随机信号功率谱分析

本科学生实验报告

学号姓名

学院物理与电子信息专业、班级

实验课程名称

教师及职称

开课学期2014 至2015 学年下学期填报时间2015 年 4 月25 日

云南师范大学教务处编印

第3章 平稳随机过程的谱分析

第3章 平稳随机过程的谱分析 付里叶变换是处理确定性信号的有效工具，它信号的频域内分析处理信号，常常使分析工作大为简化。 对于随机信号，是否也可以应用频域分析方法？付里叶变换是否可引入随机信号中？ 3.1 随机过程的谱分析 3.1.1 回顾：确定性信号的谱分析 )(t f 是非周期实函数， )(t f 的付里叶变换存在的充要条件是： 1．)(t f 在),(∞-∞上满足狄利赫利条件； 2．)(t f 绝对可积： +∞

3.1.2 随机过程的功率谱密度 一、样本函数的平均功率 问题1：由于付里叶变换是针对确定性函数进行的，在处理随机过程)(t X 时，取 )(t X 的一个样本函数)(t x （在曲线族中取某一曲线）来进行付里叶分 析。 问题2：随机过程)(t X 的样本函数)(t x 一般不满足付里叶变换的条件，它的总能 量是无限的，需考虑平均功率。 若随机过程)(t X 的样本函数)(t x 满足 +∞<=? -∞→T T T dt t x T W 2 )(21 lim W 称为样本函数)(t x 的平均功率。 对于平稳过程，其样本函数的平均功率是有限的。 二、截取函数 对于)(t X 的一个样本函数)(t x ，在)(t x 中截取长为T 2的一段，记为)(t x T ， 它满足： ???? ?≥<=T t T t t x t x T 0 ) ()( 称)(t x T 为)(t x 的截取函数。 三、截取函数的付里叶变换 0>T ，取定后，)(t x T 的付里叶变换一定存在： ??--+∞ ∞--==T T t j t j T T dt e t x dt e t x X ωωω)()()( 其付里叶逆变换为： ? +∞ ∞ -= ωωπ ωd e X t x t j T T )(21 )( 其帕塞瓦（Parseval ）等式为 ? ? ? +∞ ∞ --+∞ ∞ -= =ωωπ d X dt t x dt t x T T T T 2 2 2 )(21 )()(

功率谱和功率谱密度的区别

谱让人联想到的Fourier变换，是一个时间平均（time average）概念，对能量就是能量谱，对功率就是功率谱。 功率谱的概念是针对功率有限信号的，所表现的是单位频带内信号功率随频率的变化情况。保留了频谱的幅度信息，但是丢掉了相位信息，所以频谱不同的信号其功率谱是可能相同的。 有两点需要注意： 1. 功率谱是随机过程的统计平均概念，平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier变换，对于一个随机过程而言，频谱也是一个“随机过程”。（随机的频域序列） 2. 功率概念和幅度概念的差别。此外，只能对宽平稳的各态历经的二阶矩过程谈功率谱，其存在性取决于二阶矩是否存在并且二阶矩的Fourier变换收敛；而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。 频谱分析： 对动态信号在频率域内进行分析，分析的结果是以频率为坐标的各种物理量的谱线和曲线，可得到各种幅值以频率为变量的频谱函数F(ω)。频谱分析中可求得幅值谱、相位谱、功率谱和各种谱密度等等。频谱分析过程较为复杂，它是以傅里叶级数和傅里叶积分为基础的。 功率谱密度： 功率谱密度（PSD），它定义了信号或者时间序列的功率如何随频率分布。这里功率可能是实际物理上的功率，或者更经常便于表示抽象的信号被定义为信号数值的平方，也就是当信号的负载为1欧姆(ohm)时的实际功率。

由于平均值不为零的信号不是平方可积的，所以在这种情况下就没有傅里叶变换。维纳-辛钦定理（Wiener-Khinchin theorem）提供了一个简单的替换方法，如果信号可以看作是平稳随机过程，那么功率谱密度就是信号自相关函数的傅里叶变换。 信号的功率谱密度当且仅当信号是广义的平稳过程的时候才存在。如果信号不是平稳过程，那么自相关函数一定是两个变量的函数，这样就不存在功率谱密度，但是可以使用类似的技术估计时变谱密度。 随机信号是时域无限信号，不具备可积分条件，因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。 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。从名字分解来看就是说，观察对象是功率，观察域是谱域。 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一条直线。 一般我们讲的功率谱密度都是针对平稳随机过程的，由于平稳随机过程的样本函数一般不是绝对可积的，因此不能直接对它进行傅立叶分析。可以有三种办法来重新定义谱密度，来克服上述困难。 1. 用相关函数的傅立叶变换来定义谱密度； 2. 用随机过程的有限时间傅立叶变换来定义谱密度； 3. 用平稳随机过程的谱分解来定义谱密度。 三种定义方式对应于不同的用处，首先第一种方式前提是平稳随机过程不包含周

