信号分析与处理基础.ppt

1、第2章 信号的分析与处理Signal Analysis and Processing,2.0 序(Introduction) 2.1 信号的时域分析(Signal Analysis in Time Domain) 2.2 信号的相关分析(Signal Correlation) 2.3 信号的频域分析(Signal Analysis in Frequency Domain) 2.4 数字信号处理基础(Basic of Digital Signal Processing),返回,第2章 信号的分析与处理,信号分析与处理的目的： 1）剔除信号中的噪声和干扰，即提高信噪比； 2）消除测量系统的误差，修

2、正畸变的波形； 3）强化、突出有用信息，削弱无用部分； 4）将信号加工、处理、变换，以便更容易识别和分析信号的特征，解释被测对象所表现的各种物理现象。,2.0 序 (Introduction),信号分析和信号处理是密切相关的，二者并没有明确的界限。 本章重点讨论频域分析。 信号分析和处理的方法主要有模拟分析方法和数字处理分析方法。 数字信号处理可以在专用计算机上进行，也可以在通用计算机上实现。,序,2.1 信号的时域分析 (Signal Analysis in Time Domain),离散时间序列统计参数,2.1.1 特征值分析,离散信号的绝对平均值(absolute mean),离散信号的

3、均值(mean) N 为离散点数,离散信号的均方值(mean square),信号的均方根值(root of mean square) ，即为有效值,离散信号的方差(variance),信号的时域分析,特征值分析的应用,信号的时域分析,旋转机械振动标准,2.1.2 概率密度(probability density)函数分析,正弦信号,正弦加随机噪声,窄带随机信号,宽带随机信号,概率密度函数,常见信号的概率密度函数：,信号的时域分析,正态分布随机信号的概率密度函数,正态分布又叫高斯分布，是概率密度函数中最重要的一种分布。,因此，,信号的时域分析,2.2 信号的相关分析 (Signal Corre

4、lation Analysis),2.2.1 相关系数,x与y变量的相关性,不相关,相关,0,0,0,变量x和y之间的相关程度常用相关系数表示：,由柯西-许瓦兹不等式,所以，,信号的相关分析,2.2.2 自相关(self-correlation)分析,相关系数,信号的相关分析,自相关函数定义,周期信号：,非周期信号：,进一步，对于周期信号和非周期信号有：,信号的相关分析,自相关函数的性质,自相关函数为实偶函数,证明：,信号的相关分析,自相关函数的性质,信号的相关分析,周期函数的自相关函数仍为同频率的周期函数,例2.1 求正弦函数 的自相关函数。,把,解：,代入,信号的相关分析,，,2.2.3

5、互相关(cross-correlation)分析,互相关函数的概念,互相关系数,互相关函数,信号的相关分析,互相关函数的性质,1）互相关函数是可正 、可负的实函数。,2）互相关函数非偶函数、亦非奇函数，具有关系,因为：,信号的相关分析,3） 的峰值不在 处，其峰值偏离原点的位置反映了两信号时移的大小，相关程度最高。,互相关函数的性质,信号的相关分析,5）两个统计独立的随机信号，当均值为零时，则,信号的相关分析,4）互相关函数的限制范围为,证明,有上述结论。,6) 两个不同频率的周期信号，其互相关为零。,0,7）周期信号与随机信号的互相关函数为零。,信号的相关分析,例2.2 求两个同频率的正弦函

6、数 和 的互相关函数。,解：因为信号是周期函数，可以用一个共同周期内的平均值代替其整个历程的平均值，故,信号的相关分析,d,速度v,透镜,光电池,可调延迟,相关器,钢带,0,信号的相关分析,钢带运动速度的非接触测量,相关分析在故障诊断中的应用,信号的相关分析,x1(t),x2(t),t,s,2.3 信号的频域分析 (Signal Analysis in Frequency Domain),信号的时域描述反映了信号幅值随时间变化的特征； 相关分析从时域为在噪声背景下提取有用信息提供了手段； 信号的频域描述反映了信号的频率结构和各频率成分的幅值大小； 功率谱密度函数、相干函数、倒谱分析则从频域为研

