信号处理初步

关于信号处理初步第一页，共一百一十二页，编辑于2023年，星期日

第五章

信号处理初步第二页，共一百一十二页，编辑于2023年，星期日重点：相关分析及其应用、功率谱分析及其应用；

难点：信号数字化中出现的问题：采样、混叠、截断、泄漏和窗函数等概念。

第五章信号处理初步第三页，共一百一十二页，编辑于2023年，星期日

测试工作的目的是获得有用的信息，但测试信号中既含有有用信息，也含有大量干扰噪声。因此，信号处理的任务：修正测试系统的某些误差；滤除干扰噪声，提取有用信息；分离信、噪，提高信噪比。第五章信号处理初步第四页，共一百一十二页，编辑于2023年，星期日研究信号的构成和特征值（对信号结构无影响）。

把信号经过必要的变换，以获得所需信息的过程（有可能改变信号本身结构）。二者没明确的界限，有时作同义语。

信号分析：信号处理：第五章信号处理初步第五页，共一百一十二页，编辑于2023年，星期日

信号处理可用模拟信号处理系统和数字信号系统来实现。模拟信号处理系统：由实现模拟运算功能的电路组成。

数字信号处理系统：由微型计算机和相关软件组成（也可用专用信号处理机）。

第五章信号处理初步第六页，共一百一十二页，编辑于2023年，星期日

第一节

数字信号处理

的基本步骤

第一节

第七页，共一百一十二页，编辑于2023年，星期日

随着微电子技术和信号处理技术的发展，在工程测试中，数字信号处理方法得到广泛的应用。从传感器获取的信号大多为模拟信号，进行数字信号处理之前，一般先要对信号作预处理和数字化处理。而数字传感器可直接通过接口与计算机联接，将数字信号送给计算机（或数字信号处理器）进行处理。基本步骤：第一节数字信号处理的基本步骤第八页，共一百一十二页，编辑于2023年，星期日数字信号处理系统如下图：物理信号对象传感器电信号预处理电信号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第一节数字信号处理的基本步骤第九页，共一百一十二页，编辑于2023年，星期日

在数字处理之前，对信号用模拟方法进行的处理。

如对输入信号的幅值处理，使幅值与A/D转换器的动态范围相适应；衰减信号中不感兴趣的高频部分，减少频混的影响；隔离被分析信号中的直流分量，消除趋势项及直流分量。1、预处理：第一节数字信号处理的基本步骤第十页，共一百一十二页，编辑于2023年，星期日A/D转换：将预处理以后的模拟信号变为数字信号，存入指定的地方。分析计算：对采集到的数字信号进行分析、计算（可用数字运算器件组成的信号处理器，也可用通用计算机）。4.结果显示：一般采用数据和图形显示结果。

第一节数字信号处理的基本步骤第十一页，共一百一十二页，编辑于2023年，星期日

第二节

信号数字化出现的问题

第十二页，共一百一十二页，编辑于2023年，星期日

数字信号处理首先把一个连续变化的模拟信号转化成数字信号，然后由计算机处理，从中提取有用的信息。第二节信号数字化出现的问题第十三页，共一百一十二页，编辑于2023年，星期日

众所周知，数字计算机不能对一个连续的模拟信号计算，其原因为：必须经过A/D转换器把一个模拟信号转变成数字量存放到一定的内存单元，然后进行计算；2.

