两个信号最大相关时的时间间隔,d,。,3、同频率的两个周期信号的互相关函数也是具有同频率的周期信号，而且保留了原信号的相位信息。,（见P25 例4）,11/3/2024,19,(二) 互相关函数的基本性质1、互相关函数并非偶函数，也并非,6、两个统计独立的随机信号，当均值为零时， R,xy,(,)=,0。,7、两个同频率的正余弦函数不相关。,8、周期信号与随机信号的互相关函数为0。,4、不同频率的周期信号互不相关， R,xy,(,)= 0,5、两信号之间的相关程度总是小于或等于信号自身的相关程度。,11/3/2024,20,6、两个统计独立的随机信号，当均值为零时， Rxy()=,(三) 互相关函数的应用,工程上互相关函数被广泛应用于传播问题。,案例1：地下输油管道漏损位置的探测,t,X1,X2,t,11/3/2024,21,(三) 互相关函数的应用工程上互相关函数被广泛应用于传播问题,案例2：光电信号互相关分析测速,11/3/2024,22,案例2：光电信号互相关分析测速10/4/202322,案例3：地震位置测量,11/3/2024,23,案例3：地震位置测量10/4/202323,数字信号处理,目前测试技术中所采用的传感器等装置输出的大多仍,是模拟信号，而输出信号中往往夹杂了很多干扰噪声。我,们利用相关分析或功率谱分析等方法可以消除噪声影响来,提取信号特征，但利用模拟信号来做这样的处理往往不便,或难以实现。,数字方法处理信号可以在专用的信号处理仪上进行，,也可以在通用计算机上通过编程来实现。计算机的迅猛发,展为我们用数字方法处理信号提供了极大的便利并显示出,了很大的优越性。,两方面问题；模拟信号的数字化；数字方法处理数字序列,1、概述,11/3/2024,24,数字信号处理 目前测试技术中所采用的传感器等装,2、测试信号数字化处理的基本步骤,物理信号,对象,传感器,电信号,放大调制,电信号,A/D,转换,数字信号,计算机,显示,D/A转换,电信号,控制,物理信号,11/3/2024,25,2、测试信号数字化处理的基本步骤 物理信号对象传感器电信号放,3、数字信号处理的优势,1)用数学计算和计算机显示代替复杂的电路,和机械结构,11/3/2024,26,3、数字信号处理的优势 1)用数学计算和计算机显示代替复杂的,2)计算机软硬件技术发展的有力推动,a)多种多样的工业用计算机。,11/3/2024,27,2)计算机软硬件技术发展的有力推动a)多种多样的工业用计算机,b)灵活、方便的计算机虚拟仪器开发系统,11/3/2024,28,b)灵活、方便的计算机虚拟仪器开发系统10/4/202328,一、信号的数字化,(一) 信号的采样,采样是将采样脉冲序列p(t)与信号x(t)相乘，取离散点x(nt)的值的过程。,11/3/2024,29,一、信号的数字化(一) 信号的采样 采样是将采样脉冲序,X(0), X(1), X(2), , X(n),11/3/2024,30,X(0), X(1), X(2), , X(n,每周期应该有多少采样点 ？,最少2点:,11/3/2024,31,每周期应该有多少采样点 ？最少2点:10/4/202331,11/3/2024,32,10/4/202332,x,s,(t),由一系列冲激函数构成，每一个冲激函数的强度等于,连续信号在该时刻的抽样值,x,(,nT,s,),11/3/2024,33,xs(t)由一系列冲激函数构成，每一个冲激函数的强度等于10,(二) 采样过程的频谱及采样定理,信号的采样可以通过采样周期为,T,s,，采样频率为,f,s,=1/ T,s,的,单位周期脉冲信号p(t)与连续信号x(t)相乘得到,我们关注三,个问题：采样与频谱、混频现象、采样定理,1、采样与频谱,11/3/2024,34,(二) 采样过程的频谱及采样定理信号的采样可以通过采样周期为, 信号,x(t),与单位周期脉冲信号相乘后，其频谱发生了周期延拓，即,X(,f,),分别延拓到1/T,s,为中心的频谱。, 频谱的幅度乘了一个因子1/T,s,。,11/3/2024,35, 信号x(t)与单位周期脉冲信号相乘后，其频谱发生了周期延,2、混频现象,模拟信号在时域中按时隔,T,s,离散化，在频域中按1/,T,s,周期化。,采样间隔太小，需处理的数字序列很长，计算工作量猛增。,11/3/2024,36,2、混频现象模拟信号在时域中按时隔Ts离散化，在频域中按1/,3、采样定理,很显然，采样间隔过大(采样频率过低)或采样间隔过,小(采样频率过高)都不好。