7、究平稳随机过程提供了重要方法。,2.3.1 巴塞伐尔（Paseval）定理,信号在时域中的总能量与信号在频域中的总能量相等,由卷积定理,即,令,令,信号的频域分析,，则,2.3.2功率谱(power spectrum)分析及其应用,定义随机信号的自功率谱密度函数（自谱）为,其逆变换为,定义两随机信号的互功率谱密度函数（互谱）为,其逆变换为,信号的频域分析,功率谱密度函数的物理意义,表示信号的功率密度沿频率轴的分布，故又称为功率谱密度函数。,信号的频域分析,自功率谱密度函数 和幅值谱 及能谱 之间的关系,由巴塞伐尔定理：,由功率谱定义：,因此，有,信号的频域分析,自功率谱密度函数是偶函数,它的频

8、率范围 ， 又称双边自功率谱密度函数。它在频率范围 的函数值是其在 频率范围函数值的对称映射，因此 。,单边谱和双边谱,信号的频域分析,0,f,功率谱的应用,1）自功率谱密度 与幅值谱 及系统频率响应函数 的关系,信号的频域分析,若,信号的频域分析,输入/输出自功率谱密度函数与系统频率响应函数关系,通过输入、输出自谱的分析，就能得出系统的幅频特性。但这样的谱分析丢失了相位信息，不能得出系统的相频特性。,单输入、单输出的理想线性系统,信号的频域分析,2）互谱排除噪声影响,由于输入和噪声是独立无关的，,信号的频域分析,+,+,+,+,+,+,+,+,+,3）功率谱在设备诊断中的应用,汽车变速箱上加

9、速度信号的功率谱图,正常,异常,故障频率,信号的频域分析,（a）,（b）,4）瀑布(water fall)图,信号的频域分析,5）坎贝尔（Canbel）图,信号的频域分析,2.3.3 相干函数(coherence function),相干函数为零 - 输出信号与输入信号不相干。 相干函数为1 - 输出与输入信号完全相干。 相干函数在01之间 - 有如下三种可能：测试中有外界噪声干扰；输出是输入和其他输入的综合输出；系统是非线性的。,对于线性系统,信号的频域分析,油压脉动与油管振动的相干分析,压油管压力脉动的基频,润滑油泵转速为n=781 r/min,油泵齿轮的齿数为z=14,信号的频域分析,（

10、a）信号x(t)的自谱,（b）信号y(t)的自谱,（c）相干函数,2.3.4 倒谱(cepstrum)分析,倒频谱分析亦称为二次频谱分析 检测复杂信号频谱上的周期结构，分离和提取在密集泛频谱信号中周期成分,功率倒频谱函数,与自相关函数比较,信号的频域分析,幅值倒频谱函数,也可以定义为,倒频谱的应用 （1）分离信息通道对信号的影响,在机械状态监测和故障诊断中所测得的信号往往是由故障源经系统路径的传输而得到的响应，如欲得到该源信号，必须消除传递通道的影响。,信号的频域分析,信号的频域分析,（2）用倒频谱诊断齿轮故障,齿轮的振动,转轴频率,啮合频率,功率谱,倒谱,信号的频域分析,信号的频域分析,利用

11、FFT频谱分析，将复杂的波形转换成频谱，以便进一步了解振动的构成原因。,0,第二节、数字信号处理,本节学习要求：,1.了解信号模数转换和数模转换原理 2.掌握信号采样定理，能正确选择采样频率 3.了解数字信号处理中信号截断、能量泄露、 栅栏效应等现象 4.掌握常用的数字信号处理方法,数字信号处理概述,第二节章、数字信号处理,1、数字信号处理的主要研究内容,数字信号处理主要研究用数字序列来表示测试信号，并用数学公式和运算来对这些数字序列进行处理。其主要内容包括数字波形分析、幅值分析、频谱分析和数字滤波。,2、测试信号数字化处理的基本步骤,3、数字信号处理的目的,1）分离信、噪，提高信噪比； 2）

