随机信号的相关知识.ppt

《随机信号的相关知识.ppt》由会员分享，可在线阅读，更多相关《随机信号的相关知识.ppt（47页珍藏版）》请在三一办公上搜索。

1、第六章 随机信号分析,6.1 随机信号的数字特征,6.2 相关函数和协方差,6.3 功率谱估计,6.4 传递函数估计,6.5 相干函数,6.6 窗函数,6.7 时谱分析,随机信号是一种不能用确定的数学关系式来描述的、无法预测未来时刻精确值的信号，也无法用实验的方法重复再现。换言之，随机信号是指不能用确定性的时间函数来描述，只能用统计方法研究的信号。其统计特性：概率分布函数、概率密度函数。统计平均：均值、方差、相关。随机信号分为平稳和非平稳两大类。平稳随机信号又分为各态历经和非各态历经。各态历经信号指无限个样本在某时刻所历经的状态，等同于某个样本在无限时间里所经历的状态的信号。,平稳随机信号其均

2、值和相关不随时间变化。Note：各态历经信号一定是平稳随机信号，反之 不然。工程上的随机信号一般均按各态历经平稳随机过程来处理。仅在离散时间点上给出定义的随机信号称为离散时间随机信号，即随机信号序列。平稳随机过程在时间上是无始无终的，即它的能量是无限的，只能用功率谱密度函数来描述随机信号的频域特性。,6.1 随机信号的数字特征,在研究无限长信号时，总是取某段有限长信号作分析。这一有限长信号称为一个样本（或称子集），而无限长信号x(t)、x（n）称为随机信号总体（或称集）。各态历经的平稳随机过程一个样本的时间均值和集平均值相等，因此一个样本统计特征可以代表随机信号的总体，从而使研究大大简化。常用

3、的数字特征是各种平均特性及相关函数等。,6.1.1 均值、均方值、方差,若连续随机信号x(t)是各态历经的，则随机信号x(t)的均值可表示为：均值描述了随机信号的静态分量（直流）。随机信号x(t)的均方值表达式为：表示信号的强度或功率。,随机信号x(t)的均方根值表示为：也是信号能量的一种描述。随机信号x(t)的方差表达式为：是信号的幅值相对于均值分散程度的一种表示，也是信号纯波动分量（交流）大小的反映。,随机信号x(t)的均方差（标准差）可表示为：它和 意义相同。平稳随机过程统计特征的计算要求信号x(t)无限长，而实际上只能用一个样本即有限长序列来计算。因此所得的计算值不是随机信号真正的统计

4、值，而仅仅是一种估计。,6.1.2 离散随机信号,若x(n)是离散的各态历经的平稳随机信号序列，类似连续随机信号，则其数字特征可用下面式子来计算：均值：均方值：方差：,6.1.3 估 计,以上计算中，都是对无限长信号而言。而工程实际中所取的信号是有限长的，计算中均无法取 或。对于有限长模拟随机信号，可用下式计算均值：这里，均值 仅是一种对 的估计。当T足够长，均值估计 能精确逼近真实均值。对于周期信号，常取T为一个周期，估计均值 就能完全代表真实均值。,对于有限长随机信号序列，可用下式计算其均值估计：当序列长度足够时，能精确逼近真实值。类似地，可以写出均方值和方差估计表达式。在MATLAB工具

5、箱中，没有专门函数用来计算均值、均方值和方差。但随机信号的统计数字特征值计算都可以通过MATLAB编程实现。（P214),例6.1,函数STD调用格式为：s=std(x)；s=std(x,flag)式中，x为向量或矩阵；s是标准差；flag是控制符，用来控制标准算法。当flag=0（或缺省）时，按下式计算无偏标准差：当flag=1时，按下式计算有偏标准差：,6.2 相关函数和协方差,相关函数：即在时刻n、m的相关性。自相关函数（一个随机信号）互相关函数（两个随机信号）协方差：与相关函数有确定关系的函数。自协方差函数 互协方差函数,6.2.1 自相关函数和自协方差,对于随机信号x(t)，自相关函

