《传感器与测试技术》课件-第六章.pptx

,传感器与测试技术,第,6,章,信号分析与处理,6,.1,概述,6,.2,周期信号及其频谱,6,.3,非周期信号及其频谱,6.4,数字信号分析与处理,6.5,随机信号分析与处理,6,.1,概,述,6.1.1,信号的概念和分类,1,电桥的工作原理,信号是信息的载体，是信息的表现形式。信息与信号是互相联系的两个不同概念。信号不等于信息，但信息则是信号所承载的内容。,测试系统是通过某种技术手段，从被测对象的运动状态中提取所需的信息。这个信息从物理的角度讲，是以某种信号的形式反映出来的。,在工程实际中，测试系统的测试过程包括信号的获取、加工、处理、显示、反馈、计算等，因此测试系统对被测参量测试的整个过程都是信号的流程。,1,信号的基本概念,信号一般可用单个或多个独立变量的函数或图形表示。信号可以描述极为广泛的物理现象，可以计算、合成及分解。一般信号具有以下性质：,（,1,）信号具有特定的意义，即含有特定的信息；,（,2,）信号具有一定的能量；,（,3,）信号易于被测得或感知；,（,4,）信号易于被传输。,信息本身不具有能量及物质，故信息的传递必须借助于某种中间媒介，而这个包含有特定信息的媒介即为信号。信号一般表现为声、光、电、磁等物理量。,2,信号的分类,（,1,）按信号的规律分类,确定性信号：,可以用明确的数学关系式描述或可由实验多次复现的信号。,非确定性信号：,不能用数学关系式描述，而且其幅值、相位、频率不可,预知。这类信号只能用概率统计的规律加以描述。,（,2,）按信号的函数性质分类,按,函数性质分类,连续时间信号：,是指在某一指定时间内，除若干个第一类间断点外，该函数都可给出确定的函数值的信号。,离散时间信号：,离散时间信号：是指仅在某些不连续的时刻有定义的信号。,信号除了在时间上有连续时间信号和离散时间信号之分外，还可依据幅值取值将信号分为,连续幅值信号,和,离散幅值信号,。,时间和幅值均连续的信号称为,模拟信号,。时间和幅值均离散且幅值被量化的信号称为,数字信号,。,（,3,）按信号的能量分类,按信号的能量分类,能量信号,功率信号,在所分析的区间，能量为有限值的信号。,功率信号是指具有有限平均功率的信号。一个能量信号具有零平均功率，而一个功率信号具有无限大能量。,6,.1.2,信号的时域分析和频域分析,将频率作为自变量，把信号看作是频率,的函数,。在相应的图形表示中，作为自变量出现在横坐标上的是频率。信号的这种描述方法就是信号的频域描述。信号在频域中的图形表示又称作,信号的频谱,，包括幅频谱和相频谱等。幅频谱以频率为横坐标并以幅度为纵坐标，相频谱以频率为横坐标并以相位为纵坐标。基于傅里叶变换理论，在频域中对信号进行分析的方法称为,信号的频域分析,。,通常，信号可以被看作是一个随时间变化的量，是时间,t,的函数,。在相应的图形表示中，作为自变量出现在横坐标上的是时间,t,。信号的这种描述方法就是信号的时域描述。基于微分方程和差分方程等知识，在时域中对信号进行分析的方法称为,信号的时域分析,。,信号分析的主要任务就是要从尽可能少的信号中取得尽可能多的有用信息。时域分析和频域分析是从两个不同角度去观察同一现象。时域分析比较直观，能一目了然地看出信号随时间的变化过程，但看不出信号的频率成分，而频域分析正好与此相反。,在工程实际中应根据不同的要求和不同的信号特征选择合适的分析方法，或将两种分析方法结合起来，从同一测试信号中取得需要的信息。,6,.2,周期信号及其频谱,6.2.1,周期信号的定义,如果信号,x,(,t,),在所有时间,t,内均能满足,则,x,(,t,),是周期信号，,T,称为周期。显然，周期信号是幅值按一定周期不断重复的信号。,1,电桥的工作原理,周期信号又分为,正弦信号,（包括余弦信号）和复杂的,周期信号,。正弦信号是最简单的周期信号，其数学表达式为,可见，正弦信号的周期,T,=2/,，,称为,角频率,或,圆频率,，周期的倒数称为,频率,，即,f,=1/,T,，,=2,f,，,x,0,为常数。,复杂的非正弦周期信号又可称之为非正弦周期函数，如图所示,。,非正弦周期信号,6.2.2,傅里叶级数的三角函数展开式,周期函数的一个重要特征是可以表示成无穷个正弦及余弦函数之和的形式。这个正弦和余弦函数的系列称为,傅里叶级数,。,若周期函数,x,(,t,),的周期为,T,，满足狄里赫利条件，即：,（,1,）在一个周期内，只存在有限数目的极大值和极小值；,（,2,）只存在有限个不连续点；,（,3,）在不连续点取值有界，即函数绝对可积。