随机振动(振动频谱)计算(Random Vibration)

Random Vibration 1. 定义 1.1 功率谱密度 当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度（power spectral density, PSD）。 功率谱密度谱是一种概率统计方法，是对随机变量均方值的量度。 1.2 均方根 均方根（RMS）是指将N项的平方和除于N后，开平方的结果。均方根值也是有效值，如对于220交流电，示波器显示的有效值或均方根值为220V。 2. 加速度功率谱密度 2.1 单位 加速度单位：m/s^2或g 加速度功率谱密度单位：（m/s^2）^2/Hz或g^2/Hz Hz单位为:1/s, 所以加速度功率谱密度单位也可写为：m^2/s^3 2.2功率谱密度函数 功率谱密度函数曲线的纵坐标是（g2/Hz）。功率谱曲线下的面积就是随机加速度的总方差（g2）: σ2= ∫Φ（f）df 其中：Φ（f）........功率谱密度函数 σ ............. 均方根加速度 3. 计算示例 随机振动100-2000HZ，功率谱密度为0.01g^2/Hz，则其加速度峰值计算如下: σ2=0.01*(2000-100)=19 σ=4.36g 峰值加速度不大于3倍均方根加速度：13.08g

4、SAE J 1455 随机振动要求 4.1功率谱图 4.1.1 Vertical axis 4.1.2 Transverse axis 4.1.3 Longitudinal axis

4.2 Vertical axis加速度计算 功率谱曲线下的面积：σ2=（40-5）0.016+0.5*（500-40）*0.016=4.24σ=2.06g 峰值加速度不大于3倍均方根加速度：6.18g 5. FGE随机振动要求 5.1功率谱图

随机信号的功率谱分析 (DEMO)

信号的功率谱分析 1、功率谱密度函数的定义 对于随机信号)(t x ，由于其任一样本函数都是时间的无限的函数，一般不能满足傅里叶变换的存在条件（即积分?∞ ∞-dt t x )(必须收敛）。如果将样本函数取在一个有限区间]2 ,2[T T -内，如图所示，令在该区间以外的0)(=t x ，则积分?∞ ∞-dt t x )(收敛，满足傅里叶变换条件，变换后用功率谱密度函数表示。 2、功率谱密度函数（又称功率谱）的物理意义 是在频域中对信号能量或功率分布情况的描述。功率谱表示振动能量在频率 域的分解，其应用十分广泛。功率谱的横坐标是频率，纵坐标是实部、虚部的模 的平方。 功率谱密度函数作为随机信号在频域内描述的函数。对于随机信号而言，它 不存在频谱函数，只存在功率谱密度函数（功率大小在频谱中反映为频谱的面 积）。时域中的相关分析为在噪声背景下提取有用信息提供了途径。功率谱分析 则从频域提供相关技术所能提供的信息，它是研究平稳随机过程的重要方法。 3．功率谱密度函数的应用 (1)结构各阶固有频率的测定 工程结构特别是大型结构(如高层楼房、桥梁、 高塔和重要机械设备等)要防止共振引起的破坏，需要测定其固有频率。如果对 结构加以激励(或以大地的脉动信号作为激励信号)，即可测定结构的响应(振动信 号)，再对响应信号作自功率谱分析，便可由谱图中谱峰确定结构的各阶固有频

率。 (2)利用功率谱的数学特点求取信号传递系统的频率响应函数。 (3)作为工业设备工作状况的分析和故障诊断的依据 根据功率谱图的变化，可以判断机器设备的运转是否正常。同时．还可根据机器设备正常工作和不正常工作时，振动加速度信号的功率谱的差别，查找不正常工作时，功率谱图中额外谱峰产生的原因以及排除故障的方法。 自功率谱密度函数 定义及其物理意义 假如)(t x 是零均值的随机过程，即0=x μ（如果原随机过程是非零均值的，可以进行适当处理使其均值为零）又假设)(t x 中没有周期分量，那么当∞→τ， 0)(→τx R 。这样，自相关函数)(τx R 可满足傅里叶变化的条件∞?∞ ∞- ττd R x )(。 )(τx R 傅里叶变换)(f S x ，ττπτd e R f S j x x 2)()(-∞∞-? =和逆变换 df e f S R j x x πττ2)()(-∞ ∞ -?=定义)(f S x 为)(t x 的自功率谱密度函数，简称自谱或自功率谱。 出此可见， )(f S x 曲线下和频率轴所包围的面积就是信号的平均功率，)(f S x 就是信号的功率密度沿频率轴的分布，故称)(f S x 为自功率谱密度函数。自功率谱密度函数和幅值谱的关系为 2)(1lim )(f X T f S x T x →=利用这一种关系，就可以通过直接对时域信号作傅里叶变换来计算功率谱。自相关分析可以有效地检测出信号中有无周期成分。自功率谱密度也能用来检测信号中的周期成分。周期信号的频谱是脉冲函数，在某特定频率上的能量是无限的。但是在实际处理时，用矩形窗函数对信号进行截断，这相当于在频域用矩形窗函数的频谱sinc 函数和周期信号的频谱——δ函数实行卷积，因此截断后的周期函数的频谱已不再是脉冲函数，原来为无限大的谱线高度变成有限长，谱