6、数为：式中，为时移。若去掉x(t)的均值部分，则相应的自相关函数称自协方差：,对于离散随机信号序列，x(n)的自相关函数和自协方差为：式中m为延迟。,6.2.2 互相关函数和互协方差,对于两个不同随机信号x(t)，互相关函数为：互协方差为：,对于离散随机序列x(n)和y(n)，互相关函数和互协方差为：注意，在上面公式中t(或N)。而工程中信号是有限长，因此只能得到相关函数和协方差的估计值，当t（或N）足够长时，估计值能精确地逼近真实值。,6.2.3 MATLAB函数,MATLAB信号处理工具箱提供计算随机信号相关函数的函数XCORR和协方差的函数XCOV。函数XCORR用于计算随机序列自相关和

7、互相关函数。调用格式为：c=xcorr(x,y)c=xcorr(x,y,option)c=xcorr(x,y,maxlags,option)c,lags=xcorr(x,y,maxlags,option)式中，x，y为两个独立的随机信号序列，长度N；c为x，y的互相关函数估计；,option缺省时，函数xcorr计算非归一化行相关。option为选项：biased，计算有偏互相关函数估计；unbiased，计算无偏互相关函数估计；coeff，使零延迟的自相关函数为1；none，缺省情况。maxlags为x和y之间的最大延迟。若该项缺省时，函数返回值c长度是2N-1；若不缺省时，函数返回值c长度

8、是2*maxlags+1。,该函数也可用于求一个随机信号序列x(n)的自相关函数，调用格式为：c=xcorr(x)c=xcorr(x,maxlags)（P217)含有周期成分和干扰噪声信号的自相关函数在=0 时具有最大值，且在较大时仍具有明显周期性，且频率和周期成分的频率相同；而不含周期成分纯噪声信号在=0时也具有最大值，但在稍大时明显衰减至零。自相关函数的这一性质被用来识别随机信号中是否含有周期信号成分和它们的频率。,例6.2,（P218)两个均值为零且具有相同频率的周期信号，其互相关函数Rxy()保留原信号频率、相位差和幅值信息。若信号x(t)和信号y(t)是同类信号且有时移，用互相关函数

9、可以准确地计算出两个信号时移大小。这种特性使得互相关函数广泛的应用于测量技术中。（P220),例6.3,例6.4,6.3 功率谱估计,功率谱估计目的是根据有限数据组寻找信号、随机过程或系统的频率成分的描述。上节所述的相关分析是时域内在噪声背景下提取有用信息的途径，而功率谱是频域内提取在噪声淹没下信号的有用信息。功率谱又称功率谱密度，定义为自相关函数的傅里叶变换。,6.3.1 功率谱密度,假如随机信号x(t)的自相关函数为Rx()，Rx()的傅里叶变换为：则定义Sx(f)为x(t)的自功率谱密度或称为自功率谱。自功率谱Sx(f)包含Rx()的全部信息。,若随机信号x(t)的自功率谱为Sx(f)，

10、则 两个随机信号x(t)和y(t)的相互关系的频率特性可用互功率谱密度来描述，互功率谱密度和互相关函数也是一组傅里叶变换对：,对于离散随机序列x(n)，自功率谱密度Sx(f)和自相关函数Rx(m)的关系为：对于离散随机序列x(n)和y(n)，互功率谱密度Sxy(f)和互相关函数Rxy(m)关系为：,且有：实际工程中随机序列长度均为有限长，因此利用有限长随机序列计算的自功率谱密度和互功率谱密度只是真实值的估计。功率谱估计方法一般可分两类：参数估计和非参数估计。功率谱密度非参数估计方法有：Welch法，MTM法，MUSIC法；参数估计方法有：MEM法。,6.3.2 周期图法（Welch法）,周期图

11、法是直接将信号的采样数据x(n)进行傅里叶变换求取功率谱密度。一、基本方法 假设有限长随机信号序列x(m)。其傅里叶变换和功率变密度估计存在下面关系：,式中，N为随机信号序列x(n)长度，在离散的频率点，可得：由于DFTx(n)的周期为N，求得的功率谱估计也是以N为周期，故这种方法称为周期图法。（P222),例6.5,用有限长样本序列的DFT来表示随机序列的功率谱只是一种估计或近似，不可避免存在误差。为了减小误差，使功率谱估计更加平滑，可采用以下方法加以改进。二、分段平均周期图法 将信号序列x(n)，0nN-1，分成互不重叠的P个小段，每小段有m个采样值，则mP=N。对每小段信号序列进行功率谱