,则此周期函数可以表示为傅里叶级数的三角函数形式,在工程测试中常见的周期信号（即周期函数）一般都满足狄里赫利条件。,为了显示出傅里叶级数在工程应用中所具有的物理意义，可将傅里叶级数的三角函数写成只包含正弦项或只包含余弦项的形式。如果令,傅里叶级数的三角函数可简化为,6,.2.3,周期信号的频谱,由 可以看出，周期信,号是由无限个不同频率的谐波分量叠加而成的。各次谐波的幅值和初相,位分别由,A,n,和,n,决定。当,n,=1,时，,A,1,cos(,0,t,+,1,),称为,信号的一次谐波（基波）分量,，,0,称为,基波角频率,。其余各次统称为高次谐波。,n,=2,，称为,二次谐波,；,n,=3,，称为,三次谐波,，依此类推。,由于幅值,A,n,和初相位,n,均为角频率,=,n,0,的函数，以角频率为横坐标，以幅值,A,n,或初相位,n,为纵坐标所作的图形统称为,频谱,，,A,n,图称为,幅频谱,，,n,图称为,相频谱,。,A,n,表示信号所具有的谐波分量的幅值；,n,是各次谐波分量在时间原点处所具有的相位。幅值谱和相位谱结合起来便确定了信号各次谐波的波形。,下图所示是从一个装有两个偏心转子的轴上测取的加速度信号,x,(,t,),。在其频谱图上清楚地显示了每个转子引起的振动强度。,（,a,）周期信号的时间历程,（,b,）周期信号的频谱,例,6-1,求下（,a,）图所示的周期性矩形波的傅里叶级数表示，并画出其幅频谱。,解,：,该波形在一个周期内的数学表达式为,根据式 可知，,a,0,=0,，,a,n,=0,，,b,n,=,代入傅里叶级数的三角函数可得,傅里叶级数,幅频谱,6.2.4,复数形式的傅里叶级数,傅里叶级数也可以表示成复指数形式的展开式。根据欧拉公式,则傅里叶级数的三角函数可转换为,C,n,表示周期信号 的复振幅，称为,傅里叶系数,。根据,，,n,n,0,(,n,=0,，,1,，,2),的函数关系，可画出复数形式的傅里叶频谱图，不过它同三角形式的傅里叶频谱图在形式上有所不同，这是由于描述谐波分量的数学方法不同而造成的，没有什么本质差别。,例如，一个余弦信号,它在三角形式的傅里叶级数中仅有一项，即,n,=1,，故其谱线只有一条，如图,(a),所示，而用复数表示同一信号时，有,故它有两条谱线：,n,=1,，如,(b),图所示。,（,a,）,（,b,）,特别需要指出的是，将一个周期信号展开成复数形式的傅里叶级数后，其频谱图上出现了负频率。频率表示每秒钟的变化次数，它不可能是负值。由于用复数表示可以得到简练的复数形式的傅里叶级数，此时允许,n,取负整数，于是出现了所谓的负频率,。,在这种形式下，,n,单独取正数或单独取负数都不能构成一个谐波分量，只有,n,=,k,和,n,=,k,两项之和才能表示第,k,项。由此可见，负频率的引入仅仅是在将正余弦函数变成一对指数函数的过程中为缩短式子长度而采取的一种数学手段。,复数形式的傅里叶级数除了可用幅频图和相频图表示外，也可以分别以,的实部和虚部与频率的关系作图表示。,（,a,）,（,b,）,由式 可知，单边谱线的高度为双边谱线,的两倍，在数据处理中常按此关系将它们相互转化。,(a),图中的频谱仅在,的一边有谱线，称作,单边谱,。,(b),图中的频谱两边都有谱线，称作,双边谱,。由于,与,是一对共轭复数，其模相等，所以双边谱对称于,轴。,例,6-2,求右图所示的周期性三角波的幅频谱。,周期三角波,解,：,x,(,t,),在一个周期中可表达为,因,x(-t)=,x,(,t,),，故,x,(,t,),是偶函数，,b,n,=0,。,其幅频谱（单边谱）如图,(a),所示。,（,a,）,若用复数形式表示，则根据,可求得如图,(,b),所示的幅频谱（双边谱）。,（,b,）,（,a,）,通过以上例题可以看出，周期信号有以下几个特点：,（,1,）周期信号的频谱是由无限多条离散谱线组成的，每一条谱线（单边谱）代表一个谐波分量。,（,2,）各次谐波的频率只能是基波频率的整数倍。,（,3,）谱线的高度表示了相应谐波分量的幅值大小。对于工程中常见的周期信号，其谐波幅值的总趋势是随着谐波次数的增高而减小。当谐波次数无限增高时，其幅值就趋于零。,以上三个特点分别称为周期信号频谱的,离散性,、,谐波性,和,收敛性,。,进一步分析还可发现，信号波形越接近于正弦波，其谱线越稀。