随机振动功率谱密度

701z 0102030 4050607080 0.002 0.0040.0060.0080.01 0.0120.014 0.016频率(Hz) 功率谱密度 功率谱密度函数图(汉宁窗) 10 20 30 4050 60 70 80 -65-60-55-50-45-40-35-30 -25-20 -15频率(Hz) 功率谱密度(d B ) 功率谱密度函数图(汉宁窗)

经过matlab 频率加权法，利用功率谱密度函数计算得到加权加速度均方根值0.1378m/s2(70km/h,z 方向，第一次试验，前排) 0.1378 0102030 4050607080 0.5 1 1.5 2 2.5 -3 频率(Hz) 功率谱密度 频率加权后功率谱密度函数图(汉宁窗)

701y 0102030 4050607080 1 2 3 4 5 6 7 -3 频率(Hz) 功率谱密度 功率谱密度函数图(汉宁窗) 10 20 30 4050 60 70 80 -70-65-60-55-50-45-40-35 -30 -25-20频率(Hz) 功率谱密度(d B ) 功率谱密度函数图(汉宁窗)

经过matlab 频率加权法，利用功率谱密度函数计算得到加权加速度均方根值0.0164m/s2(70km/h,y 方向，第一次试验，前排) 0102030 4050607080 0.5 1 1.5 2 2.5 3 -5 频率(Hz) 功率谱密度 频率加权后功率谱密度函数图(汉宁窗)

701x 0102030 4050607080 0.20.40.60.811.2 1.41.61.8 -3 频率(Hz) 功率谱密度 功率谱密度函数图(汉宁窗) 0102030 4050607080 -70 -65-60-55-50-45-40 -35-30 -25频率(Hz) 功率谱密度(d B ) 功率谱密度函数图(汉宁窗)

随机信号的功率谱密度

随机信号的功率谱密度估计和相关函数

随机信号的功率谱密度估计和相关函数 1．实验目的 了解估计功率谱密度的几种方法，掌握功率谱密度估计在随机信号处理中的作用。 ⒉实验原理 随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。 1.线性估计法（有偏估计）：线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。包括自相关估计、自协方差法、周期图法。 2.非线性估计（无偏估计）：非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。包括最大似然法、最大熵法 ⒊实验任务与要求 1. 所有功能均用matlab仿真。 2. 输入信号为：方波信号+n(t)，方波信号信号基频1KHz，幅值为1v，n(t)为白噪声。 3. 编写自相关估计法、自协方差法、周期图法、最大似然法、最大熵法的matlab 程序。正确的运行程序。 4. 必须用图示法来表示仿真的结果。对几种功率谱估计的方法进行比较分析，发现它们各自有什么特点？。 5. 按要求写实验报告。 4.Matlab程序如下： 生成输入信号： clear; fs=1024;%设采样频率为1024 n=0:1/fs:1; N=length(n); W=2000*pi;%因方波频率F=1000HZ所以角频率W=2000pi X1n=square(W*n);%方波信号 X2n=randn(1,N);%白噪声信号 xn=X1n+X2n; %产生含有噪声的信号序列XN subplot(3,1,1) plot(n,xn); xlabel('n') ylabel(…输入信号?) %绘输入信号图

随机信号分析 题目及答案

1. （10分）随机变量12,X X 彼此独立，且特征函数分别为12(),()v v φφ，求下列随机变量的特征函数： （1） 122X X X =+ （2）12536X X X =++ 解：（1）() 121222()jv X X jvX jv X jvX X v E e E e E e e φ+???? ??===?????? ? 12 21212()(2)jvX jv X X X E e E e v v φφ????=????和独立 （2）() 1212536536()jv X X jv X jv X jv X v E e E e e e φ++???? ==????? ? 12536 12jv X jv X jv X X E e E e E e ?????? ??????和独立 6 12(5)(3)jv e v v φφ= 2. （10分）取值()1,1-+，概率[0.4,0.6]的独立()半随机二进制传输信号()X t ，时隙长度为T ，问： （1） 信号的均值函数()E X t ????； （2） 信号的自相关函数(),X R t t τ+； （3） 信号的一维概率密度函数();X f x t 。 解：（1）()10.410.60.2E X t =-?+?=???? (2) 当,t t τ+在同一个时隙时： []222(,)()()[()]10.6(1)0.41X R t t E X t X t E X t ττ+=+==?+-?= 当,t t τ+不在同一个时隙时： [][][](,)()()()()0.20.20.04 X R t t E X t X t E X t E X t τττ+=+=+=?= （3）()()();0.610.41X f x t x x δδ=-++ 3. （10分）随机信号0()sin()X t t ω=+Θ，()()0cos Y t t ω=+Θ，其中0 ω为常数，Θ为在[]-,ππ上均匀分布的随机变量。

