【学习笔记】matlab进行数字信号处理(一)生成信号及信号的时域频域分析
【学习笔记】matlab进行数字信号处理(二)信号的相关分析及幅值分析
【学习笔记】matlab进行数字信号处理(三)数字滤波技术
【学习笔记】matlab进行数字信号处理(四)信号的时频域分析
b站视频地址:https://www.bilibili.com/video/BV18E411f7ZQ?p=16&spm_id_from=pageDriver
第五章 信号的时差域相关分析
5.1 信号相关的基本概念
分子是信号x和信号y在负无穷到正无穷的卷积分,分母做了归一化处理,不同的时移因子表示不同时刻的相关程度
人们关心信号在不同时刻的相似程度,主要分为自相关和互相关
xcorry函数做相关分析
图1是原始声音和回波,图2是自相关曲线
自相关曲线中,零点在正中间,右侧是正时移,左侧是负时移
5.2 相关函数的性质
偶函数,0处具有最大值
周期信号的自相关函数仍然是自相关的,只不过相位发生了改变
!!!这个性质很重要!!!
噪声信号的自相关函数会随着时移的增大而迅速减小
这样的特点,在做周期信号测量的时候,可以用自相关或互相关将随机噪声滤除掉,在工程上叫做相关滤波
可以利用互相关测量信号的相位
5.3相关函数的数字计算方法
分母去掉,没有做归一化,但是曲线形状是一样的
真实计算时,不采用这种双循环的计算方式,因为计算量吧过大,而是通过傅立叶变换去计算
x(n)和y(n)在时域的卷积分,可以转换成频域的乘法
x(n)和y(n)分别进行FFT,然后相乘(y需要取共轭),结果进行傅立叶反变换
xcorr这个互相关/自相关函数便是借用了傅立叶变化
相关系数计算出的长度,比原信号大了一倍
为什么要引入无偏的参数unbiased?
在使用FFT进行相关计算时,会出现重叠失真,必须要进行修正
将截取的长度为N的信号,扩展为2N,多余的长度部分取值为0,再将2N信号进行周期延拓
这样的改进虽然会改善重叠失真,但是计算出的相关函数是衰减的
正常情况下,正弦函数的自相关函数还应该是正弦函数,但是修正后再延拓的自相关函数呈现0点处最大,其余位置依次衰减的状态
因此在matlab中加无偏unbiased可以将衰减修正
5.4 相关分析的应用
使用自相关滤除噪声干扰
产生正弦波,再产生白噪声信号,两者相加后,取自相关
第六章 信号的幅值域分析
利用直方图对灰度图像进行均衡,提升图像的清晰度
6.1 概述
将一个彩色图片转换成灰色图像
6.2 概率密度函数/概率分布/直方图概念
直方图和概率密度的不同在于,直方图没有做归一化
hist专门计算直方图
归一化,除以数据总量后便可由直方图得到概率密度函数
概率分布函数:cdfplot
6.3 概率密度函数/概率分布/直方图计算方法
噪声信号的概率密度曲线是高斯函数
正弦信号的概率密度曲线是玉盘曲线
方波信号的概率密度曲线是只有两个值
三角波信号的概率密度曲线是任何一点都是等值的
白噪声之所以叫白噪声,是因为概率密度曲线是一个高斯曲线
首先产生有1万个点的白噪声,然后求直方图,再除以数据长度专成概率密度函数,再使用概率分布函数
6.4 应用
倍频程谱,可以了解当前声音信号的频率构成
计算方法:首先对信号进行FFT频谱分析,统计落在各个频带区间内的能量强度,变得到了倍频程谱
使用waverecord采集一段声音信号,然后进行N点的FFT,再将FFT映射到三分之一倍频程谱,再转换成对数坐标(频率轴不是线性轴,而是对数轴)
6.5 数码相片处理-直方图均衡
相片处理中,常用的一种方法是直方图均衡,可用于改善照片的质量
打开一张彩色照片,进行灰度变换,然后进行直方图均衡