计算机内存容量总是有限的，它不可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立叶变换的两大特点。为了区别常见的傅立叶变换，称之为有限离散傅立叶变换，简称离散傅立叶变换（DFT）。第二节信号数字化出现的问题第十四页，共一百一十二页，编辑于2023年，星期日

下面从图形上认识这一过程及出现的问题:某一连续信号x（t）及傅立叶变换X（f）；第二节信号数字化出现的问题第十五页，共一百一十二页，编辑于2023年，星期日

为了用计算机计算，必须将x（t）变换成有限长的离散序列。采样：如图5－3为采样函数s（t）及频谱S（f）。第二节信号数字化出现的问题第十六页，共一百一十二页，编辑于2023年，星期日

由图可知，时域函数的离散导致频域图形的周期化。这是离散傅立叶变换的第一次误差。第二节信号数字化出现的问题第十七页，共一百一十二页，编辑于2023年，星期日时域截断：取出N个有限点，这在数学上可理解为把采样后的信号乘以一个矩形窗函数（图5－5），窗宽为T

。那么。第二节信号数字化出现的问题第十八页，共一百一十二页，编辑于2023年，星期日

如图5－6所示。可见时域函数的截断导致频域函数出现皱波（泄漏），这是离散傅立叶变换引入的第二次误差。第二节信号数字化出现的问题第十九页，共一百一十二页，编辑于2023年，星期日

图5－6中的频域函数仍不是计算机能接受的离散信号。第二节信号数字化出现的问题第二十页，共一百一十二页，编辑于2023年，星期日

至此，得到了如图5－8所示的离散傅立叶变换对，它在时域上和频域上都是用离散值表示的，且在时域、频域都周期化。但计算机中仅存储N个采样点，分别表示时域、频域波形的一个周期，可用此近似原来的连续傅立叶变换。那么，必须要做好该信号处理过程中采样、截断、DFT计算，否则均会引起失真和误差。第二节信号数字化出现的问题第二十一页，共一百一十二页，编辑于2023年，星期日一、时域采样、混叠和采样处理

第二节信号数字化出现的问题第二十二页，共一百一十二页，编辑于2023年，星期日将连续变化的模拟信号离散化的过程。

采样过程可以看作用等间隔的单位脉冲序列去乘模拟信号。这样各采样点上信号的大小就变成脉冲序列的强度，这些强度值被量化而成为相应的数值。采样

(Sample)

：第二节信号数字化出现的问题第二十三页，共一百一十二页，编辑于2023年，星期日X(0),X(1),X(2),……,X(n)

第二节信号数字化出现的问题第二十四页，共一百一十二页，编辑于2023年，星期日长度为T的连续时间信号x（t），从t=0点开始采样，采样得到的离散时间序列x（n）为式中Ts——采样间隔；N——序列长度，N=T/Ts

；fs——采样频率，fs=1/

Ts

；第二节信号数字化出现的问题第二十五页，共一百一十二页，编辑于2023年，星期日采样间隔

(Sampleinterval)

：

采样间隔太小（采样频率↑），数字序列长，计算工作量大，计算速度慢；

若采样间隔过大（采样频率↓），则可能丢掉有用的信息。第二节信号数字化出现的问题第二十六页，共一百一十二页，编辑于2023年，星期日第二节信号数字化出现的问题第二十七页，共一百一十二页，编辑于2023年，星期日1、混叠现象：混叠现象的解释及其避免的办法：采样函数：第二节信号数字化出现的问题第二十八页，共一百一十二页，编辑于2023年，星期日频域解释

0t0f0t0ft00f

采样间隔不当引起频率混叠。第二节信号数字化出现的问题第二十九页，共一百一十二页，编辑于2023年，星期日2、避免混叠的方法：混叠必定出现在f=fs

/2（折叠频率）左右两侧的频率处。可以证明，任何一个高频成分f1和低频率成分f2、fs的关系为：第二节信号数字化出现的问题第三十页，共一百一十二页，编辑于2023年，星期日不产生频率混叠的条件：1、使被采样的模拟信号x（t）成为有限带宽的信号。2、应使采样频率fs大于带限信号的最高频率fh的2倍（采样定理），即第二节信号数字化出现的问题第三十一页，共一百一十二页，编辑于2023年，星期日采样定理：采样的基本法则

fs>2fh实际工作中选fc：滤波器的截止频率。第二节信号数字化出现的问题第三十二页，共一百一十二页，编辑于2023年，星期日

若x（t）不是带限信号，则A/D采样前抗混叠滤波处理：

物理信号对象传感器电信号放大调制电信号A/D转换数字信号展开低通滤波放大第二节信号数字化出现的问题第三十三页，共一百一十二页，编辑于2023年，星期日二、量化和量化误差