信号波形与正弦波相差越大，特别是当信号含有脉冲性突变时，其谐波成分就越丰富。另外，信号波形越接近于正弦波，幅值下降越快。例如，谐波幅值大于基波幅值的,2%,的谐波分量，矩形波有,25,个，全波整流信号有,6,个，三角波仅有,4,个。,由此可知，对于工程中遇到的大多数周期信号，可以忽略那些次数过高的谐波分量，用有限个谐波之和来代替傅里叶级数中的无限多项，而不会引起太大的误差。从基波开始，到还需要考虑的最高谐波分量的频率间的频段，称为,信号的频带宽度,，这在选用仪器时要格外注意。,6,.3,非周期信号及其频谱,6.3.1,傅里叶积分,非周期信号是指在时域上不按周期重复出现，但仍可用准确的解析数学关系表达的信号。非周期信号包括,准周期信号,和,瞬变非周期信号,两种。,复杂周期信号可以用傅里叶级数展开成多项以至无限项正（余）弦谐波信号之和，其频谱具有离散性。反之，几个正（余）弦信号叠加是否一定是周期函数，这主要取决于组成此信号的各正（余）弦信号的频率之比。如果组成信号的各正（余）弦信号的频率比是有理数，那么就可以找到它们之间的公共周期，这些正（余）弦信号合成后仍为周期信号，因为经过公共周期后又会重演原来信号。,1,准周期信号,但若各正（余）弦信号的频率比不是有理数，例如,x,(,t,)=,sin,0,t,+sin2,0,t,，各正（余）弦信号间找不到公共的周期，它们在合成后不可能经过某一周期重复，所以合成后不可能是一个周期信号。但是这样的一种信号在频域表达上却是离散频谱，这种信号称为,准周期信号,。在工程技术领域内，不同的相互独立振源对某对象的激振而形成的振动往往是属于这一类的信号。,2,瞬变非周期信号与连续频谱,瞬变非周期信号是指除准周期信号以外的非周期信号。通常所说的非周期信号就是指这种信号,。,常见的瞬变非周期信号如下图所示,。,根据定义，非周期信号不能按傅里叶级数分解成许多正（余）弦谐波之和。但为了了解其频域描述，可以通过援引周期信号的方法加以解决，即将一非周期信号仍当作周期信号处理，认为其周期趋于无穷大。,如设,x,(,t,),为周期信号，其频谱应为离散的。当认为,x,(,t,),的周期趋于无穷大时，则该信号即成为非周期信号。从频谱图可以看出，周期信号频谱谱线的频率间隔,=,0,=2/,T,，当周期,T,趋于无穷大时，其频率间隔趋于无穷小，所以非周期信号的频谱应该是连续的。如周期信号,x,(,t,),在,(-,T,/2,，,T,/2),区间内，傅里叶展开式为,其中,将,C,n,代入上式，得,式中，,n,取整数,0,，,1,，,2,，,，因而各谐波频率,n,0,只能取离散值；相邻谐波谱线间的频率增量,=,(,n,+1),0,n,0,=,0,=2/,T,，于是上式可写成,当信号的周期,T,不断增大时，谱线间的频率增量,不断减小，即谱线变得愈来愈密。若,T,，则,0,，原来只能取离散值的谐波频率,n,0,变为可连续取值的连续变量,0,。不仅如此，而且原来在频谱图上代表谐波幅值的谱线高度的含义也发生了本质的变化。,在数学上，,T,就意味着上式中,，,d,，,，,于是,将,=,2,f,代入上式得,这样就避免了在傅里叶变换中出现,的常数因子，使公式简化。式,称为,傅里叶积分,，其存在条件为：,（,1,）,在有限区间上满足狄里赫条件；,（,2,）积分,收敛，即,在无限区间上绝对可积。,周期信号可以通过傅里叶级数分解成为无限多项谐波的代数和。与此类似，非周期信号则可通过傅里叶积分“分解”成“无限多项谐波”的积分和。从所起的作用看，傅里叶积分与傅里叶级数类似。,6.3.2,傅里叶变换与非周期信号的频谱,在式,括号里的积分中，,t,是积分变,量，因此积分的结果是一个以频率,f,为自变量的函数，记作,此式称为函数,x,(,t,),的傅里叶变换（,FT,）。傅里叶变换是把时域函数,x,(,t,),变换为频域函数,X,(,f,),的桥梁，其功能与式,类,似，只是,中的自变量,只能跳变取离散值，而,中,可连续取值。,傅里叶级数是离散的叠加，其谐波中存在着一个基本频率,0,，其余频率是,0,的整数倍，所以叠加的结果是一个周期为,T,(,T,=2/,0,),的信号。而傅里叶变换则是“连续的叠加”，虽然叠加的每一项,X,(,f,)e,j,2,ft,d,f,都可看作周期函数（周期为,1/,f,），但不存在什么基本频率，因而叠加的结果必然是非周期信号。,傅里叶反变换（,IFT,）公式为,它把经过傅里叶变换后得到的频域,再变成时域函数。