频谱分析与功率谱分析

频谱分析（也称频率分析），是对动态信号在频率域内进行分析，分析的结果是以频率为坐标的各种物理量的谱线和曲线，可得到各种幅值以频率为变量的频谱函数F(ω)。频谱分析中可求得幅值谱、相位谱、功率谱和各种谱密度等等。频谱分析过程较为复杂，它是以傅里叶级数和傅里叶积分为基础的。 功率谱 频谱和功率谱有什么区别与联系？ 谱是个很不严格的东西，常常指信号的Fourier变换， 是一个时间平均（time average）概念 功率谱的概念是针对功率有限信号的(能量有限信号可用能量谱分析)，所表现的是单位频带内信号功率随频率的变换情况。保留频谱的幅度信息，但是丢掉了相位信息，所以频谱不同的信号其功率谱是可能相同的。有两个重要区别： 1。功率谱是随机过程的统计平均概念，平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier变换，对于一个随机过程而言，频谱也是一个“随机过程”。（随机的频域序列） 2。功率概念和幅度概念的差别。此外，只能对宽平稳的各态历经的二阶矩过程谈功率谱，其存在性取决于二阶局是否存在并且二阶矩的Fourier变换收敛；而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。 功率谱是个什么概念？它有单位吗? 随机信号是时域无限信号，不具备可积分条件，因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。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。 功率谱密度，从名字分解来看就是说，观察对象是功率，观察域是谱域，通常指频域，密度，就是指观察对象在观察域上的分布情况。一般我们讲的功率谱密度都是针对平稳随机过程的，由于平稳随机过程的样本函数一般不是绝对可积的，因此不能直接对它进行傅立叶分析。可以有三种办法来重新定义谱密度，来克服上述困难。 一是用相关函数的傅立叶变换来定义谱密度；二是用随机过程的有限时间傅立叶变换来定义谱密度；三是用平稳随机过程的谱分解来定义谱密度。三种定义方式对应于不同的用处，首先第一种方式前提是平稳随机过程不包含周期分量并且均值为零，这样才能保证相关函数在时差趋向于无穷时衰减，所以lonelystar说的不全对，光靠相关函数解决不了许多问题，要求太严格了；对于第二种方式，虽然一个平稳随机过程在无限时间上不能进行傅立叶变换，但是对于有限区间，傅立叶变换总是存在的，可以先架构有限时间区间上的变换，在对时间区间取极限，这个定义方式就是当前快速傅立叶变换（FFT）估计谱密度的依据；第三种方式是根据维纳的广义谐和分析理论：Generalized harmonic analysis, Acta Math, 55(1930),117-258,利用傅立叶-斯蒂吉斯积分，对均方连续的零均值平稳随机过程进行重构，在依靠正交性来建立的。

随机信号分析题目及答案完整版

随机信号分析题目及答 案 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】

1. （10分）随机变量12,X X 彼此独立，且特征函数分别为12(),()v v φφ，求下列随机变量的特征函数： （1） 122X X X =+ （2）12536X X X =++ 解：（1） ()121222()jv X X jvX jv X jvX X v E e E e E e e φ+??????===??????? （2） () 121 2 536536 ()jv X X jv X jv X jv X v E e E e e e φ++????==????? ? 2. （10分）取值()1,1-+，概率[0.4,0.6]的独立 ()半随机二进制传输信号()X t ，时隙长度为T ，问： （1） 信号的均值函数()E X t ????； （2） 信号的自相关函数(),X R t t τ+； （3） 信号的一维概率密度函数();X f x t 。 解：（1）()10.410.60.2E X t =-?+?=???? (2) 当,t t τ+在同一个时隙时： 当,t t τ+不在同一个时隙时：

（3）()()();0.610.41X f x t x x δδ=-++ 3. （10分）随机信号0()sin()X t t ω=+Θ，()()0cos Y t t ω=+Θ，其中0 ω为常数，Θ为在[]-,ππ上均匀分布的随机变量。 （1） 试判断()X t 和()Y t 在同一时刻和不同时刻的独立性、相关性及正交性； （2） 试判断()X t 和()Y t 是否联合广义平稳。 解： （1） 由于X (t )和Y(t )包含同一随机变量 θ，因此非独立。 根据题意有 1 2f ()θπ = 。 []001 sin()02E[X(t )]E t sin(w t )d π π ωθθπ - =+Θ= +=?， 由于0XY XY R (t,t )C (t,t )==，X (t )和Y(t )在 同一时刻正交、线性无关。 除()012w t t k π-=±外的其他不同时刻 12120XY XY R (t ,t )C (t ,t )=≠，所以1X (t )和2Y(t )非正交 且线性相关。