12、从信号中提取有用的特征信号； 3）修正测试系统的某些误差，如传感器的非线性误差、温度影响等。,4、数字信号处理的优势 数字信号处理具有稳定、灵活、快速、高效、应用范围广、设备体积小重量轻等优点.,1)用数学计算和计算机显示代替复杂的电路和机械结构,b)灵活、方便的计算机虚拟仪器开发系统,案例：铁路机车FSK信号检测与分析,京广线计划提速到200公里/小时,合作任务：机车状态信号识别(频率解调),2.4 数字信号处理基础 (Basic of Digital Signail Processing),2.4.1 数字信号处理的基本步骤,信号预处理：幅值调理、滤波、隔离直流分量、解调等。 A/D转换：

13、采样、量化为数字量。 数字信号处理器或计算机：信号分析与处理（数据截断、加窗、奇异点剔除、趋势分离、数字滤波、时域分析、频域分析等）。 结果显示：数据或图形显示、D/A、记录、打印等。,预处理,A/D转换,x(t),数字信号 处理器 或 计算机,预处理,A/D转换,x(t),结果 显示,数字信号处理系统简图,1、A/D转换,1) A/D转换过程,a.采样利用采样脉冲序列p(t)，从连续时间信号x(t)中抽取一系列离散样值，使之成为采样信号x(nTs)的过程 n= 0，1。Ts称为采样间隔，或采样周期，1Ts = fs 称为采样频率。,b.量化把采样信号x（nTs）经过舍入变为只有有限个有效数字

14、的数，这一过程称为量化,第七章、数字信号处理,1) A/D转换过程,若取信号x（t）可能出现的最大值A，令其分为D个间隔，则每个间隔长度为R=AD，R称为量化增量或量化步长。当采样信号x（nTs）落在某一小间隔内，经过舍入或截尾方法而变为有限值时，则产生量化误差。 量化增量D愈大，则量化误差愈大，量化增量大小，一般取决于计算机A/D卡的位数。例如，8位二进制为28=256，即量化电平R为所测信号最大电压幅值的1256。,c.编码将离散幅值经过量化以后变为二进制数字的过程。,式中ai 取0或1。,1) A/D转换过程,2) A/D转换器的技术指标,(1) 分辨率; 用输出二进制数码的位数表示。位

15、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) 转换精度; 转换精度=量程/(AD转换器的分辨力) (3) 转换速度; 指完成一次转换所用的时间，如:100ms(10Hz)；10us(100kHz),一般，量化误差可以忽略，如12位A/D在动态范围为10V时的量化误差为 2.44 mV，满量程（10 V）时的相对误差为0.024 4%，若将量化误差视为噪声，则此时信噪比为,数字信号处理基础,2、D/A转换过程和原理,1) D/A转换过程,D/A转换器是把数字信号转换为电压或电流信号的装置。,2.4.2 时域采样和采样定理,采样(sampling)：连续时间信号

16、离散化的过程。 采样时间间隔为Ts，则x(t)经采样后的离散序列x(n)为,x(n)与x(t)是局部与整体的关系。 能否由x(n)唯一确定或恢复出x(t)，或能否通过对x(n)的分析获得x(t)的全部信息是采样最关心的问题。,数字信号处理基础,混叠(aliasing)和采样定理,时域采样间隔过长，造成频域周期化间隔不够大时，在重复频谱交界处出现的局部互相重叠现象，称为频率混叠（如主教材图5 - 2c）。,所以,数字信号处理基础,A、B、C 被误认为是一条曲线,高频正弦信号 被误认为是低频正弦信号,数字信号处理基础,x(t),0,1,2,3,t,A,B,C,Ts,混叠现象,4,混叠的后果是原来的