第二节信号数字化出现的问题第三十四页，共一百一十二页，编辑于2023年，星期日

把采样点上信号的瞬时幅值转换成二进制的数字量。即离散信号变成离散数字信号。量化

(Quantization)

：第二节信号数字化出现的问题第三十五页，共一百一十二页，编辑于2023年，星期日

在工作中，采用A/D转换器来完成，A/D的位数是一定的，且不论它的位数有多高，模拟信号采样点的幅值电平总落在两个相邻量化电平之间，就要舍入到相近的一个量化电平上，见上图，由于有舍入，就会产生误差。第二节信号数字化出现的问题第三十六页，共一百一十二页，编辑于2023年，星期日

量化电平与信号实际电平之间的差，其最大值为。以后的讨论假设为0。量化误差

(Quantizationerror)

：第二节信号数字化出现的问题第三十七页，共一百一十二页，编辑于2023年，星期日三、截断、泄漏、窗函数

第二节信号数字化出现的问题第三十八页，共一百一十二页，编辑于2023年，星期日

信号的历程是无限的，而不可能对无限长的信号进行处理，所以要截断。截断(Interdict)

：将无限长的信号乘以有限宽的窗函数。

第二节信号数字化出现的问题第三十九页，共一百一十二页，编辑于2023年，星期日

为便于数学处理，通常对截断的信号做周期延拓，得到虚拟的无限长的信号。

第二节信号数字化出现的问题第四十页，共一百一十二页，编辑于2023年，星期日

设有余弦信号x(t),用矩形窗函数w(t)与其相乘，得到截断信号：y(t)=x(t)w(t)将截断信号谱XT(ω)与原始信号谱X(ω)相比较可知，它已不是原来的两条谱线，而是两段振荡的连续谱.原来集中在f0处的能量被分散到两个较宽的频带中去了，这种现象称之为频谱能量泄漏。第二节信号数字化出现的问题第四十一页，共一百一十二页，编辑于2023年，星期日

样本截断引起泄漏。

泄漏与窗函数(Functionofthewindow)频谱的旁瓣有关，窗函数旁瓣↓，相应的泄漏误差也将减小。所以选择合适的窗函数也是信号处理中的重要问题之一。第二节信号数字化出现的问题第四十二页，共一百一十二页，编辑于2023年，星期日四、频域采样、时域周期延拓、栅栏效应

第二节信号数字化出现的问题第四十三页，共一百一十二页，编辑于2023年，星期日

经过时域采样、截断后，其频谱在频域是连续的（图5－6），所以必须使频率离散化，实行频域采样；

第二节信号数字化出现的问题第四十四页，共一百一十二页，编辑于2023年，星期日

时域采样的结果使时域信号平移至各脉冲坐标位置重新构图——时域周期延拓。

栅栏效应（Effectofthebar）

：不论时域或频域采样，有如透过栅栏取值，总会有落在栅栏之外的。第二节信号数字化出现的问题第四十五页，共一百一十二页，编辑于2023年，星期日五、频率分辨力、整周期截断