(完整word版)随机振动分析报告

Alex-dreamer制作PSD：（可以相互传阅学习，但是鄙视那些拿着别人成果随意买卖！）PSD随机振动应用领域很广，比如雷达天线，飞机，桥梁，天平，地面，等等行业。虽然现在对这方面公开资料很少，但是我相信以后会越来越多，发展的越来越成熟。学术的浪潮总体是向前的，不会因为几个大牛保密自己的成果就会阻止我们对PSD研究，因此结合我的经验和爱好，我研究了一下两种PSD加载分析。我标价的原则是含金量大小和花费我的时间以及我的经验值，如果你觉得值，就买；不值就不要下了。因为我始终认为：士为知己者死，女为悦己者容。算是互相尊重。如果你得到这份资料，那就祝你好运！ Good luck!-Alex-dreamer(南理工) 一：目的：根据abaqus爱好者提出的PSD随机振动分析，提出功率谱如何定义及如何加载？如果功率谱是加速度的平方，如何加载？如果在输入点施加载荷功率谱如何定义？本文将给出详细的分析过程。 二：随机振动基本概念 1. 随机振动的输入量和输出量都是概率统计值，因此存在不确定性。输入量为PSD （功率谱密度）曲线，分为加速度、速度、位移或者力的PSD曲线；最常见的是加速度PSD，常用语BASE MOTION基础约束加载。 2. 随机振动的响应符合正态分布，PSD实际上是随机变量的能量分布，也就是在不同频率上的方差值，反映不同频率处的振动能量，PSD曲线所围成的面积是随机变量总响应的方差值； 3. RMS为随机变量的标准方差，将PSD曲线包络面积开平方即为RMS。 4. 随机振动输出的位移、应力、应变等值都是对应不同频率的方差值（即PSD值），量纲为x^2，当然也可以输出这些变量的均方根值（即RMS值）；abaqus6.10以上版本可以直接在场变量里面输出设置。见下文。 5. 如果是单个激励源，定义为非相关性分析，如是多个激励源，则需要定义相关性参数。因此出现type=uncorrelated。 三：模型简介： 1）该模型很简单，是hypermesh中一个双孔模型。 2）网格划分在hypermesh中完成，保证了雅克比>0.7以及网格其它质量的要求。网格与几何具有较高的吻合度。 3）方案1（对应connect模型）：在上方两个孔采用全约束方式，且加载的功率谱PSD密度是加速度功率谱，也就是说基于BASE基础约束，进行随机振动 PSD分析。结果分析底部孔处某节点的结果响应。 4）方案2（对应connect模型）：在底部圆孔施加载荷force类型的功率谱PSD，与前者不同的是，这个不是基础施加PSD，而上某输入位置施加PSD。

功率谱密度

功率谱密度谱是一种概率统计方法，是对随机变量均方值的量度。一般用于随机振动分析，连续瞬态响应只能通过概率分布函数进行描述，即出现某水平响应所对应的概率。 功率谱密度是结构在随机动态载荷激励下响应的统计结果，是一条功率谱密度值—频率值的关系曲线，其中功率谱密度可以是位移功率谱密度、速度功率谱密度、加速度功率谱密度、力功率谱密度等形式。数学上，功率谱密度值—频率值的关系曲线下的面积就是方差，即响应标准偏差的平方值。 谱是个很不严格的东西，常常指信号的Fourier变换，是一个时间平均（time average）概念功率谱的概念是针对功率有限信号的(能量有限信号可用能量谱分析)，所表现的是单位频带内信号功率随频率的变换情况。保留频谱的幅度信息，但是丢掉了相位信息，所以频谱不同的信号其功率谱是可能相同的。有两个重要区别：1。功率谱是随机过程的统计平均概念，平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier变换，对于一个随机过程而言，频谱也是一个“随机过程”。（随机的频域序列）2。功率概念和幅度概念的差别。此外，只能对宽平稳的各态历经的二阶矩过程谈功率谱，其存在性取决于二阶局是否存在并且二阶矩的Fourier变换收敛；而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。热心网友回答提问者对于答案的评价：谢谢解答。 频谱分析（也称频率分析），是对动态信号在频率域内进行分析，分析的 结果是以频率为坐标的各种物理量的谱线和曲线，可得到各种幅值以频率为变 量的频谱函数F(ω)。频谱分析中可求得幅值谱、相位谱、功率谱和各种谱密 度等等。频谱分析过程较为复杂，它是以傅里叶级数和傅里叶积分为基础的。 功率谱是个什么概念？它有单位吗? 随机信号是时域无限信号，不具备可积分条件，因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。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。 功率谱密度，从名字分解来看就是说，观察对象是功率，观察域是谱域，通常指频域，密度，就是指观察对象在观察域上的分布情况。一般我们讲的功率谱密度都是针对平稳随机过程的，由于平稳随机过程的样本函数一般不是绝对可积的，因此不能直接对它进行傅立叶分析。可以有三种办法来重新定义谱密度，来克服上述困难。 一是用相关函数的傅立叶变换来定义谱密度；二是用随机过程的有限时间傅立叶变换来定义谱密度；三是用平稳随机过程的谱分解来定义谱密度。三种定义方式对应于不同的用处，首先第一种方式前提是平稳随机过程不包含周期分量并且均值为零，这样才能保证相关函数在时差趋向于无穷时衰减，所以lonelystar说的不全对，光靠相关函数解决不了许多问题，要求太严格了；对于第二种方式，虽然一个平稳随机过程在无限时间上不能进行傅立叶变换，但是对于有限区间，傅立叶变换总是存在的，可以先架构有限时间区间上的变换，在对时间区间取极限，这个定义方式就是当前快速傅立叶变换（FFT）估计谱密度的依据；第三种方式是根据维纳的广义谐和分析理论：Generalized harmonic analysis, Acta Math, 55(1930),117-258,利用傅立叶-斯蒂吉斯积分，对均方连续的零均值平稳随机过程进行重构，在依靠正交性来建立的。 另外，对于非平稳随机过程，也有三种谱密度建立方法，由于字数限制，功率谱密度的单位

