信号---经典谱估计（功率谱，频谱的理解）

 

功率谱和频谱：

功率谱：信号自相关后FFT

频谱：信号直接FFT

 

功率谱：

信号的传播都是看不见的，但是它以波的形式存在着，这类信号会产生功率，单位频带的信号功率就被称之为功率谱。它可以显示在一定的区域中信号功率随着频率变化的分布情况。

功率谱可以从两方面来定义：

一个     是自相关函数的傅立叶变换；（维纳辛钦定理）

另一个   是时域信号傅氏变换模平方然后除以时间长度。（来自能量谱密度） 根据parseval定理，信号傅氏变换模平方被定义为能量谱，能量谱密度在时间上平均就得到了功率谱。 频谱：

频谱是常常指信号的Fourier变换。 （1-7 作者：Yorkxu）转载的理解： 

（1）信号通常分为两类：能量信号和功率信号；

能量信号：又称能量有限信号，是指在所有时间上总能量不为零且有限的信号。 功率信号：它的能量为无限大，它对通信系统的性能有很大影响，决定了无线系统中发射机的电压和电磁场强度。

（2）一般来讲，能量信号其傅氏变换收敛（即存在），而功率信号傅氏变换通常不收敛（当然，若信号存在周期性，可引入特殊数学函数（Delta）表征傅氏变换的这种非收敛性）；

（3）信号是信息的搭载工具，而信息与随机性紧密相关，所以实际信号多为随机信号，这类信号的特点是状态随机性随时间无限延伸，其样本能量无限。换句话说，随机信号（样本）大多属于功率信号而非能量信号，它并不存在傅氏变换，亦即不存在频谱；

（4）若撇开搭载信息的有用与否，随机信号又称随机过程，很多噪声属于特殊的随机过程，它们的某些统计特性具有平稳性，其均值和自相关函数具有平稳性。对于这样的随机过程，自相关函数蜕化为一维确定函数，前人证明该确定相关函数存在傅氏变换；

（5）能量信号频谱通常既含有幅度也含有相位信息；幅度谱的平方（二次量纲）又叫能量谱（密度），它描述了信号能量的频域分布；功率信号的功率谱（密度）描述了信号功率随频率的分布特点（密度：单位频率上的功率），业已证明，平稳信号功率谱密度恰好是其自相关函数的傅氏变换。对于非平稳信号，其自相关函数的时间平均（对时间积分，随时变性消失而再次退变成一维函数）与功率谱密度仍是傅氏变换对；

（6）实际中我们获得的往往仅仅是信号的一段支撑，此时即使信号为功率信号，截断之后其傅氏变换收敛，但此变换结果严格来讲不属于任何“谱”（进一步分析可知它是样本真实频谱的平滑：卷积谱）；

（7）对于（6）中所述变换若取其幅度平方，可作为平稳信号功率谱（密度）的近似，是为经典的“周期图法”；

补充：（8） 一个信号的频谱,只是这个信号从时域表示转变为频域表示,只是同一种信号的不同的表示方式而已；而功率谱是从能量的观点对信号进行的研究,其实频谱和功率谱的关系归根揭底还是信号和功率,能量等之间的关系。

谱估计 功率谱估计一般分成两大类： 经典谱估计，也称为非参数谱估计。 现代谱估计，也称为参数谱估计。

clc;close all;clear all;

[s, fs] = audioread('hello.wav');%s=166912*1;fs=44100

%命令说明：[y,Fs] = audioread(filename)：returns sampled data, y, and a sample rate for that data, Fs.

%sound(y,fs) % set analysis parameters, pre-emphasise and windowing %根据话音位置，取5000可以把话音主要部分加入其中

figure; subplot(2,1,1); plot(s);  ylabel('振幅');  xlabel('Time (n)'); title('原信号的时域'); Xk=fft(s);

subplot(212);plot(abs(Xk)); xlabel('\omega/\pi');ylabel('e^j^\omega');title('原信号的频域');

%===============================================================

N = 4000;

Nfft = 4000;

n0 = 10000;

x = s(n0 : n0+N-1);%从10000个点截到14000，共4000个点

x1 = filter([1 -0.97], 1,x); %预加重 滤波器 %filter：Y = FILTER(B,A,X) ，输入X为滤波前序列，Y为滤波结果序列，B/A 提供滤波器系数，B为分子， A为分母

%整个滤波过程是通过下面差分方程实现的： %a(1)*y(n) = b(1)*x(n) + b(2)*x(n-1) + … + b(nb+1)*x(n-nb)-a(2)*y(n-1) - a(3)*y(n-2) + … + a(nb+1)*y(n-nb)

%作用：消除6dB/oct（分贝/倍频程）的跌落，使语音信号的频谱变得平坦。

w = (window('hamming', N)); xw = x1 .* w; %加窗   % Estimate PSD of the short-time segment

Sxw = fft(xw, Nfft);

Sxdb = 20*log10(abs(Sxw(1 : Nfft/2))) - 10*log10(N); %Sxdb 功率谱：时域fft取模平方后除以信号的长度 转换成db

figure;
subplot(311);
plot(x);ylabel('振幅');  xlabel('Time (n)'); title('截取信号的时域信号');
subplot(312);
plot(x1);ylabel('振幅');xlabel(&