时频域能量、功率谱密度、自相关函数

时频域能量相等(parseval定理)

在 物理学 和 工程学 中, 帕塞瓦尔定理通常描述如下:
在这里插入图片描述
帕塞瓦尔定理的此表达形式解释了波形x(t)依时间域t累积的总能量与该波形的傅立叶变换X(f)在频域域f累积的总能量相等。

对于离散时间信号,该理论表达式变换为:
在这里插入图片描述
其中,X为x的离散时间傅立叶变换(DTFT),而Φ为x的角频率(度每样本)。

此外,对于离散傅立叶变换 (DFT),表达式变换为:
在这里插入图片描述
其中,X[k]为x[n]的DFT变换,变换前后样本长度皆为N。

下面用matlab做简单验证。

a = 1:8;
freq_energy = sum((abs(fft(a)).^2))/length(a);
time_energy = a*a';

输出结果freq_energy = time_energy = 204


能量信号和功率信号

信号的总能量的时域表达式为:
在这里插入图片描述
信号的总能量的频域表达式为:
在这里插入图片描述
  对不同的信号,上面两个定义中的极限并不一定存在,由此可以区分能量信号和功率信号。也就是说,第一个极限存在,即称为 能量信号,若第二个极限存在,则称为 功率信号。应该记住的一点是,一个信号可以既不是能量信号,也不是功率信号,但不可能既是能量信号,又是功率信号。
举例:
脉冲信号,时间上可积,能量谱趋于无穷,频率上不可积,就是能量信号,不是功率信号。
一个正弦(周期)信号进行时间上无限地周期延拓,在时域能量无限,无法积分,但是频域上可积分,就是功率信号。


平均功率&功率谱密度

  能量信号的平均功率 P 就是:
在这里插入图片描述
  功率信号的平均功率 P:

周期信号功率谱

  如果信号是 功率信号,情况就稍微复杂一些了。这里先选取一个 周期功率信号,这个是十分容易的,一个有限长时间的信号进行周期延拓就可以得到了。周期信号在时间上无始无终,能量必然是无限的,但功率可能是有限的。对信号进行傅里叶展开,可以写成:
在这里插入图片描述
或表示为复指数形式:
在这里插入图片描述
周期信号的平均功率只需要取一个周期进行能量平均即可得到,也即:
在这里插入图片描述
或:
在这里插入图片描述
利用二项式展开以及三角函数系的正交性,不难化简上式:
在这里插入图片描述

在这里插入图片描述
  An 是周期信号中频率为 nΩ₀ 的谐波分量的幅值,Pn = An²/2 是频率为 nΩ₀ 的谐波分量的功率。所以结论就是:周期信号的平均功率等于各谐波分量幅值的平方和。容易理解,周期信号的功率是离散地分布在频率为基频 Ω₀ 整数倍的谐波分量上的。

周期信号功率谱密度

  如果以频率为横坐标,功率 Pn 为纵坐标,就可以得到功率随频率的分布。容易观察到,周期信号的功率谱频率分布是离散的,等间隔的,间隔长度就是基频 Ω₀ = 2π/T₀ ,如果将 Pn 在区间 [nΩ₀, (n+1)Ω₀] 平均化为 Pn/Ω₀ ,就可以得到一条频率连续的分布曲线 G(ω) ,其意义就是频率 ω 上的功率密度,也就是所谓的 功率谱密度,量纲是 [U]²/Hz。功率谱密度曲线的对频率积分就等于平均功率 P,即:
在这里插入图片描述
  实际上,如果引入冲击函数 δ(·),功率对频率微分也可得到周期信号的功率谱密度,功率谱密度在基频整数倍为脉冲形式,即 G(ω) = ΣPnδ(ω-nΩ₀),同样满足功率谱密度的积分就等于平均功率 P。
  以三角函数对功率展开, 幅值 An 为实数,n 仅取正值,功率谱密度 G(ω) 为单边功率谱,如果以复指函数形式对功率展开,系数 Cn 为复数,而 n 取全体整数,功率谱密度 S(ω) 为双边功率谱,二者关系为:An = 2|Cn| = 2|C₋n|,G(ω) = 2S(ω)。

非周期信号功率谱

  下面考虑 非周期功率信号,这类信号也非常常见,如平稳随机过程。
  非周期信号可以用周期信号的思路来推广,相当于周期信号中的周期 T₀ → ∞ 。
  周期趋近于无穷意味着基频(离散谐波的频率分布间隔) Ω₀ → 0 ,离散的谐波功率谱线趋于连续。同时,傅里叶系数 An 也趋于 0,也就是说,在谐波功率谱线的图形中,所有频率的谱值 Pn 都是无穷小,注意到,功率谱的频率密度 G(ω) = Pn/Ω₀ 却为有限值,可以用于描述功率的频率分布。
  通过对信号的截断也容易理解非周期信号的功率谱密度。功率信号 x(t) 无法直接进行傅里叶变换,但通过对信号截断,则截断后的 [-T, T] 上有限时长的信号 x₀(t)则为能量信号,可进行傅里叶变换,得到截断信号 x₀(t) 能量的频率表示 |X₀(ω)|²。随着截断时间 2T 趋于无穷,截断信号 x₀(t) 逼近功率信号 x(t),能量谱密度 |X₀(ω)|² 趋于无穷,而其时间平均则为有限值,也即功率谱密度 G(ω) = lim(1/2T)|X₀(ω)|² 。


理解自相关函数

以下是用来理解相关函数的3个案例:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


自功率谱密度和自相关函数互为傅里叶变换对

分别理解了自功率谱密度和自相关函数之后,开始看二者互为傅里叶变换对的原因。

  • 9
    点赞
  • 91
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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