matlab新手信号分析ppt,小波分析信号处理(matlab).ppt

《小波分析信号处理(matlab).ppt》由会员分享，可在线阅读，更多相关《小波分析信号处理(matlab).ppt(32页珍藏版)》请在人人文库网上搜索。

1、1,信号处理,2,小波基础,线性代数(高等代数)； 数字信号处理； 泛函分析初步； Matlab 数字图像处理；,3,Y=kx与y=kx+b,Linear space(线性空间),4,Normed space(赋范空间与范数),绝对值=模=长度=距离=范数,5,Examples,6,Hilbert Space(内积与希尔伯特空间),7,Orthogonality,8,Orthogonal system(正交系),9,Basis(基),线性无关向量,线性表出,10,Direct sum(直和),11,线性空间,空间内元素满足线性运算,线性赋范空间,巴拿赫空间,希尔伯特空间,欧氏空间 酉空间 L2。

2、空间,线性+范数+完备,线性+范数+完备+内积,线性+范数,线性空间,12,函数映射f:数集X数集Y。 例：y=f(x) 泛函映射J:抽象集X数集Y。 例：y=Jf(x)=F(x)+c 算子映射A:抽象集X抽象集Y。 例：y=Ax (x,y都是向量),13,电脑不能处理无限的，连续的数据。 例如：无穷大，趋于0，连续函数 电脑只能处理离散的，有限长的数据序列。 例如：t=0:0.001:1024 数据长度有限(不是无穷大) 数据间隔有限(不是无穷小)(离散),14,信号时间域：反映不同时间点的情况 频率域：F变换系数 空间域：传播距离，对应深度等 同一点不同时刻的振动y=sin(t) t时间 。

3、y幅度 离散是对时间进行间隔采样(x轴离散) 量化就是对幅度也离散(y轴离散) 数字信号只有二者都离散后，才可称为。 (才可以在电脑上处理),15,采样点间隔：一般是等时间间隔采样(ts) (等步长) 采样点数：数出一共取了多少个样点(N点) 采样总长度=离散总长度=(点数-1)x间隔 例如：t=1:0.01:1024 若ts单位是秒， 则总时间t=(1024-1)x0.01=10.23(s) 采样频率：fs=1/ts=100(Hz),16,信号(周期的)本身频率y=sin(t) 信号周期T=2pi/1 信号频率f=1/T=1/2pi 采样周期(间隔)0：0.01：1024 采样周期ts=0.。

4、01 采样频率fs=1/ts=1/0.01=100 时间采样频率是频谱信号的信号周期 频率离散间隔对应时间信号的信号同期,17,2. f(t) 的频谱(线频谱),f(t)分解为傅氏级数后包含哪些频率分量和各分量所占“比重”用长度与各次谐波振幅大小相对应的线段进行表示，并按频率的高低把它们依次排列起来所得到的图形，称为 f(t) 的频谱。,幅度频谱：表示出各谐波分量的振幅。,相位频谱：把各次谐波的初相用相应的线段依次排列得到。,18,利用 FFT 进行频谱分析,利用FFT进行频谱分析的基本方法,设 为长为 N 的有限长序列，则：,利用 FFT 进行频谱分析的实现过程框图为：,N=2m,19,离散。

5、时间、连续频率序列的傅里叶变换,时域的离散化造成频域的周期延拓，而时域的非周期对应于频域的连续,20,图17-8 当T=2,5,10时周期矩形波的频谱,矩形周期信号(不变，T变化时)的频谱,时间信号周期越大,频率离散间隔越小,21,时间采样频率是频谱信号的信号周期 频率离散间隔对应时间信号的信号同期,时间信号本身周期T0信号频率F0,时间信号采样周期T采样频率fs,频率信号本身周期fs,频率采样间隔F0,F0=fs/N=/2,时间信号一个周期长度T0=NT,时间信号一个周期采样点数N,N=T0/T=(1/F0)/(1/fs)=fs/F0,22,几个常用基本概念,利用 FFT 进行频谱分析,1、。

6、数字频率分辨率： 2、模拟频率分辨率： 3、用于FFT的采样点数： 4、频率刻度值： 5、模拟信号长度： 6、分辨率：,23,例1-1在某工程实际应用中，有一信号的主要频率成分是由50 Hz和300 Hz的正弦信号组成，该信号被一白噪声污染，现对该信号进行采样，采样频率为1000 Hz。通过傅里叶变换对其频率成分进行分析。,24,解该问题实质上是利用傅里叶变换对信号进行频域分析，其MATLAB程序如下： t0：0.001：1.3；%时间间隔为0.001说明采样频率为1000 Hz xsin(2*pi*50*t)sin(2*pi*300*t)；%频率为50 Hz和300Hz的信号 fx3.5*r。

7、andn(1，length(t)；%在信号中加入白噪声subplot(321)；plot(f)；%画出原始信号的波形图Ylabel(幅值)；Xlabel(时间)；title(原始信号)；yfft(f，1024)；%对原始信号进行离散傅里叶变 换，参加DFT的采样点个数为1024py.*conj(y)/1024；%计算功率谱密度 ff1000*(0：511)/1024；%计算变换后不同点所对应的频率值subplot(322)；plot(ff，p(1：512)；%画出信号的频谱图Ylabel(功率谱密度)；Xlabel(频率)；title(信号功率谱图)；程序输出结果如图1.1所示。,25,从图1。

8、.1(a)中我们看不出任何频域的性质，但从信号的功率谱图(图1.1(b)中，我们可以明显地看出该信号是由频率为50 Hz和300 Hz的正弦信号和频率分布广泛的白噪声信号组成的，也可以明显地看出信号的频率特性。,26,基一维,27,小波分解和小波基,正变换：原始信号在小波基上，获得 “小波系数”分量 反变换：所有“小波分解” 合成原始信号 例如： 小波分解 a=小波系数 wa 小波基A,基二维,28,小波基表示发生的时间和频率,“时频局域性” 图解：Fourier变换的基(上)小波变换基(中) 和时间采样基(下)的比较,傅里叶变换 (Fourier)基 小波基 时间采样基,29,小波原始信号分。

9、解过程：,原始信号s可分解成小波近似 a 与小波细节d 之和。 s = a+d 小波系数 w = wa , wd 的分量，乘以 基函数，形成小波分解： 小波近似系数wa 基函数A=近似分解 a -平均 小波细节系数wd 基函数D=细节分解 d-变化,30,小波分析在一维信号处理中的应用,小波变换就是将 “ 原始信号 s ” 变换 成 “ 小波 系数 w ” ，w=wa , wd 包括近似(approximation)系数wa 与细节(detail)系数wd 近似系数wa-平均成分(低频) 细节系数wd-变化成分(高频),31,由尺度函数得到正交小波基,32,离散小波变换公式,信号 s 有M个样本，J 级小波变换：,小波分解,小波系数,正变换,反变换,小波基函数。