间隔过大，则平移距离,1/,T,s,过小那么移至各采样脉冲所在处的,X(f),就会发生混叠。,若要求不发生频率混叠，首先需要使被采样的模拟信,号x(t)称为有限带宽信号。不满足此要求的信号，在采样,之前使其先通过模拟低通滤波器滤去高频成分，使其成,为带限信号，称为抗混叠滤波预处理。,然后使得采样频率,f,s,大于带限信号最高频率,f,h,的两,倍，即：f,s,=1/T,s,2f,h, 把该频谱通过一个中心频率为零，,带宽为(f,s,/2)的理想低通滤波器就可能准确恢复x(t)。,这就是采样定理。,11/3/2024,37,3、采样定理 很显然，采样间隔过大(采样频率过低,需注意，满足采样定理，只保证不发生频率混叠，而不能保证此时的采样信号能真实地反映原信号x(t)。工程实际中采样频率通常大于信号中最高频率成分的3到5倍。,11/3/2024,38,需注意，满足采样定理，只保证不发生频率混叠，而不能保,(三) 量化和量化误差,将采样所得信号的电平幅值分为一组有限个离散电,平，每个量化电平对应一个二进制数码，使离散信号进,一步变成数字信号，称为量化。,当采样信号的实际电平落在两个相邻量化电平之间,时，就要舍入到相近的一个量化电平上，该量化电平与,实际电平的差值称为量化误差,(n),。,A/D转换器的位数越高，则量化误差越小，但我们需,要依需求的精度而定。位数越高，则成本显著增加，转,换速率也会明显下降。,11/3/2024,39,(三) 量化和量化误差 将采样所得信号的电平幅值,4位A/D: XXXX,X(1), 0101,X(2), 0011,X(3), 0000,信号的6等分量化过程,11/3/2024,40,4位A/D: XXXXX(1) 0101X(2) 0,A/D转换器量化时的技术指标,(3) 模拟信号的输入范围;,如，5V， +/-5V，10V，+/-10V等。,(1) 分辨率;,用输出二进制数码的位数表示。位数越多，量化误差越小，分辨力越高。常用有8位、10位、12位、16位等。,(2) 转换速度;,指完成一次转换所用的时间，如:1ms(1KHz)； 10us(100kHz),11/3/2024,41,A/D转换器量化时的技术指标 (3) 模拟信号的输,(四) 信号截断、能量泄漏及窗函数,1、截断与泄漏,数字处理需要截断过长的信号时间历程，而只对有,限长信号进行处理。信号乘以有限宽的窗函数就实现了,截断。,窗函数就是在模数转换过程中或数据处理过程中对,时域信号取样时所采用的截断函数。图示为时域余弦函,数被矩形窗函数截断后其时频域变化情况。,由于信号在时域上被截断而在频域上出现附加频率,的现象称为泄漏。,11/3/2024,42,(四) 信号截断、能量泄漏及窗函数1、截断与泄漏,2、几种常用的窗函数简介,由窗函数的频谱可见，在-2,/, 2,/,之间的部分称为主瓣，其余两旁的部分，即附加频率分,量称为旁瓣。,当窗宽,增大时，主瓣和旁瓣的宽度都变窄，主瓣,高度恒等于窗宽。 时，G(,) ,(,),那么无限,加大窗宽可实现无泄漏，但信号无截断则无意义。,因此，对时间窗函数的要求是：其频谱的主瓣尽量,窄，以提高频率分辨率；旁瓣要尽量低，以减少泄漏。,但往往鱼和熊掌不可兼得。需根据不同需要进行选择。,11/3/2024,43,2、几种常用的窗函数简介 由窗函数的频谱可见，在,常用的窗函数之一：矩形窗函数,矩形窗使用最普遍，习惯上信号的不加窗处理就相当于使,用了窗宽无限大的矩形窗，而此时它的主瓣是最窄的脉冲。,其优点是主瓣比较集中，缺点是旁瓣较高，并有负旁瓣，,导致变换中带进了高频干扰和泄漏。,11/3/2024,44,常用的窗函数之一：矩形窗函数矩形窗使用最普遍，习惯上信号的不,常用的窗函数之二：汉宁窗,常用的窗函数之三：海明窗,11/3/2024,45,常用的窗函数之二：汉宁窗常用的窗函数之三：海明窗10/4/2,二、离散傅立叶变换,1、时域采样,11/3/2024,46,二、离散傅立叶变换1、时域采样10/4/202346,2、时域截断,11/3/2024,47,2、时域截断10/4/202347,3、频域采样,11/3/2024,48,3、频域采样10/4/202348,11/3/2024,49,10/4/202349,11/3/2024,50,10/4/202350,11/3/2024,51,10/4/202351,11/3/2024,52,10/4/202352,