第13章-随机振动试验复习过程

第13章-随机振动试 验

第13章随机振动试验 13.1 试验目的、影响机理、失效模式 产品在运输和实际使用中所遇到的振动，绝大多数就是随机性质的振动（而不是正弦振动）。例如，宇航器和导弹在发射和助推阶段的振动；火箭发动机的噪声和气动噪声使结构产生的振动；飞机（特别是高速飞机）的大功率喷气发动机的振动；飞机噪声使飞机结构产生的振动和大气湍流使机翼产生振动；飞机着陆和滑行时的振动；车辆在不平坦的道路上行驶时产生的振动；多变的海浪使船舶产生的振动等等都属于随机性质的振动。因此，随机振动试验才能更真实反映产品的耐振性能。 随机振动和正弦振动相比，随机振动的频率域宽，而且有一个连续的频谱，它能同时在所有频率上对产品进行激励，各种频率的相互作用远比用正弦振动仅对某些频率或连续扫频模拟上述振动的影响更严酷更真实和更有效。另外，用随机振动来研究产品的动态特性和结构的传递函数比用正弦振动的方法更为简单和优越。 随机振动和正弦振动一样能造成导线摩擦、紧固件松动、活动件卡死，从而破坏产品的连接、安装和固定。当随机振动激励造成的应力过大时，会使结构产生裂纹和断裂，特别在严重的共振状态下更为显著。长时间的随机振动，由于交变应力所产生的累积损伤，会使结构产生疲劳破坏。随机振动还会导致触点接触不良、带电元件相互接触或短路、焊点脱开、导线断裂以及产生强电噪声等。从而破坏产品的正常工作，使产品性能下降、失灵甚至失效。 为了能在试验室内模拟产品在现场所经受到的实际随机振动及其影响，工程技术人员为此付出了许多的努力。早在六十年代，国际上对随机振动的研究就十分活跃。不仅在理论上有了重大突破，而且有了较完善的试验方法和试验设备。1962年美国军标810中首先规定了随机振动试验方法。1964年英国国防部标准07-55中也提出了随机振动试验。1973年IEC公布了四个具有不同再现性宽带模拟式随机振动试验方法，到上世纪90年代又公布了数字式随机振动试验方法。目前国内的随机振动试验已很普及，随机振动试验设备，特别是一般用途的随机振动控制仪价格也不高。 13.2 随机振动的描述 在随机振动试验中，由于振动的质点处于不规则的运动状态，永远不会精确的重复，对其进行一系列的测量，各次记录都不一样，所以没有任何固定的周期。在任何确定的时刻，其振幅、频率、相位都不能预先知道，因此就不可能用简单的周期函数和函数的组合来描述。图13-1为典型的宽带随机振动时间历程。

(实验六 随机信号功率谱分析)

实验报告 实验课程：数字信号处理实验开课时间：2020—2021 学年秋季学期 实验名称：随机信号功率谱分析实验时间： 2020年9月30日星期三 学院：物理与电子信息学院年级：大三班级：182 学号：1843202000234 姓名：武建璋 一、实验预习 实验目的要求深刻理解随机信号的特性，掌握随机信号功率谱估计的基本原理，灵活运用各种随机信号功率谱估计的基本方法。 实验 仪器 用具 装有Matlab的计算机一台 实验原理 功率谱估计是随机信号处理中的一个重要的研究和应用领域.功率谱估计基本上可以非参数估计的经典方法和参数估计的近代方法.典型功率谱估计是基于FFT 算法的非参数估计,对足够长的记录数据效果较好。 在工程实际中，经典功率谱估计法获得广泛应用的是修正期图发。该方法采取数据加窗处理再求平均的办法。通过求各段功率谱平均，最后得到功率谱计P（m），即： 式中：为窗口函数ω[k]的方差。K表示有重叠的分数段。 由于采用分段加窗求功率谱平均，有效地减少了方差和偏差，提高了估计质量，使修正周期图法在经典法中得到普遍应用。但在估计过程存在两个与实际不 符的假设，即 （1）利用有限的N个观察数据进行自相关估计，隐含着在已知N个数据之外的全部数据均为零的假设。 （2）假定数据是由N个观察数据以N为周期的周期性延拓。同时在计算过程中采用加窗处理，使得估计的方差和功率泄露较大，频率分辨率较低，不适用于短系列的谱分析和对微弱信号的检测。 近代谱估计是建立在随机信号参数模型的基础上，通过信号参数模型或预测误差滤波器（一步预测器）参数的估计，实现功率谱估计。由于既不需要加窗，又不需要对相关函数的估计进行如经典法那样的假设，从而减少公里泄露，提高了频谱分辨率。常用的参数模型有自回归（AR）模型、滑动平均（MA）模型、自回归滑动平均（ARMA）模型。其中AR模型是基本模型，求解AR模型的参数主要有L—D算法和Burg算法。