由此可知，傅里叶变换与傅里叶反变换构成一对傅里叶变换对，即,更为重要的是，,X,(,f,)e,j,2,ft,d,f,是一个无穷小量，它表示非周期信号,x,(,t,),在频率等于,f,处的谐波分量的幅值趋近于零。只有在一定的频带内，该谐波分量才具有一定的大小。由此可知，非周期信号,x,(,t,),的傅里叶变换,X,(,f,),本身并不能代表谐波分量的幅值，只有在一定频带内对频率,f,积分后才含有幅值意义。从量纲上看，,X,(,f,)d,f,具有幅值的量纲，而,则具有幅值,/,频率的量纲，或称单位频率上的幅值，即有分布密度的含义，故称,X,(,f,),为信号,x,(,t,),的,频谱密度,。由此看来，非周期信号的频谱具有两大特点：,连续性,和,密度性,。因此，非周期信号的频谱应叫频谱密度，不过习惯上仍称频谱。,周期函数的傅里叶系数是一个复数。非周期信号,x,(,t,),的傅里叶变换,X,(,f,),是一个以实变量,f,为自变量的复变函数，它可表示为,由于,所以,X,(,f,),与,X,(-,f,),是一对共轭复数，其模相等。因此,X,(,f,),f,曲线对称于纵轴，如图,(a),所示，并称为,双边谱,。为了在工程上应用方便，把负频率半边的谱图折算到正频率半边而得到单边谱，如图,(,b),所示，此时的谱图高度为双边谱的,2,倍。,（,a,）双边谱,（,b,）单边谱,图,(b),中的阴影面积（即幅值谱密度在,f,区间上的积分）表示非周期信号的,f,频带上的谐波分量的幅值，而频率恰好等于,f,n,的谐波分量幅值为零。可见非周期信号的谐波分量是依一定密度分散在,0,的连续频带内的，而周期信号的谐波分量则是依一定规律集中在一些离散的频率上。,例,6-3,求下图所示的单个矩形脉冲的频谱，其中,单个矩形脉冲,解,：,u,(,t,),设,的傅里叶变换为,U,(,f,),，由傅里叶变换的定义得,相应的频谱如右图所示。,频谱,6.3.3,傅里叶变换的性质,傅里叶变换是信号分析及处理中进行时间域和频率域之间变换的一种基本数学工具。当信号在时间域中的变化规律改变后，其在频率域中的变化规律也会对应改变；同样，当信号在频率域中的变化规律改变后，其在时间域中的变化规律也会对应改变。这种改变的对应关系体现在傅里叶变换的性质中。,傅里叶变换的主要性质有：奇偶虚实性、线性叠加性、对称性、时移性、频移性、尺度改变性、卷积定理、微分特性和积分特性等。,性质,时域,频域,奇偶虚实性,实偶函数,实偶函数,实奇函数,虚实函数,虚偶函数,虚偶函数,虚奇函数,实奇函数,线性,叠加,对称,尺度改变,时移,频移,翻转,共轭,时域卷积,频域卷积,时域微分,频域微分,积分,傅里叶变换的主要性质,6.3.4,几种特殊信号的频谱,1,矩形窗函数及频谱,一个在时域有限区间有值的信号，其频谱却延伸至无限频率。在时域中，若截取信号的一段记录长度，则相当于原信号和矩形窗函数乘积，根据傅里叶变换的频域卷积特性，所得信号的频谱将是原信号频谱函数和,函数的卷积，它将是连续的且频率无限延伸的频谱。,2,单位脉冲函数（,函数）及频谱,（,1,）,函数的定义,在数学上，如果函数,s,(,t,),仅在区间,0,，,上具有脉冲样图形（矩形脉冲、三角形脉冲等），并且此图形与,t,轴围成的面积为,1,，如右图所示，那么当脉冲宽度,0,时，函数,s,(,t,),的极限称为,函数,。,根据函数的定义不难看出,函数有如下特点：,在工程上，常,将,函数,用一个高度等于,1,的有向线段来表示，如下图所示，这个线段的高度表示,函数的积分，亦称,函数的强度（并非幅度值）。用这种方法表示的,函数称为,单位脉冲函数,。,（,2,）,函数的采样性质,若,x,(,t,),为一时域连续信号，则乘积,(,t,),x,(,t,),仅在,t,=0,处得到,(,t,),x,(0),，其余均为零，于是,可见,(,t,),与,x,(,t,),相乘后积分，其作用就是取出了信号,x,(,t,),在,t,=0,时刻的一个值，,x,(0),为一个采样点。,同样，对有延时的,函数,(,t-t,0,),，其值仅在,t=t,0,时刻才不为零，于是,此时，得到了,x,(,t,),在,t=t,0,时刻的一个采样点,x,(,t,0,),。在工程上，利用单位脉冲函数的概念，可将采样过程看成是信号与单位脉冲函数的简单乘积。,（,3,）,函数的频谱,可见，时域的脉冲信号具有无限宽广的频谱，而且各频率上的信号强度都相等。