频谱与功率谱

最新推荐文章于 2023-06-05 12:50:38 发布

热爱(⑉°з°)-♡

最新推荐文章于 2023-06-05 12:50:38 发布

阅读量1.1k

点赞数

文章标签：信号处理

本文链接：https://blog.csdn.net/m0_45096530/article/details/121579919

版权

分析信号一般从信号的频谱、功率谱等入手

我们知道，对信号与系统进行分析与研究、处理有两类方法：一类在时域上进行；一种在频域上进行研究分析。这两类方法都是信号处理的重要方法。对于确定信号傅里叶变换是在频率域分析研究的理论基础，但对于随机信号，其傅里叶变换并不存在，因此转向研究它的功率谱。按照Weuner-Khintchine 定理，信号的功率谱和其自相关函数服从一对傅里叶变换。

对于信号信号分析，一种从时间维度分析，另一种从频域分析

信号的分类：连续信号和离散信号
连续时间信号又包含周期连续信号和非周期连续信号
对于周期连续信号采用傅里叶级数分析法
$f(t) = a_{0}+\sum_{n=1}^{\infty} \left [ a_{n}cos(nw_{1}t)) +b_{n}sin(nw_{1}t))\right ]$
对于非周期来纳许信号采用傅里叶变换分析法
傅里叶正变换（FT）：
$F(w) = \int_{-\infty }^{\infty}f(t)e^{jwt}dt$
傅里叶逆变换（IFT）：
$f(t) = \frac{1}{2\pi }\int_{-\infty }^{\infty}F(w)e^{-jwt}dw$
离散信号分析
可以采用序列的离散傅里叶变换分析法（DTFT），也可以使用快速傅里叶变换（FFT）
快速傅里叶变换时离散傅里叶变换的快速算法
离散傅里叶正变换：
$DTFT[x(n)] = X(e^{jw}) = \sum_{n=-\infty }^{\infty }x(n)e^{-jw_{n}}$
离散傅里叶逆变换：
$IDTFT[X(w)] = x(n) =\frac{1}{2\pi }\int_{-\pi }^{\pi }X(e^{jw_{n}})dw$

信号又可以分为能量信号和功率信号

能量信号：能量有限，平均功率为0
功率信号：能量无限大，平均功率为有限值
在实际通信中，信号都具有有限的功率、有限的持续时间、有限的能量。但是，若信号的持续非常长，例如广播信号，则可以近似为有无限长的持续时间，信号的平均功率有限，能量无限大。此时可以认为功率信号。
能量信号的能力谱密度
$E = \int_{-\infty }^{\infty }s^{2}(t)dt$
由巴塞伐尔定理
$E = \int_{-\infty }^{\infty }s^{2}(t)dt = \int_{-\infty }^{\infty }\left |S(f) \right |^{2}dtf$
其中表示 $\left |S(f) \right |^{2}$ 在频率轴f上的积分等于信号的能量，所以称 $\left |S(f) \right |^{2}$ 为功率谱密度，表示在频率f处带宽为df的频带内的能量信号或者称之单位频带内的信号能量 G(f)
$G(f) =\left |S(f) \right |^{2} (J/Hz)$

功率信号的功率谱密度 P(f)
$P(f) = \lim _{T->\infty }\frac{1}{T}\left | S(f) \right |^{2}$
所以信号的功率谱密度P（f）
$P = \lim _{T->\infty }\frac{1}{T}\left | S(f) \right |^{2} = \int_{-\infty }^{\infty }P(f)df$
表示在频率间隔df内信号的功率