信号处理的功率谱分析(二)

上文链接:

信号处理的功率谱分析(一)

二、怎么计算功率谱

计算功率谱的方法1:直接法

       现在,事情就变得简单了,我们将属于时域信号进行傅立叶变换,得到频域分内,然后平方积分即可以得到功率谱密度。


但是我们在上面章节分析过,当信号为功率信号时,傅立叶变换不存在。既然为什么随机信号的一次FFT没有意义却还能(傅立叶变换的平方)/(区间长度)得到功率谱?

因为对随机信号直接做FFT的做法其实就是截断成能量信号进行处理,这种处理不符合随机信号定义,但之所以这样做,是做短时频域分析下作的近似处理。

(在工程实际中,即便是功率信号,由于持续的时间有限,可以直接对信号进行傅里叶变换,然后对得到的幅度谱的模求平方,再除以持续时间来估计信号的功率谱。)


计算功率谱的方法2:自相关法

从理论上来说,功率谱是信号自相关函数的傅里叶变换。因为功率信号不满足傅里叶变换的条件,其频谱通常不存在,维纳-辛钦定理证明了自相关函数和傅里叶变换之间对应关系。

1)自相关是做什么的

这里我们先看引入的自相关的概念:

对于上面两段话不是很理解的,可以看下面两幅图,分别是白噪声随机信号和随机相位正弦信号及其自相关信号:

2)自相关和功率谱的关系

说了这么多,和我们要进行功率谱分析有什么关系?前面我们分析了,信号的功率在时域和频域都是满足守恒定律的。

而功率被定义成幅值的平方的时间平均分量,而这个过程,也可以看成是去除频域谐波分量的相位信息的过程,因为本质来说,一个简谐信号的相位是不影响其功率的。而自相关函数,也具有去除信号相位的功能,那自相关函数和功率密度谱是不是有什么深刻的联系呢?答案是肯定的,那就是维纳-辛钦定理(Wiener–Khinchin

theorem),这个定理表明:信号的自相关函数与功率密度谱是一对傅里叶变换对:


三、功率谱计算的算法实现[14]

实际的功率谱计算中,总是取一个截断,然后根据截断对总体做估计。

功率谱方法可以分为两种,直接法和间接法。直接法也称为周期图法,它是直接对有限个样本数据进行傅里叶变换来得到功率谱。样本数据越长,直接法获得的分辨率越高。间接法则是先对有限个样本数据进行自相关估计,再进行傅里叶变换,最后得到功率谱。

matlab中自功率谱密度直接用psd函数就可以求,按照matlab的说法,psd能实现Welch法估计,即相当于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。

可以参考资料【14】里的matlab函数


参考资料

[1]https://zhuanlan.zhihu.com/p/22513006    各种谱函数的区别是什么,何时用何种函数?

[2] https://blog.csdn.net/scuthanman/article/details/5588138?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase   自相关与互相关在matlab中实现

[3] https://zhuanlan.zhihu.com/p/40481049    如何理解随机振动的功率谱密度?

[4]https://www.zhihu.com/question/39592966/answer/875419230  如何理解功率信号和能量信号

[5] https://zhuanlan.zhihu.com/p/22571798    谱线是怎样影响随机信号和周期信号的PSD或自谱的

[6]https://blog.csdn.net/fengzhuqiaoqiu/article/details/101153157    能量信号和功率信号的分别

[7]https://www.cnblogs.com/l20902/p/10610962.html    能量谱密度功率谱密度

[8] https://my.oschina.net/wangsifangyuan/blog/875891    功率谱和频谱的区别、联系

[9]https://blog.csdn.net/FPGADesigner/article/details/88532027    MATLAB数字信号处理(1)四种经典功率谱估计方法比较

[10]https://zhuanlan.zhihu.com/p/143545782    数字信号处理:功率谱估计的对比分析

[11]https://blog.csdn.net/dujiahei/article/details/80233999    功率谱密度函数估计

[12]《概率论与数理统计》第四版——第十四章平稳随机过程

[13] https://www.zhihu.com/question/68698069/answer/275980099    为什么随机信号不能用频谱表示?而必须用功率谱、密度表示呢?

[14] https://wenku.baidu.com/view/7703fc5f951ea76e58fafab069dc5022abea46f0.html?fr=search    matlab实现功率谱密度分析psd及详细解说

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,236评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,867评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,715评论 0 340
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,899评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,895评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,733评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,085评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,722评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,025评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,696评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,816评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,447评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,057评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,254评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,204评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,561评论 2 343