在信号的检测中，一般爆发电火花的地方（如雷电、火花塞等）都会对测试系统产生严重干扰，这是因为尖脉冲（类似,函数，能量均匀地分布在,的频带内）的高频部分以射频形式发射出来，对测试系统形成干扰的缘故。凡是频谱为常数的信号俗称,白噪声,。“白”是由白色光引申而来，意即白色的光谱频率丰富。,脉冲就是一种理想的白噪声。,将,函数进行傅里叶变换，即可得到其频谱函数，即,根据傅里叶变换的对称性、时移性和频移性等，可得到下列傅里叶变换对,:,（,4,）,函数与其他函数的卷积,在函数卷积运算中，若其中有一个函数是,函数，则运算极为简便。例如，若,U,(,f,),为右图所示矩形函数，,(,f,)=,(,f,-,f,s,)+,(,f,+,f,s,),为在频率轴上的两个单位脉冲函数，则其卷积,根据,函数的采样性质,:,所以,由此得出一个重要结论：任意函数和,函数的卷积，就是简单地将该函数在自己的横轴上平移到,函数所对应的位置。此结论对时域函数同样适用。,3,周期性单位脉冲序列及频谱,等间隔周期性单位脉冲序列的周期为,T,s,，如右图所示。它的数学表达式为,周期单位脉冲序列,若用傅里叶级数表示，则,所以,由下图所示的频谱图可以看出，时域中周期为,T,s,的脉冲序列在频域中仍是周期为,1/,T,s,的脉冲序列，其幅值为时域中脉冲幅值的,1/,T,s,倍。,根据傅里叶变换对 并对两端取傅里叶变换，即得,n,(,t,),的频谱,频谱,用计算机进行信号分析时，首先要将连续的模拟信号,x,(,t,),变为一连串离散的时间序列。以数字量的形式存入到一个个内存单元中，然后进行各种计算。为了实现这一过程，可先用,n,(,t,),与 连续信号,x,(,t,),相乘。根据,函数的采样性质可知，相乘后便得到一离散的时间序列。,由此看来，周期性单位脉冲序列,n,(,t,),在数学上具有采样功能，因此又称,采样函数,。相应地，,T,s,称采样间隔，也称采样周期，其倒数,1/,T,s,=,f,s,称采样频率。,4,正（余）弦函数及频谱,由于正（余）弦函数不满足绝对可积条件，因此不能直接应用傅里叶积分变换式，而需在傅里叶变换时引入,函数。,根据欧拉公式，正（余）弦函数可写成,由傅里叶变换对即可求得正、余弦函数的傅里叶变换，如下图所示。,6,.4,数字信号分析与处理,6.2.1,信号的数字化,数字处理的特点是处理离散数据，因此首先要把连续信号采样成离散的时间序列。由于传感器所测试的大多数物理过程本质上仍是连续的，所以总是有一个采样过程。这一过程把连续信号改变成等间隔的离散时间序列，其幅值也经过量化。,此外，数字计算机不管怎样快速，其容量和计算速度毕竟有限，因而处理的数据长度是有限的，信号必须要经过截断，这样数字信号处理就必然引入一些误差。,大部分传感器的输出信号都是随时间连续变化的模拟电量，若要采用数字式处理，则需要将连续模拟量转换成离散数字量，这可利用模,/,数转换装置（,A/D,转换器）来实现。,数字信号处理系统的简单框图，如下图所示,。,A/D,转换器的输入量为模拟信号,A,和模拟参考信号,R,，而输出量是数字编码信号,D,（一般是按二进制编码）。,A,、,R,和,D,之间的关系可表示为,式中的恒等式和中括号的含义是：在数字能够表示的最精确的范围内，,D,是最接近,A,/,R,的值。,A/D,转换的实现要经过,采样、量化和编码,三个过程。,1,采样,采样就是将连续变化的模拟信号离散化的过程。若将一个模拟信号,x,(,t,),和一个等间隔的脉冲序列,（,T,s,是采样间隔）相乘，由于,函数的采样性质，相乘以后只有在,t,=,nT,s,处有值。因此，采样后得到如图（,c,）所示的一系列在时间上离散的信号序列,x,(,nT,s,),，,n,=0,，,1,，,2,模拟信号,采样脉冲,离散信号,信号的量化,信号的编码,采样定理指出：一个连续的摸拟波形，若它的最高频率分量为,f,m,，则当采样频率,f,s,2,f,m,时，采样后的信号可以无失真地恢复成原来的连续信号。,2,量化,量化过程就是把采样取得的各点上的幅值与一组离散电平值比较，以最接近于采样幅值的电平值代替该幅值，并使每一个离散电平值对应一个数字量，如图（,d,）所示。若两相邻量化电平之间的增量为,，则量化误差最大为,，由此可见，在量化过程中相邻量化电平之间的增量越小（供比较的离散电平值的数量越多），误差越小。,数字信号只能以有限的字长表示其幅值，对于小于末位数字所代表的幅值部分只能采取“舍”或“入”的方法。