功率谱密度(功率信号)、能量谱密度(能量信号)详解

一、能量信号和功率信号

    根据信号可以用能量式或功率式表示可分为能量信号和功率信号。

能量信号,如各类瞬变信号。

在非电量测量中,常将被测信号转换为电压或电流信号来处理。显然,电压信号加在单位电阻(R=1时)上的瞬时功率为P(t)= x2(t)/R=x2(t)瞬时功率对时间积分即是信号在该时间内的能量。通常不考虑量纲,而直接把信号的平方及其对时间的积分分别称为信号的功率和能量。当x(t)满足

                         功率谱密度(功率信号)、能量谱密度(能量信号)

则信号的能量有限,称为能量有限信号,简称能量信号。满足能量有限条件,实际上就满足了绝对可积条件。功率谱密度(功率信号)、能量谱密度(能量信号)


功率信号,如各种周期信号、常值信号、阶跃信号等。

x(t)在区间(-)的能量无限,不满足(1.3)式条件,但在有限区间(-T/2,T/2)满足平均功率有限的条件

                         功率谱密度(功率信号)、能量谱密度(能量信号)功率谱密度(功率信号)、能量谱密度(能量信号)

 

二、频谱和频谱密度

频谱密度:设一个能量信号为s(t),则它的频谱密度Sw)可以由付氏变换求得。

S(w)=F(s(t))

能量信号的频谱密度Sf)和功率信号Cjnw)(比如一个周期信号)的频谱主要区别有:

1Sf)是连续谱,而Cjnw)是离散谱;

2Sf)单位是幅度/频率,而Cjnw)单位是幅度;(这里都是指其频谱幅度)

3)能量信号的能量有限,并连续的分布在频率轴上,每个频率点上的信号幅度是无穷小的,只有df上才有确定的非0振幅;

功率信号的功率有限,但能量无限,它在无限多的离散频率点上有确定的非0振幅。

请看下面的推导:

由周期信号推导非周期信号的频谱(频谱密度):

功率谱密度(功率信号)、能量谱密度(能量信号)

 

由上面可以看书,FjW)是一个谱密度函数,它的实际幅度是F(nΩ),是个无穷小量,但是F(nΩ)*2π/Ω以无穷小/无穷小得到一个常量,单位是幅度/频率。

并且F(nΩ)*2π/Ω = F(nΩ)*2π/(2πΔf) = F(nΩ)/Δf = F(nΩ)δ(nΩ),在频域上积分就是其频谱幅度。

同时,

功率谱密度(功率信号)、能量谱密度(能量信号)

 

其中,An/2=Cn=F(nΩ)Cn是以e jnΩt为基底的系数)

三 功率谱(密度)与能量谱(密度)

功率谱:也称功率谱密度(PSD),单位是功率/Hz。针对功率有限信号的(能量有限信号用能量谱密度),所表现的是单位频带信号功率随频率的变换情况

能量谱:也叫能量谱密度,单位是焦耳/Hz。针对能量有限的信号,能量信号傅里叶变换绝对值的平方就是能量谱(密度)【帕塞瓦尔定理】。

功率谱针对能量无限(功率有限)的功率信号,功率信号不满足傅里叶变换的绝对可积的条件,其付里叶变换是不存在的,如正弦函数的付里叶变换是不存在,只有引入了冲激函数才求得其付里叶变换。功率谱不能直接进行傅立叶变换,通常使用短截函数进行截取后,如图:

功率谱密度(功率信号)、能量谱密度(能量信号)

使用时间T进行短截原来的信号,当T->无穷大时:

功率谱密度(功率信号)、能量谱密度(能量信号)

这是对模拟信号的时域计算方法,当进行AD采样,变为数字信号后,宜根据下文计算方法求功率谱。

----------------------------------------------------------------------------------------------

四功率谱计算公式

周期图法:它是把随机序列x(n)N个观测数据视为一能量有限的序列,直接计算x(n)的离散傅立叶变换,得X(k),然后再取其幅值的平方,并除以N,作为序列x(n)真实功率谱的估计。

   功率谱密度(功率信号)、能量谱密度(能量信号)   功率谱密度(功率信号)、能量谱密度(能量信号)

|X(ejw)|2=y.*conj(y)=real2 +imag2= abs(y) 2

自相关法: 根据维纳-辛钦定理,先估计相关函数,再经傅立叶变换得功率谱估计。

功率谱密度(功率信号)、能量谱密度(能量信号)

功率谱与自相关函数是一个傅氏变换对。功率谱具有单位频率的平均功率量纲,所以标准叫法是功率谱密度。通过功率谱密度函数,可以看出随机信号的能量随着频率的分布情况。像白噪声就是平行于w轴,在w轴上方的一条直线。

能量信号频谱通常既含有幅度也含有相位信息;傅里叶变换幅度谱的平方(二次量纲),又叫能量谱(密度),它描述了信号能量的频域分布;功率信号的功率谱描述了信号功率随频率的分布特点,也已证明,信号功率谱恰好是其自相关函数的傅氏变换。

  • 26
    点赞
  • 204
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
在 MATLAB 中,可以使用 `pwelch` 函数来计算信号功率谱密度,并使用 `ifft` 函数来生成时域信号。以下是一个简单的示例代码: ```matlab % 生成一个随机信号 Fs = 1000; % 采样率 t = 0:1/Fs:1; % 时间轴 x = randn(size(t)); % 随机信号 % 计算信号功率谱密度 N = length(x); % 信号长度 window = hamming(N); % 汉明窗口 noverlap = N/2; % 重叠窗口长度 nfft = 2*N; % FFT 长度 [Pxx, f] = pwelch(x, window, noverlap, nfft, Fs); % 计算功率谱密度 % 生成时域信号 Pxx = [Pxx(1); Pxx(2:end)*2; Pxx(1)]; % 处理功率数据,确保对称性 X = sqrt(Pxx).*exp(1j*2*pi*rand(size(Pxx))); % 生成复数形式的频域信号 x_recon = real(ifft(X)); % 进行 IFFT,获得时域信号 x_recon = x_recon(1:N); % 去掉 IFFT 处理时添加的零填充 % 绘制原始信号和重构信号的波形 figure; subplot(2,1,1); plot(t, x); title('Original Signal'); xlabel('Time (s)'); ylabel('Amplitude'); subplot(2,1,2); plot(t, x_recon); title('Reconstructed Signal'); xlabel('Time (s)'); ylabel('Amplitude'); ``` 在上述代码中,首先创建了一个随机信号 `x`。然后使用 `pwelch` 函数计算了 `x` 的功率谱密度 `Pxx`,并根据功率数据生成了复数形式的频域信号 `X`。最后使用 `ifft` 函数对 `X` 进行逆傅里叶变换,并取实部得到了重构的时域信号 `x_recon`。 最后,绘制了原始信号和重构信号的波形图,以验证重构信号的准确性。
评论 7
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