随机振动标准2011修订说明

国家标准《包装运输包装件基本试验第23部分随机振动试验方法》（征求意见稿）编制说明 一、任务来源 根据全国包装标准化技术委员会文件《关于下达2009年第一批国家标准修订计划项目的通知》【包标委（2009）013号】，由全国包装标准化技术委员会归口，由中国包装科研测试中心负责牵头修订GB/T 4857.23-2003《包装运输包装件随机振动试验方法》。 二、目的和意义： 本次修订主要是是根据本标准依据的ASTM D 4728：1995的修订点而修订的，目前 ASTM标准的最新版本为ASTM D 4728：2006。 ASTM D 4728：2006除编辑方面做了一些调整外，其主要的修订点是取消了所有开环方法的描述，另外一方面本次修订的主要目的是增加中国公路振动的频谱,增加的这些频谱可以直接在实验室使用。 2003版给定的附录文件都是欧美方面的振动数据，没有符合中国国情的振动数据，这样使用欧美振动条件考核包装件在中国运输过程中受振动的影响就不合理。中国包装科研测试中心在经过长时间的振动数据积累，并基于大量数据分析的基础上，得到了“中国公路运输随机振动功率谱密度曲线及“中国京沪铁路运输随机振动功率谱密度曲线实例。”列在了附录B和C。 三、关于随机振动试验方法的说明： 包装件在运输过程中会受到各种复杂的危险情况，对这些危险情况了解不足需要对运输包装件进行随机振动试验。这种方法可以使所有的产品和包装经历共振的过程。 随机振动会对整体运输包装件、以及外包装、内包装、产品和密封等各个部分带来损害。随机振动试验方法可以对这些因素的相互作用进行分析。 随机振动试验很难与正弦振动试验建立对等关系。因为产品的阻尼是非线性的，所以每个产品对振动的反应也各不相同。 随机振动试验不存在的疲劳振动，强度低于正弦定频和扫频振动试验。

(完整版)随机信号处理考题答案

填空： 1.假设连续随机变量的概率分布函数为F（x）则F（-∞）=0, F（+∞）=1 2.随机过程可以看成是样本函数的集合，也可以看成是随机变量的集合 3.如果随机过程X(t)满足任意维概率密度不随时间起点的变化而变化,则称X(t)为严平稳随机过程，如果随机过程X(t)满足均值为常数，自相关函数只与时间差相关则称X(t)为广义平稳随机过程 4.如果一零均值随机过程的功率谱，在整个频率轴上为一常数，则称该随机过程为白噪声,该过程的任意两个不同时刻的状态是不相关 5. 宽带随机过程通过窄带线性系统，其输出近似服从正态分布,窄带正态噪声的包络服从瑞利分布,而相位服从均匀分布 6.分析平稳随机信号通过线性系统的两种常用的方法是冲激响应法，频谱法 7.若实平稳随机过程相关函数为Rx（τ）=25+4/（1+6τ），则其均值为5或-5,方差为4 7.匹配滤波器是输出信噪比最大作为准则的最佳线性滤波器。 1.广义各态历经过称的信号一定是广义平稳随机信号，反之，广义平稳的随机信号不一定是广义各态历经的随机信号 2.具有高斯分布的噪声称为高斯噪声,具有均匀分布的噪声叫均匀噪声,而如果一个随机过程的概率谱密度是常数，则称它为白噪声 3.白噪声通过都是带宽的线性系统，输出过程为高斯过程 4.平稳高斯过程与确定的信号之和是高斯过程，确定的信号可以认为是该过程的数学期望 5.平稳正态随机过程的任意概率密度只由均值和协方差阵确定 1.白噪声是指功率谱密度在整个频域内均匀分布的噪声。 3.对于严格平稳的随机过程，它的均值与方差是与时间无关的函数，即自相关函数与时间间隔有关，与时间起点无关。 4.冲激响应满足分析线性输出，其均值为_____________________。 5.偶函数的希尔伯特变换是奇函数。 6.窄带随机过程的互相关函数公式为P138。 1.按照时间和状态是连续还是离散的，随机过程可分为四类，这四类是连续时间随机过程， 离散型随机过程、随机序列、离散随机序列。 2.如果平稳随机过程均值和相关函数具有遍历性,则称该随机过程为各态历经过称。 3.如果均匀分布白的噪声通过线性系统，输出服从正态分布分布。 4.正态随机过程的任意n维分布，只有由一、二阶矩确定。 5.窄带正态随机过程的相位服从均匀分布，幅度服从瑞利分布。 6.随机过程相关时间反应了随机过程变化的快慢程度，相关时间越长，过程的取值变化越 慢,随机过程相关时间反应了随机过程变化的快慢程度，相关时间越短，过程的取值变化越快, 7.平稳随机过程信号通过线性系统分析，输入，输出过程的自相关函数可表示为 ，输出与输入过程中功率谱之间的关系可表示为 。 8.平稳随机过程信号通过非线性系统分析常用的方法是直接法和变换法与级数展开法。 9.典型的独立增量过程有泊松过程与维纳过程。 10.对于无偏估计而言均方误差总是大于等于某个量，这个量称为克拉美-罗(Cramer-Rao)下