,模拟信号,采样脉冲,离散信号,信号的量化,信号的编码,3,编码,编码过程是把已量化的数字量用一定的代码表示并输出，通常采用二进制代码。经过编码之后，信号的每个采样值对应一组代码，如图（,e,）所示。,模拟信号,采样脉冲,离散信号,信号的量化,信号的编码,6.4.2,离散傅里叶变换（,DFT,）,数字计算机不能对一个连续的模拟信号进行处理。其原因是：第一，数字计算机仅能处理离散数据；第二，计算机的内存容量总是有限的，它不能存放无限多的采样数据。因此“数值离散”和“点数有限”是使用数字计算机进行傅里叶变换的两大特点，为了区别常见的傅里叶变换，我们称之为,离散傅里叶变换,。,图（,a,）所示的是某一连续信号,x,(,t,),及其傅里叶变换,X,(,f,),。将,x,(,t,),乘以图（,b,）所示的采样函数,n,(,t,),，得到一无限的离散函数,x,1,(,t,)=,x,(,t,),n,(,t,),（见（,c,）图）。根据卷积定理（时域的乘积对应于频域的卷积）可知，,x,1,(,t,),的傅里叶变换,X,1,(,f,),=,X,(,f,),*,n,(,f,),。,而函数与,函数的卷积就是把该函数简单地平移到,函数所对应的位置，于是得到图（,c,），比较,X,1,(,f,),与,X,(,f,),可知，时域函数的离散导致频域图形的周期化。这是离散傅里叶变换引入的第一次误差。,（,a,）模拟信号及其傅里叶变换,（,b,）采样信号及其傅里叶变换,（,c,）离散信号及其傅里叶变换,至此，采样后的函数,x,1,(,t,),仍有无限个离散点，而计算机只能接受有限个点，因此要对,x,1,(,t,),进行时域截断，取出,N,个有限点。这在数学上可理解为用一高度为,1,的矩形函数,u,(,t,),（见（,d,）图）乘以,x,1,(,t,),，由于,u,(,t,),的作用相当于一个窗户，故称,窗函数,。,T,为截断长度，即采样时间。截断后的信号为,x,2,(,t,)=,x,1,(t)*,u,(,t,),（见（,e,）图），其傅里叶变换,X,2,(,f,),仍利用频域的卷积,X,1,(,f,)*,U,(,f,),进行计算。,卷积的结果使得在,X,1,(,f,),的基础上出现许多皱波（,Ripple,），即与截断前信号的频谱不同了，这说明信号所包含的能量也发生了变化，我们称此种现象为,泄漏,。,（,d,）矩形函数及其傅里叶变换,（,e,）矩形函数采样信号及其傅里叶变换,泄漏是由于窗函数,u,(,t,),的频谱,U,(,f,),有许多旁瓣而引起的（见图,(d),），中间的主峰叫做,主瓣,，在主峰两侧出现的一系列小峰叫,旁瓣,，所以把窗函数的频谱出现旁瓣的现象称为泄漏。如果增加采样时间,T,，则,U,(,f,),将变窄变高，泄漏就随之减小。当,T,（即不施行时域截断）时，,U,(,f,),变为,函数，皱波便完全消失。可见时域函数的截断可导致频域函数出现皱波，这是离散傅里叶变换引入的第二次误差。,图（,e,）中的傅里叶变换对、频域函数,X,2,(,f,),仍不是计算机能接受的离散函数，因此还须乘以频域采样函数,k,(,f,),（见图（,f,）,），得到,X,3,(,f,)=,X,2,(,f,),k,(,f,),（见图（,g,）。,根据卷积定理，,X,3,(,f,),的傅里叶逆变换为,x,3,(,t,)=,x,2,(,t,)*,k,(,t,),。至此，得到了如图（,g,）所示的离散傅里叶变换对，它在时域和频域都是用离散值表示的。,（,e,）矩形函数采样信号及其傅里叶变换,（,f,）频域采样函数及其傅里叶逆变换,（,g,）离散信号傅里叶变换,在理解离散傅里叶变换时，特别要注意的是，时域上采样的结果将得到频率的周期函数；而频域上采样的结果将得到时间的周期函数。由此可知，离散傅里叶变换需要将原时间函数和频率函数都修改成周期函数。不过在计算机中仅存储了,N,个时域采样值和,N,个频域采样值，它们分别表示时域波形和频域波形的一个周期，并且近似于原来的连续傅里叶变换对。,按照上述推演离散傅里叶变换的思路，可从理论上导出离散傅里叶变换的数学表达式,例,6-3,求序列,x,(,n,),=,1,，,2,，,1,，,0,当,N,=4,时的离散傅里叶变换,X,(,k,),。,解,：,由式,知,因此可得,x,(,t,),的,4,点,DFT,：,X,(,k,)=,4,，,-j2,，,0,，,j2,。,6.4.3,数字化分析处理中的若干问题,1,频率混淆,时域的采样引起了频域的周期化。