第二节信号数字化出现的问题第四十六页，共一百一十二页，编辑于2023年，星期日频率采样间隔

是频率分辨力的指标：

——

采样频率N——

采样点数

若按整周期截断信号，则延拓后的信号将和原信号完全重合。第二节信号数字化出现的问题第四十七页，共一百一十二页，编辑于2023年，星期日六、常用的窗函数

第二节信号数字化出现的问题第四十八页，共一百一十二页，编辑于2023年，星期日

选择窗函数应使频谱的主瓣宽度窄、旁瓣幅度小。窄的主瓣可提高频率的分辨力，小的旁瓣可以减小泄漏。（一）、矩形窗

特点：主瓣最窄2/T，旁瓣较高T，泄漏较大。

应用：适合于要获得精确主峰的频率，而对幅值精度要求不高的场合。第二节信号数字化出现的问题第四十九页，共一百一十二页，编辑于2023年，星期日（二）、三角窗

特点：主瓣宽度约为矩形窗的2倍，但旁瓣低且不会出现负值。第二节信号数字化出现的问题第五十页，共一百一十二页，编辑于2023年，星期日（三）、汉宁窗（余弦窗)

特点：旁瓣明显降低，有抑制泄漏的作用，但主瓣较宽，致使频率分辨能力较差。应用：在截断随机信号或非整周期截断周期函数时，为了平滑或削弱截取信号的两端，减小泄漏，宜加汉宁窗。第二节信号数字化出现的问题第五十一页，共一百一十二页，编辑于2023年，星期日（四）、指数窗

特点：无旁瓣，主瓣很宽，其频率分辨力低。

应用：对脉冲响应类信号宜加指数窗，若适当选择衰减函数，可起到抑制噪声的作用。

第二节信号数字化出现的问题第五十二页，共一百一十二页，编辑于2023年，星期日常用窗函数第二节信号数字化出现的问题第五十三页，共一百一十二页，编辑于2023年，星期日

第三节

相关分析及其应用

第五十四页，共一百一十二页，编辑于2023年，星期日

在测试技术中，无论分析两个随机变量之间的关系，还是分析两个信号或一个信号在一定时移前后之间的关系，都需要应用相关分析。第三节相关分析及其应用第五十五页，共一百一十二页，编辑于2023年，星期日一、两随机变量的相关系数

第三节相关分析及其应用第五十六页，共一百一十二页，编辑于2023年，星期日

通常，两个变量之间存在对应的确定关系，则为函数关系。如球的体积与半径之间的依存性。

随着某一变量数值的确定，另一变量却可能取许多不同值，但取值有一定概率统计规律。如农产品的含水率与干燥时间的关系，每一确定干燥时间，含水率不是一恒定值(在一定范围内)，但有规律，随干燥时间增加，含水率下降。相关关系第三节相关分析及其应用第五十七页，共一百一十二页，编辑于2023年，星期日b）有相关性。

a）不相关。第三节相关分析及其应用第五十八页，共一百一十二页，编辑于2023年，星期日

如果所研究的变量x,y是与时间有关的函数，即x(t)与y(t)：x(t)y(t)第三节相关分析及其应用第五十九页，共一百一十二页，编辑于2023年，星期日则对于变量x和y之间的相关程度常用相关系数来表示：第三节相关分析及其应用第六十页，共一百一十二页，编辑于2023年，星期日x↑

y↑，x↓

y↓

正相关。x↑

y↓，x↓

y↑

负相关。→0，x

、y之间无关。但可能存在非线性相关或函数关系。

当数据点分布愈来愈近一条直线时，的绝对值接近1，x与y的线性相关程度愈好。的正负号表示一变量随另一变量的增加而增加或减少。第三节相关分析及其应用第六十一页，共一百一十二页，编辑于2023年，星期日xyxyxyxy第三节相关分析及其应用第六十二页，共一百一十二页，编辑于2023年，星期日二、信号的自相关函数

