【数字信号处理】相关函数应用 ( 相关函数应用场景 | 噪声中检测信号原理 )





一、相关函数应用场景



求下面信号的 " 自相关函数 " :

x ( n ) = sin ⁡ ( 2 π f n ) + N ( n ) x(n) = \sin(2\pi fn) + N(n) x(n)=sin(2πfn)+N(n)

其中 N ( n ) N(n) N(n)高斯白噪声 ;

高斯白噪声 符合 正态分布 特性 , 其 均值为 0 0 0 , 方差为 1 1 1 , 其功率谱密度是白的 , 在所有的频率上 , 其功率都相同 ;



s ( n ) = sin ⁡ ( 2 π f n ) s(n) = \sin(2\pi fn) s(n)=sin(2πfn)

则有

x ( n ) = s ( n ) + N ( n ) x(n) = s(n) + N(n) x(n)=s(n)+N(n)

自相关函数 公式为 :

r x ( m ) = ∑ n = − ∞ + ∞ x ∗ ( n ) x ( n + m ) r_x(m) = \sum_{n=-\infty}^{+\infty} x^*(n) x(n + m) rx(m)=n=+x(n)x(n+m)

代入 x ( n ) = s ( n ) + N ( n ) x(n) = s(n) + N(n) x(n)=s(n)+N(n) , 求该信号的自相关函数 , 由于都是 实型号 , 不存在共轭 , 式子变为 :

r x ( m ) = ∑ n = − ∞ + ∞ [ s ( n ) + N ( n ) ] [ s ( n + m ) + N ( n + m ) ] r_x(m) = \sum_{n=-\infty}^{+\infty} [s(n) + N(n)] [s(n + m) + N(n + m)] rx(m)=n=+[s(n)+N(n)][s(n+m)+N(n+m)]

展开式子 :

r x ( m ) = ∑ n = − ∞ + ∞ [ s ( n ) s ( n + m ) + N ( n ) s ( n + m ) + s ( n ) N ( n + m ) + N ( n ) N ( n + m ) ] r_x(m) = \sum_{n=-\infty}^{+\infty} [s(n) s(n + m) + N(n) s(n + m) +s(n)N(n + m) +N(n)N(n + m) ] rx(m)=n=+[s(n)s(n+m)+N(n)s(n+m)+s(n)N(n+m)+N(n)N(n+m)]

进一步将加和符号展开 :

r x ( m ) = ∑ n = − ∞ + ∞ s ( n ) s ( n + m ) + ∑ n = − ∞ + ∞ N ( n ) s ( n + m ) + ∑ n = − ∞ + ∞ s ( n ) N ( n + m ) + ∑ n = − ∞ + ∞ N ( n ) N ( n + m ) r_x(m) = \sum_{n=-\infty}^{+\infty} s(n) s(n + m) + \sum_{n=-\infty}^{+\infty}N(n) s(n + m) + \sum_{n=-\infty}^{+\infty}s(n)N(n + m) + \sum_{n=-\infty}^{+\infty}N(n)N(n + m) rx(m)=n=+s(n)s(n+m)+n=+N(n)s(n+m)+n=+s(n)N(n+m)+n=+N(n)N(n+m)

其中 :

∑ n = − ∞ + ∞ s ( n ) s ( n + m ) = r s ( m ) \sum_{n=-\infty}^{+\infty} s(n) s(n + m) = r_s(m) n=+s(n)s(n+m)=rs(m)

∑ n = − ∞ + ∞ N ( n ) s ( n + m ) = r N s ( m ) \sum_{n=-\infty}^{+\infty} N(n) s(n + m) = r_{Ns}(m) n=+N(n)s(n+m)=rNs(m)

∑ n = − ∞ + ∞ s ( n ) N ( n + m ) = r s N ( m ) \sum_{n=-\infty}^{+\infty} s(n)N(n + m) = r_{sN}(m) n=+s(n)N(n+m)=rsN(m)

∑ n = − ∞ + ∞ N ( n ) N ( n + m ) = r N ( m ) \sum_{n=-\infty}^{+\infty} N(n)N(n + m) = r_{N}(m) n=+N(n)N(n+m)=rN(m)

最终得到结果 :

r x ( m ) = r s ( m ) + r N s ( m ) + r s N ( m ) + r N ( m ) r_x(m) = r_s(m) + r_{Ns}(m) + r_{sN}(m) + r_{N}(m) rx(m)=rs(m)+rNs(m)+rsN(m)+rN(m)


r N s ( m ) ≈ 0 r_{Ns}(m) \approx 0 rNs(m)0 , r s N ( m ) ≈ 0 r_{sN}(m) \approx 0 rsN(m)0 , r N ( m ) = 白 噪 声 方 差 r_{N}(m) = 白噪声方差 rN(m)= ;

因此有 r x ( m ) = r s ( m ) + r N ( m ) r_{x}(m) = r_s(m) + r_N(m) rx(m)=rs(m)+rN(m) ;





由于 高斯白噪声是随机的 ,

噪声信号 是 功率信号 , m = 0 m = 0 m=0 时 , 是完全相关的 , 相关函数值就是功率值 ,

但是只要 m m m 不为 0 0 0 , 噪声信号错开了一点 , 那就是完全不相关了 ,

自相关函数 与 功率谱密度 是一对 傅里叶变换对 , 如果自相关函数具备该特点 ,

m = 0 m = 0 m=0 时 , 相当于 δ ( n ) \delta(n) δ(n) 信号 , δ ( n ) \delta(n) δ(n) 信号的傅里叶变换为 1 1 1 , 其在所有的频率上其 功率密度函数 都是 1 1 1 , 在所有的频率上都是有功率分布的 ;


在噪声中检测信号 ,

r N ( m ) r_N(m) rN(m) 只有在 m = 0 m=0 m=0 时有值 ,

一旦 m m m 增加或减小 ( 绝对值增加 ) , r N ( m ) r_N(m) rN(m) 值会趋于 0 0 0 ,

剩下的那个就可以检测出来了 ;

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值