这时如果采样频率,f,s,选得足够高，则频域各周期的图形不会发生重叠。与此同时，在应用中仅取,-,f,s,/2,，,f,s,/2,（双边谱）或仅取,0,，,f,s,/2,（单边谱）进行分析，其余各周期不予理会，则频域周期化所带来的误差就可能完全避免。在工程上，称采样频率的一半,f,n,=,f,s,/2,为奈奎斯特频率或截止频率。,如果由于原信号频带很宽或采样频率,f,s,选得太低，则频域中相邻周期的波形就会发生重叠，从而引起误差，如下图所示。这种现象称频率混淆，简称,频混,。,混叠现象,2,采样频率及频率分辨力,由采样定理可知：对于一个频率为,0,f,m,的有限带宽连续信号进行采样，只有当采样频率,f,s,2,f,m,时，其离散傅里叶变换才不发生频率混淆，因而只有用这样采样的点才能得到离散信号的频谱，同时也只有用这样采样的点才能够完全恢复原时域信号的连续波形,x,(,t,),，不过此时要借助插值公式来求出采样点以外的其他点。,采样定理要求,f,s,2,f,m,，但采样频率,f,s,并非选得越高越好。由,N,个时域采样点进行离散傅里叶变换，得到,N,个频域点，通常称为,N,条谱线，对应的频率范围为,-,f,s,/2,，,f,s,/2,，因此相邻谱线的频率增量为,可见当采样点数,N,一定时，采样频率,f,s,越高，频率增量越大，频率分辨力越低。因此，在满足采样定理的前提下，采样频率不应选得过高，一般取,f,s,=(23),f,m,就够了。,由上式可以看出，采样频率,f,s,选定后，要想提高频率分辨力，就要增加采样点数,N,，这就意味着要增加采样时间，多占计算机内存容量和延长计算时间。为解决此矛盾，可采用小波变换等现代信号分析处理方法。小波变换具有多分辨率的特点，可以按粗细不同的尺度观察信号，对频率信号的分析采用不同的分辨率，弥补了常规分析方法的不足。,3,频率混淆,FFT,算法要求采样点数,N,必须是,2,的正整数次幂，因此采样点数,N,必须选用为,N,=2,P,（,P,为正整数），还常取,P,=911,，采样点数取得过多则计算时间太长。,FFT,算法将,DFT,算法的计算速度提高到原来的,N,/log,2,N,倍，使傅里叶变换可以在很短的时间内完成。目前已有很多关于离散傅里叶变换的硬件、软件及专用机可供使用。,4,窗函数、截断和泄漏,截断就是将无限长的信号乘以有限宽的窗函数。“窗”的意思是指透过窗口能够“看到外景（信号）”的一部分。最简单的窗是矩形窗，如下图所示，其函数为,函数式,矩形窗,矩形窗的频谱函数为,对信号截取一段,(,-,T,，,T,),，就相当于在时域中,x,(,t,),乘以矩形窗函数,(,t,),，于是有,由于,(,t,),是一个频带无限的函数，所以即使,x,(,t,),是限带信号，而在截断以后也必须成为无限带宽的函数，这说明信号的能量分布扩展了。又从上面的讨论可知，无论采样频率多高，只要信号一经截断就不可避免地导致一些误差，这一现象称为,泄漏,。,如果增大截断长度，则,W,(,f,),图形将压缩变窄，虽然在理论上其频谱范围仍为无穷宽，但实际上中心频率以外的频率分量衰减较快，因而泄漏误差将减小。当,T,趋于无限大时，则,W,(,f,),将变为,(,f,),函数，而,(,f,),函数与,X,(,f,),的卷积仍为,X,(,f,),。这就说明如果不截断，就没有泄漏误差。,一个时域信号愈是变化剧烈（即愈含有脉冲性突变或阶跃性突变），其频率成分越丰富。泄漏与窗函数频谱的旁瓣有关。矩形窗函数频域中的旁瓣就是由于窗两端的阶跃性突变所致。因此，只要选择两端比较平滑的窗函数，便能减少泄漏误差。根据这一原理，人们提出了许多实用的窗函数，如汉宁窗、哈明窗、高斯窗、三角窗等，如下图所示。,（,a,）汉宁窗,（,b,）哈明窗,（,c,）高斯窗,（,d,）三角窗,如果要分析信号中那些幅值很小的频率成分（即次要的频率成分），则不能用矩形窗，应该用泄漏最小的高斯窗。,如果仅仅分析信号的主要频率成份，而不考查频谱的细微结构，则可用计算最为简单的矩形窗。,如果要两者兼顾，则可用汉宁窗或哈明窗，而哈明窗的应用最为广泛。,比较这五种窗，矩形窗旁瓣最高但主瓣最窄，高斯窗旁瓣最低但主瓣却最宽，最理想的窗函数应该是主瓣窗窄而旁瓣低。因此在处理数据时，要根据具体要求来选择窗函数。一般来说应注意以下几点：,注意：,一需要指出的是，除了矩形窗外，其他窗在对时域函数截断的同时，还对时域函数的幅值有影响，导致频域函数幅值下降，因而要乘以一个修正系数进行修正，这点在计算时要特别注意。