12、估计，然后求它们的平均值，作为整个序列x(n)的功率谱估计。,平均周期图法还可以对信号x(n)进行重叠分段，一般效果会好些。（P224)平均周期图法功率谱估计较之基本DFT法具有明显改进效果。分段平均周期法功率谱估计可以减小估计误差和波动，但由于这种方法将长信号分段成短信号从而使谱分辨率下降。下面的加窗平均周期法可以克服这一不足。,例6.6,三、加窗平均周期图法 加窗平均周期图法是对分段平均周期图法的改进。在信号序列x(n)分段后，用非矩形窗口对每一小段信号序列进行预处理，再采用前述分段平均周期法进行整个信号序列x(n)的功率谱估计。采用合适的非矩形窗口对信号进行处理可减小“频率泄漏”，同时可

13、增加频峰的宽度，从而提高频谱分辨率。（P226),例6.7,四、Welch法估计及MATLAB函数 Welch功率谱密度就是用改进的平均周期图法来求取随机信号的功率谱密度估计的。Welch法采用信号重叠分段，加窗函数和FFT算法等计算一个信号序列的自功率谱估计（PSD）和两个信号序列的互功率谱估计（CSD）。MATLAB信号处理工具箱提供专门函数PSD和CSD自动实现Welch法估计。,（1）函数PSD利用welch法估计一个信号自 功率谱密度。函数调用格式为：Pxx=psd(x)Pxx=psd(x,Nfft)Pxx=psd(x,Nfft,Fs)Pxx=psd(x,Nfft,Fs,window

14、)Pxx=psd(x,Nfft,Fs,window,Noverlap)Pxx=psd(x,dflag)其中，x 为信号序列；Nfft 为采用的FFT长度；Fs 为采样频率；,window 定义窗函数和x分段序列的长度；Noverlap 为分段序列重叠的采样点数；dflag 为去除信号趋势分量的选择项。linear，去除直线趋势分量 mean，去除均值分量 none，不作去除趋势处理 Pxx 为信号x的自功率谱密度估计。在Pxx=psd(x)调用格式中，缺省值为：Nfft=min(256,length(x)Fs=2 Hz window=hanning(Nfft)noverlap=0,若x是实序列

15、，函数psd仅计算频率为正的功率谱估计。函数输出Pxx长度；当Nfft为偶数时，Nfft/2+1；Nfft为奇数时，(Nfft+1)/2。若x是复序列，函数psd计算正负频率的功率谱估计。函数的另一种调用格式为：Pxx,f=psd(x,Nfft,Fs,window,Noverlap)其中，f为返回的频率向量，它和Pxx 一一对应。利用plot(f,Pxx)可方便地绘出功率谱密度曲线。（P229),例6.8,函数psd还有一种缺省返回值的调用格式，用于直接绘制信号序列x的功率谱估计曲线。psd(x,)函数还可以计算带有置信区间的功率谱估计，调用格式为：Pxx,Pxxc,f=psd(x,Nfft,

16、Fs,window,Noverlap,p)其中，p为置信度区间，0p1。（P231),例6.9,（2）函数CSD利用welch法估计两个信号的互功 率谱密度。函数调用格式为：Pxy=csd(x,y)Pxy=csd(x,y,Nfft)Pxy=csd(x,y,Nfft,Fs,window)Pxy=csd(x,y,Nfft,Fs,window,noverlap)Pxy=csd(x,y,dflag)Pxy,f=csd(x,y,Nfft,Fs,window,noverlap)csd(x,y,)Pxy,Pxyc,f=csd(x,y,Nfft,Fs,window,noverlap,p)其中，x,y 为两个信