17、高频信号将被误认为是某种相应的低频信号。 发生混叠的高频成分（大于频率）f1和低频成分f2（低于频率）之间满足：,即f1和f2以 为轴对称，可以将混叠视为以 为轴将高频分量f1折叠至低频分量f2处。因此， 称为折叠频率。也称为奈奎斯特频率(Nyquist frequency) 。,数字信号处理基础,若原始信号是带限信号，则采样后信号频谱不发生重叠的条件为 fs2fm 。其中fm为信号中的最高频率。此即为采样定理。,实际工作中，fs常取为信号最高频率的2.56倍以上。,数字信号处理基础,消除混叠的措施 提高采样频率。但提高采样频率将导致在同样信号长度下采样点数随之提高，增加计算负担。 应用抗混滤

18、波器降低信号中的最高频率。从理论上讲，由于抗混滤波器的非理想特性，信号中高频分量不可能完全衰减，因此不可能彻底消除混叠。,数字信号处理基础,2.4.3 截断(truncation)、泄漏(leakage)和窗函数(window),计算机处理的数据长度是有限的，进行数字信号处理必须对过长时间历程的信号进行截断处理。截断相当于对信号进行加窗处理，截断即是将信号乘以时域的有限宽矩形窗函数：,即：采样后信号x(t)s(t)经截断成为x(t)s(t)w(t)。,数字信号处理基础,矩形窗函数的频谱为无限带宽的sinc函数，即使x(t)为带限信号，经截断后必然成为无限带宽信号，这种信号的能量在频率轴分布扩展

19、的现象称为泄漏。 无论采样频率多高，信号不可避免地出现混叠。,减小泄漏的措施：,提高截断信号长度，即提高矩形窗宽度，此时sinc函数主瓣变窄，旁瓣向主瓣密集，由于旁瓣衰减较快，故可减小泄漏，但显然采样点数随之提高，增加计算负担。,数字信号处理基础,采用其他窗函数。一个好的窗函数应当：主瓣尽可能窄（提高频率分辨力）、旁瓣相对于主瓣尽可能小，且衰减快（减小泄漏）。,常用窗函数,矩形窗(rectangle window),数字信号处理基础,三角窗(triangle windsow),数字信号处理基础,汉宁窗(Hanning window)（余弦窗）,其中,数字信号处理基础,指数窗(exponent

20、window),数字信号处理基础,几种典型窗函数的技术指标,数字信号处理基础,窗函数类型,主瓣宽度,最大旁瓣幅度,旁瓣衰减速度,矩形窗,2/T, 13,dB,6dB/oct,三角形窗,4/T, 26,dB,12,dB/oct,汉宁窗,4/T, 32,dB,18dB/oct,2.4.4 频域采样与栅栏效应,频域采样与时域采样类似，频域采样导致对时域截断信号进行周期延拓，将时域截断信号“改造”为周期信号。,数字信号处理基础,x(t) w(t),0,t,-f0,f0,0,T,T,-T,s2(t),0,S2(f),0,f,f,X(f)*W(f),S2(f),x(t) w(t)*,s2(t),T,频域采

21、样,-f0,f0,0,f,0,经频域采样后的频谱仅在各采样点上存在，而非采样点的频谱则被“挡住”无法显示（视为0），这种现象称为栅栏效应。显然，采样必然带来栅栏效应。 在时域，只要满足采样定理，栅栏效应不会丢失信号信息 在频域，则有可能丢失重要的或具有特征的频率成分（由于泄漏，丢失频率成分附近的频率有可能存在），导致谱分析结果失去意义。,数字信号处理基础,X(f)S0(f),x(t)s0(t),s0(t),x(t),S0(f),X(f),w(t),W(f),x(t)s0(t)w(t),X(f)S0(f)W(f),s1(t),S1 (f),X(f)S0(f)W(f) S1 (f ),x(t)s0(t)w(t) * s1(t),离散傅里叶变换图解说明,(a),(b),(c)