傅里叶变换、相关函数、功率谱密度与频响估计方法

1. 傅里叶变换、相关函数与功率谱密度

输入信号：
$$\begin{array}{l}x(t)={\int }_{-\infty }^{+\infty }{S}_x(f)e^{j2\pi ft}df\\ S_x(f)={\int }_{-\infty }^{+\infty }x(t)e^{-j2\pi ft}dt\end{array}$$
输出信号：
$$\begin{array}{l}y(t)={\int }_{-\infty }^{+\infty }{S}_y(f)e^{j2\pi ft}df\\ S_y(f)={\int }_{-\infty }^{+\infty }y(t)e^{-j2\pi ft}dt\end{array}$$
冲击响应：
$$\begin{array}{l}h(t)={\int }_{-\infty }^{+\infty }H(f)e^{j2\pi ft}df\\ H(f)={\int }_{-\infty }^{+\infty }h(t)e^{-j2\pi ft}dt\end{array}$$
输入信号自相关函数与自功率谱：
$$\begin{array}{c}{R}_{xx}(\tau )={\lim }_{T\to \infty }\frac{1}{T}{\int }_{T}x(t)x(t+\tau )dt\\ G_{xx}(f)={\int }_{-\infty }^{+\infty }{R}_{xx}(\tau )e^{-j2\pi f}d\tau =S_x(f)\cdot S_x^{\ast }(f)\end{array}$$
输出信号自相关函数与自功率谱：
$$\begin{array}{c}{R}_{yy}(\tau )={\lim }_{T\to \infty }\frac{1}{T}{\int }_{T}y(t)y(t+\tau )dt\\ G_{yy}(f)={\int }_{-\infty }^{+\infty }{R}_{yy}(\tau )e^{-j2\pi ft}d\tau =S_y(f)\cdot S_y^{\ast }(f)\end{array}$$
互相关函数与互功率谱：
$$\begin{array}{c}{R}_{yx}(\tau )={\lim }_{T\to \infty }\frac{1}{T}{\int }_{T}y(t)x(t+\tau )dt\\ G_{yx}(f)={\int }_{-\infty }^{+\infty }{R}_{yx}(\tau )e^{-j2\pi f}d\tau =S_y(f)\cdot S_x^{\ast }(f)\end{array}$$

2. 频响估计方法

由于信号采集过程中不可避免会受到噪声干扰，因此频响函数估计问题是在实际工程中必须要面对的问题。为了方便起见，信号统一采用频域方式来表达，令系统的输入信号为$F(f)$，输出信号为$X(f)$，输入信号噪声为$M(f)$，输出信号噪声为$N(f)$，实际输入信号为$Z(f)=F(f)+M(f)$，实际输出信号为$Y(f)+X(f)+N(f)$。

2.1 $H_1$估计（输出含有噪声，输入没有）

$$H_1=\frac{G_{\mathrm{yf}}}{G_{ff}}=\frac{Y(f)F^{\ast }(f)}{F(f)F^{\ast }(f)}=\frac{(X(f)+N(f))F^{\ast }(f)}{F(f)F^{\ast }(f)}=\frac{X(f)F^{\ast }(f)+N(f)F^{\ast }(f)}{F(f)F^{\ast }(f)}$$
因为输出噪声与输入无关，所以在经过多次平均后，$H_1=\frac{X(f)F^{\ast }(f)}{F(f)F^{\ast }(f)}=\frac{X(f)}{F(f)}=H_0$

2.2 $H_2$估计（输入，输出含有噪声）

$$\begin{array}{rl}{H}_1& =\frac{G_{\mathrm{yz}}}{G_{zz}}=\frac{Y(f)Z^{\ast }(f)}{Z(f)Z^{\ast }(f)}=\frac{(X(f)+N(f))\left(M^{\ast }(f)+F^{\ast }(f)\right)}{(M(f)+F(f))\left(M^{\ast }(f)+F^{\ast }(f)\right)}\\ & =\frac{X(f)M^{\ast }(f)+X(f)F^{\ast }(f)+N(f)M^{\ast }(f)+N(f)F^{\ast }(f)}{M(f)M^{\ast }(f)+F(f)M^{\ast }(f)+M(f)F^{\ast }(f)+F(f)F^{\ast }(f)}\\ & =\frac{G_{xm}+G_{xf}+G_{nm}+G_{nf}}{G_{mm}+G_{fnn}+G_{mf}+G_{ff}}\end{array}$$
因为输入与输出噪声无关，输出与输入噪声无关，所以在经过多次平均后，$H_1=\frac{G_{xf}}{G_{mm}+G_{ff}}=\frac{X(f)F^{\ast }(f)}{M(f)M^{\ast }(f)+F(f)F^{\ast }(f)}=\frac{H_0}{1+G_{mm}/G_{ff}}<H_0$
由此可知，在这种情况下，无论经过多少次平均，频响函数的估计总是偏小的，除非激励远大于输入噪声，才可认为测量的频响为真实频响。
当$H_2=\frac{G_{yy}}{G_{zy}}$,使用该频响函数有助于改善频响的近似性，并且$H_2=\frac{G_{yy}}{G_{zy}}=H_0\left(1+\frac{G_{mn}}{G_{xx}}\right)>H_0$

2.3 相干

$${\gamma }_{fy}^2=\frac{H_1}{H_2}=\frac{1}{\left(1+G_{mm}/G_{ff}\right)\left(1+G_{nn}/G_{xx}\right)}$$
当$G_{mm}\ll 0,G_{nn}\ll 0$时，相干近似为1，因此相干是衡量一次测试质量是否好（噪声的影响较低）的重要指标。