17、号序列；Pxy 为x,y的互功率谱估计；其他参数的意义同自功率谱函数psd。,6.3.3 多窗口法（MTM法）,多窗口法（multitaper method 简称MTM法）利用多个正交窗口（tapers）获得各自独立的近似功率谱估计，然后综合这些估计最终得到的一个序列的功率谱估计。MTM法简单地采用一个参数：时间带宽积（time-bandwidth product）NW，这个参数用以定义计算功率谱所用窗的数目为2*NW-1。,MATLAB信号处理工具箱中函数PMTM就是采用MTM法估计功率谱密度。函数调用格式：Pxx=pmtm(x)Pxx=pmtm(x,nw)Pxx=pmtm(x,nw,Nff

18、t)Pxx,f=pmtm(x,nw,Nfft,Fs)其中，x 为信号序列；nw 为时间带宽积，缺省值=4；Nfft 为FFT长度；Fs 为采样频率。,函数的基本用法和函数psd和csd相似。函数还可以计算带有置信区间的功率谱估计。若调用格式为：pmtm(x,nw,Nfft,Fs,option,p)则绘制带置信区间的功率谱密度估计曲线，p为置信度区间，0p1。（P233),例6.10,6.3.4 最大熵法（MEM法）,最大熵功率谱估计的目的是最大限度地保留截断后丢失的“窗口”以外的信号的信息，使估计谱的熵最大。主要方法是以已知的自相关序列rxx(0),rxx(1),rxx(p)为基础外推自相关序

19、列 rxx(p+1),rxx(p+2),rxx(p+3),，保证信息熵最大。最大熵功率谱估计法假定随机过程是平稳高斯过程。,MATLAB信号处理工具箱提供最大熵功率谱估计函数PMEM，其调用格式为：Pxx,f=pmem(x,p)Pxx,f=pmem(x,p,Nfft,Fs,corr)Pxx,f,a=pmem(x,p,Nfft,Fs,corr)其中，x 为输入信号序列或输入相关矩阵；p 为全极点滤波器阶次；a 为全极点滤波器模型系数向量；corr把x认为是相关矩阵；其他参数和函数psd基本相同。（P234),例6.11,6.3.5 特征值向量法（MUSIC法）,MATLAB信号处理工具箱还提供另

20、一种功率谱估计函数PMUSIC，该函数执行两种相关的频谱分析方法：多信号分类法（MUSIC法-Multiple Slgnal Classification）特征向量法（EV法-EigenVector）,MUSIC法和EV法原理完全相同。MUSIC法按下式计算功率谱密度：EV法按下式计算功率谱密度：式中，e(f)为复正弦向量；v为输入信号相关矩阵的特征向量；H为共轭转置；k为特征值。,函数PMUSIC适用于用MUSIC法求信号的功率谱估计。调用格式为：Pxx,f=pmusic(x,p)Pxx,f=pmusic(x,p,thresh)Pxx,f,a=pmusic(x,p,thresh,Nfft,F

21、s,window,Noverlap)其中，x 为输入信号,向量或矩阵；p 为信号子空间维数；Thresh 为阈值；其他参数意义和函数psd基本相同。（P237),例6.12,6.4 传递函数估计,功率谱密度估计可应用于系统传递函数的估计。一个线性时不变系统，频率特性H()，x(n)和y(x)分别为系统输入和输出。可以证明：Pxy()=H()Pxx()式中，Pxx 为x(n)的自功率谱密度；Pxy 为x(n)和y(n)的互功率谱密度。,输入x(n)和输入y(n)之间传递函数估计为：MATLAB 信号处理工具箱函数TFE用于从系统输入和输出的功率谱估计中求取传递函数估计。函数调用格式为：Txy=tfe(x,y)Txy=tfe(x,y,Nfft)Txy,f=tfe(x,y,Nfft,Fs)Txy,f=tfe(x,y,Nfft,window,noverlap)tfe(x,y),式中，x和y分别为系统输入和输出信号向量；Txy 为系统传递函数。函数输入参数缺省值为 Nfft=min(256,length(x)F=2 window=hanning(Nfft)noverlap=0其他参数意义及调用格式与函数CSD相同。（P238),例6.13,