,5,平均化处理,离散傅里叶变换是连续傅里叶变换的一种近似。对信号进行截断分析，用数学的语言来说就是抽出总体信号的一个样本进行分析。如果多抽出一些样本进行离散傅里叶变换，最后取其平均值，必然会抵消一些随机误差而获得较高精度，这种方法称为,平均化,。,平均化处理在数据处理中得到了广泛的应用，具体做法是先把足够多的点数采入计算机存储器，然后一段接一段地进行分析，最后取平均。若总点数不够，取用时可在各段之间交叉，使同一数据能够多段重复使用。,6.4.4,快速傅里叶变换（,FFT,）,快速傅里叶变换（,FFT,）是离散傅里叶变换（,DFT,）的快速算法，它在确定,DFT,的系数时使所要求的乘法及加法次数减少。,FFT,的算法有很多种，其中大多数已编制了程序，从而使应用于数字频谱分析、滤波器模拟及相关领域的计算技术产生了较大的发展。,FFT,算法的实质就是把一个长数据序列,x,(,n,),经多次分选抽取，最终分割成,n,/2,个，每个有两个数据的序列作,DFT,计算，分别算出分割后比较短的子序列的频谱，然后按一定的规则组合，即可得到整个序列,x,(,n,),的频谱。,例如，有一数据序列,x,(,n,),，,n,=0,，,1,，,2,，,，,N,-1,，如下图所示（,N,=8,）。将序列,x,(,n,),按偶数项和奇数项经一次抽取，组合成两个较短的半序列,y,(,n,),和,z,(,n,),，,其中,（,a,）原始序列,x,(,n,),（,b,）半序列,y,(,n,),（,c,）半序列,z,(,n,),如果原序列,x,(,n,),的总项数,N,=2,P,，则可以把它分割成两个半序列，半序列,y,(,n,),和,z,(,n,),又可以分成,4,个,1/4,序列，然后再分成,8,个,1/8,序列，直到最后每个序列只剩下两项为止。这样，只需对只有两项的“序列”求,DFT,，然后应用上式逐步“合并”，最终可求得原序列,的,DFT,。按,FFT,算法逻辑步骤，编好程序用计算机进行计算。,6,.5,随机信号分析与处理,6.,5,.1,基本概念,随机信号的描述必须用概率和统计学的方法。对随机信号按时间历程所作的各次长时间观测记录称为样本函数，记作,x,(,t,),，如右图所示。,随机信号是非确定性信号，它不能用确定的数学关系式来描述，不能预测它未来任何瞬时的精确值，任一次观测值只代表在其变动范围内可能产生的结果之一，但其值的变动服从统计规律。,1,随机过程,在有限时间区间上的样本函数称为,样本记录,。在同一试验条件下，全部样本函数的集合（总体）就是随机过程，以,x,(,t,),表示，即,随机过程的基本特性可以从幅值域、时差域和频率域进行数学描述，主要的统计参数有均值、方差、均方值、概率密度函数、自相关函数、互相关函数、功率谱密度函数和互谱密度函数等。其中有些统计参数用于描述单个随机信号的数据特性，有些统计参数用于描述两个或多个随机信号的联合特性。,随机过程的各种平均值（均值、方差、均方值和均方根值等）是按集合平均来计算的。集合平均的计算不是沿某单个样本的时间轴进行，而是在集合中的某时刻,对所有样本函数的观测值取平均。为了与集合平均相区别，称按单个样本的时间历程进行平均的计算为时间平均。,平稳随机过程,非平稳随机过程,随机过程,2,平稳随机过程,平稳随机过程就是统计特征参数不随时间变化而改变的随机过程。例如，对某一随机过程的全部样本函数的集合选取不同的时间,t,进行计算，得出的统计参数都相同，则称这样的随机过程为,平稳随机过程,，否则就是非平稳随机过程。,3,平稳随机过程,若从平稳随机过程中任取一样本函数，如果该单一样本在长时间内的平均统计参数（时间平均）和所有样本函数在某一时刻的平均统计参数（集合平均）是一致的，则称这样的平稳随机过程为各态历经随机过程。显然，各态历经随机过程必定是平稳随机过程，但是平稳随机过程不一定是各态历经的。,大量事实证明，一般工程上遇到的平稳随机过程大多数是各态历经随机过程。虽然有的不一定是严格的各态历经过程，但在精度许可的范围内，也可以当作各态历经随机过程来处理。事实上，一般的随机过程需要足够多的样本（理论上应为无限多）才能描述它，而要进行大量的观测来获取足够多的样本函数是非常困难或做不到的。在测试工作中常以一个或几个有限长度的样本记录来推断整个随机过程，以其时间平均来估计集合平均。,各态历经随机过程是随机过程