第三节相关分析及其应用第六十三页，共一百一十二页，编辑于2023年，星期日第三节相关分析及其应用第六十四页，共一百一十二页，编辑于2023年，星期日

信号的自相关是描述信号在一个时刻的取值与另一个时刻取值的依赖关系；用下式表示：（5－19）

式中，T为样本记录长度（即观测时间）

x(t)x(t)时延器

乘法器

x(t+τ)x(t)x(t+τ)积分器

Rxx(τ)第三节相关分析及其应用第六十五页，共一百一十二页，编辑于2023年，星期日1）即：时，为最大值。

2）自相关函数在时为最大值，并为该信号的均方值。。第三节相关分析及其应用自相关函数的性质：

第六十六页，共一百一十二页，编辑于2023年，星期日3）当足够大或时，4）自相关函数为偶函数。5）周期函数的自相关函数仍为同频率的周期函数，其幅值与原周期信号幅值有关，而丢失了原信号的相位信息。第三节相关分析及其应用第六十七页，共一百一十二页，编辑于2023年，星期日图5－17典型信号的自相关函数

第三节相关分析及其应用第六十八页，共一百一十二页，编辑于2023年，星期日案例：机械加工表面粗糙度自相关分析

提取出回转误差等周期性的故障源。被测工件相关分析第三节相关分析及其应用第六十九页，共一百一十二页，编辑于2023年，星期日案例：自相关分析测量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。自相关分析的主要应用：用来检测混淆在干扰信号中的确定性周期信号成分。第三节相关分析及其应用第七十页，共一百一十二页，编辑于2023年，星期日三．信号的互相关函数

第三节相关分析及其应用第七十一页，共一百一十二页，编辑于2023年，星期日第三节相关分析及其应用第七十二页，共一百一十二页，编辑于2023年，星期日

两个各态历经的随机信号x（t）和y（t）的互相关函数：

(5—25)x(t)y(t)时延器

乘法器

y(t+τ)x(t)y(t+τ)积分器

Rxy(τ)第三节相关分析及其应用第七十三页，共一百一十二页，编辑于2023年，星期日互相关函数的性质：互相关函数的性质峰值点第三节相关分析及其应用第七十四页，共一百一十二页，编辑于2023年，星期日互相关函数不是偶函数，其峰值偏离原点的位置反映了两信号在错开多大时，相关程度最高。

Rxy（τ）Ryx（τ）第三节相关分析及其应用第七十五页，共一百一十二页，编辑于2023年，星期日3）频率相同的两个周期信号的互相关函数的仍是周期函数，其周期与原信号相同。保留了两个信号的频率，幅值和相位的信息（同频相关，不同频不相关）。4）若完全独立无关，且均值为0，则，

均值不为0，；2)不同，关函数的对称性，见上图

，即互相第三节相关分析及其应用第七十六页，共一百一十二页，编辑于2023年，星期日1）检测混淆在噪声中的信号

激振信号x（t）,所测定的信号为y（t）+n（t），n（t）为噪声信号。

应用：第三节相关分析及其应用第七十七页，共一百一十二页，编辑于2023年，星期日

那么做互相关分析，y（t）与

n（t）频率无关，那么仅x（t）和y（t）的互相关函数存在，并反映了激振的响应幅值和相位差。消除了噪声。

第三节相关分析及其应用第七十八页，共一百一十二页，编辑于2023年，星期日第三节相关分析及其应用2）测量运动速度

第七十九页，共一百一十二页，编辑于2023年，星期日3）确定地下输油管漏损位置第三节相关分析及其应用第八十页，共一百一十二页，编辑于2023年，星期日检查汽车司机座椅振动的振源

4）传递通道的确定

第三节相关分析及其应用第八十一页，共一百一十二页，编辑于2023年，星期日

据互相关图，发动机与座椅之间相关性差，而车轮与座椅之间互相关明显，那么振动主要由车轮引起。

座椅

发动机

车轮

传感器

传感器

传感器

互

相

关

分

析第三节相关分析及其应用第八十二页，共一百一十二页，编辑于2023年，星期日注意：对能量有限信号进行相关分析时，应按下面定义来计算：矩形脉冲信号、衰减指数函数等第三节相关分析及其应用第八十三页，共一百一十二页，编辑于2023年，星期日四．相关函数估计第三节相关分析及其应用第八十四页，共一百一十二页，编辑于2023年，星期日