随机信号的功率谱估计方法12页

数字信号处理II ——随机信号的功率谱估计方法 一、实验目的 1．利用自相关函数法和周期图法实现对随机信号的功率谱估计。 2．观察数据长度、自相关序列长度、信噪比、窗函数、平均次数等对谱估计的分辨率、稳 定性、主瓣宽度和旁瓣效应的影响。 3．学习使用FFT 提高谱估计的运算速度。 4．体会非参数化功率谱估计方法的优缺点。 二、实验原理与方法 假设信号()x n 为平稳随机过程，其自相关序列定义为: {}*()()()m E x n x n m φ+@ (0.1) 其中{}E ?表示取数学期望，{}*?表示取共轭。 根据定义，()x n 的功率谱密度()P w 与自相关序列()m φ存在如下关系： ()()j m m P m e ωωφ+∞-=-∞= ∑ (0.2) 1()()2j m m P e d πωπφωωπ-=? (0.3) 然而，实际中我们很难得到准确的自相关序列()m φ，只能通过随机信号的一段样本序列来估计信号的自相关序列，进而得到信号的功率谱估计。目前常用的线性谱估计方法有两种：自相关函数法和周期图方法，本实验将对这两种方法分别予以讨论。 1．自相关函数法 假设已知随机信号()x n 的N 个观测样本，则其自相关序列可以用下式进行估计:

||1*01?()()()||1||N m n m x n x n m m N N m φ--==+≤--∑ (0.4) 当仅使用长度为2M -1的自相关序列时，对其进行傅立叶变换即可得到功率谱估计如下: 1 1 ??()()M j m m M P m e ωωφ--=-+=∑ (0.5) 其中M 为加窗长度，Re ()c M W m 为矩形窗函数，定义如下: Re 1,||()0,||c M m M W m m M

随机振动的功率谱分析

随机振动的功率谱分析 在物理学中，信号通常是波的形式，例如电磁波、随机振动或者声波。当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度（power spectral density, PSD ）或者谱功率分布（spectral power distribution, SPD ）。功率谱密度的单位通常用每赫兹的瓦特数（W/Hz ）表示，或者使用波长而不是频率，即每纳米的瓦特数（W/nm ）来表示。 功率谱是一种概率统计方法，是对随机变量均方值的量度。一般用于随机振动分析，连续瞬态响应只能通过概率分布函数进行描述，即出现某水平响应所对应的概率。功率谱密度函数是结构在随机动态载荷激励下响应的统计结果，是一条功率谱密度值与频率值的关系曲线，其中功率谱密度可以是位移功率谱密度、速度功率谱密度、加速度功率谱密度、力功率谱密度等形式。数学上，功率谱密度值与频率值的关系曲线下的面积就是方差，即响应标准偏差的平方值。谱是个很不严格的东西，常常指信号的Fourier 变换，是一个时间平均（ time average ）概念。功率谱指的是信号在每个频率分量上的功率，频谱其实是一个幅度谱，只是信号在各个分量上的幅度值。因为通信中一般对于信号的分析都是把信号看作电压值，所以功率就是电压的平方再除以电阻值。为了分析简单归一化，令R=1，这时候功率谱就是频谱模的平方了。模也就是实部分量和虚部分量平方和的开方，故功率谱保留了频谱的幅度信息，但是丢掉了相位信息，所以频谱不同的信号其功率谱是可能相同的。 功率谱和频谱有两个重要区别：其一，功率谱是随机过程的统计平均概念，平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier 变换，对于一个随机过程而言，频谱也是一个“随机过程”；其二，功率概念和幅度概念的差别，我们只能对宽平稳的各态历经的二阶矩过程谈功率谱，其存在性取决于二阶矩是否存在及其Fourier 变换是否收敛；而频谱的存在性仅仅取决于该随机过程的该样本的Fourier 变换是否收敛。 若一个确定信号f(t)，－∞＜t ＜∞，满足狄氏条件，且绝对可积，即满足： ?∞ ∞-∞