对于随机信号，可用有限时间的样本记录所求得的相关函数值来作为随机信号相关函数的估计，即：

对于周期信号，可用一个周期内的观察值的平均值代表整个过程的平均值。第三节相关分析及其应用第八十五页，共一百一十二页，编辑于2023年，星期日

对于有限个序列点N的数字信号的相关函数估计，可写成：第三节相关分析及其应用第八十六页，共一百一十二页，编辑于2023年，星期日

第四节功率谱分析及其应用

第八十七页，共一百一十二页，编辑于2023年，星期日一、自功率密度函数

第四节功率谱分析及其应用第八十八页，共一百一十二页，编辑于2023年，星期日定义：x（t）是零均值的随机信号（若x（t）是非零均值的，可以通过适当处理使其均值为0），并假定x（t）中没有周期分量，则：第四节功率谱分析及其应用第八十九页，共一百一十二页，编辑于2023年，星期日

将自相关函数的傅立叶变换

（5－34）（5－35）

定义为的自功率谱密度函数，简称自功率谱或自谱。据傅立叶逆变换，有：第四节功率谱分析及其应用第九十页，共一百一十二页，编辑于2023年，星期日当τ=0时，上式为：(前面已述，均方值为信号的平均功率)。

这表示自功率谱与频率轴所包围的面积就是信号的平均功率。因此，给出了信号中各频率分量的功率沿频率轴的分布，故称为自功率谱密度函数。第四节功率谱分析及其应用第九十一页，共一百一十二页，编辑于2023年，星期日

为实偶函数。称为信号x（t）的单边功率谱。如图5-22所示。第四节功率谱分析及其应用第九十二页，共一百一十二页，编辑于2023年，星期日

称为能谱，它是沿频率轴的能量分布密度，在整个时间轴上信号平均功率为巴塞伐尔定理第四节功率谱分析及其应用第九十三页，共一百一十二页，编辑于2023年，星期日根据式得自功率谱密度函数和幅值谱的关系为：

所以功率谱可通过直接对时域信号作傅里叶变换来计算。(5-38)第四节功率谱分析及其应用第九十四页，共一百一十二页，编辑于2023年，星期日功率谱的估计

用有限长度T的样本记录来计算样本功率谱，并以此作为信号功率谱的初步估计值：第四节功率谱分析及其应用第九十五页，共一百一十二页，编辑于2023年，星期日对于数字信号：第四节功率谱分析及其应用第九十六页，共一百一十二页，编辑于2023年，星期日应用：

1）分析信号的成分和结构

与幅值谱均可反映频率结构，但反映的是信号幅值的平方，因此其频率结构更为明显（见图5－23）。第四节功率谱分析及其应用第九十七页，共一百一十二页，编辑于2023年，星期日2）故障的判断和分析

据功率谱的变化来判断发生原因，以便排除。3）通过输入、输出自谱的分析，可得系统的幅频特性

但在计算中丢失了相位信息，因而不能得出系统的相频特性。第四节功率谱分析及其应用第九十八页，共一百一十二页，编辑于2023年，星期日4）用来检测信号的周期成分

周期成分在实测的自功率谱密度图形中以陡峭有限峰值的形态出现。第四节功率谱分析及其应用第九十九页，共一百一十二页，编辑于2023年，星期日二．互谱密度函数

第四节功率谱分析及其应用第一百页，共一百一十二页，编辑于2023年，星期日定义：如果互相关函数满足傅立叶变换条件：

为x（t）和y（t）的互谱密度函数，简称互谱。则定义第四节功率谱分析及其应用第一百零一页，共一百一十二页，编辑于2023年，星期日

互谱和互相关函数构成一对傅立叶变换对，所以二者包含有相同的信息，都可用来描述信号之间的相关性，不同点是互相关函数在时间域上，而互谱在频率域上。

互谱的傅立叶