第4章、测试信号分析与处理

能力培养目标:
1.根据测试系统中常见信号的特点,
掌握测试信号的分析方法。
2.对测试信号或测试实验数据能恰当
处理,满足测试任务要求。

测试系统是通过某种技术手段,从被测对
象的运动状态中提取所需的信息。
在工程实际中,测试过程包括信号的获取、
加工、处理、显示、反馈、计算等,因此
测试系统对被测参量测试的整个过程都是
信号的流程。

压电传
感器
电脑
电荷放
大器

信号调
理器

数据采
集器

信号分
析处理

显示齿轮
状况

4.1 概述
4.1.1信号的概念和分类
信号的概念

维纳创立控制 香农创立信息
论(1948年) 论(1948年)

信息就是信息,不是物质也不是能量。-维纳
信息是用来消除不确定的东西。是熵的减少。-
仙农

信息是现实物质世界的反映,是物质运动的动
态和方式。

信号是信息的载体,表现为一定的物理量。可
以用函数、图表等描述。

气象变化状态图

幅度调制信号

信号的分类
信号的分类主要是依据信号波形特征来划分
的,在介绍信号分类前,先建立信号波形的概念。

信号波形:被测信号信号幅度随时间的变化历程
称为信号的波形。

波形

A
0

t

信号波形图:用被测物理量的强度作为纵坐标,
用时间做横坐标,记录被测物理量随时间的变
化情况。

心电图

为深入了解信号的物理实质,将其进行分类研究
是非常必要的,从不同角度观察信号,可分为:

1 从信号描述上分
--确定性信号与非确定性信号;
2 从信号的幅值和能量上
--能量信号与功率信号;
3 从连续性
--连续时间信号与离散时间信号;

1 确定性信号与非确定性信号
可以用明确数学关系式描述的信号称为确定
性信号。不能用数学关系式描述的信号称为非确
定性信号。

a) 周期信号:经过一定时间可以重复出现的信号
x ( t )
=
x ( t + nT )

简单周期信号

复杂周期信号

b) 非周期信号:在不会重复出现的信号。

准周期信号:由多个周期信号合成,但各信号频率不成
公倍数。如:x(t) = sin(t)+sin(√2.t)

瞬态信号:持续时间有限的信号,
如 x(t)= e-Bt . Asin(2*pi*f*t)

c)非确定性信号:不能用数学式描述,其幅值、相
位变化不可预知,所描述物理现象是一种随机过程。
噪声信号(平稳)

噪声信号(非平稳)

统计特性变异

2 能量信号与功率信号
a)能量信号
在所分析的区间(-∞,∞),能量为有限
值的信号称为能量信号,满足条件:

x (t ) dt  
2



一般持续时间有限的瞬态信号是能量信号。

b)功率信号
在所分析的区间(-∞,∞),能量不是有限
值.此时,研究信号的平均功率更为合适。

lim

T
 

1
2T

T

T

x (t )dt  
2

一般持续时间无限的信号都属于功率信号:

3 时限与频限信号
a) 时域有限信号
在时间段 (t1,t2)内有定义,其外恒等于零.
三角脉冲信号

b) 频域有限信号
在 频 率 区 间 (f1, f2 ) 内 有 定 义 , 其 外 恒 等 于
零.
正弦波幅值谱

4 连续时间信号与离散时间信号
a) 连续时间信号:在所有时间点上有定义

b)离散时间信号:在若干时间点上有定义
采样信号

4.1.2 信号分析与处理
分析方法 描述方法

数学工具

主要目的

时域分析 信号被看作是
时间 的函数;
波形图;概率
密度函数。

函数运算;波
形变换;微分
方程和差分方
程;卷积积分
和卷积和;相
关运算等

了解信号的组成分
量、周期性、幅值
范围、持续时间、
相关性、通过一定
系统后的输出等。

频域分析 把信号看作是 傅里叶级数,
频率的函数; 傅里叶变换
频谱图;功率
谱等

了解信号幅值、相
位、分量功率或能
量等与频率的关系
等。

时域分析与频域分析

幅值

时域分析

信号频谱X(f)代表了信号
在不同频率分量成分的大
小,有时能够提供比时域
信号波形更直观,丰富的
信息。

频域分析

时域分析只能反映信号的幅值随时间的变化
情况,除单频率分量的简谐波外,很难明确揭示
信号的频率组成和各频率分量大小。
图例:受噪声干扰的多频率成分信号

4.1.3系统的概念

系统(system):由若干相互联系、相互作用
的单元组成的具有一定功能的整体。

振荡器

接收电路

混频

中频放大器

检波

音频放大

收音机系统
1-18

雷达

通信系统

信息处理

武器控制

自动化防空系统

种类:通信系统、计算机系统、自动控制系统、
生态系统、经济系统、社会系统。
功能:传输信号、处理信号。
1-19

4.1.4信号分析中常用的函数
a) 函数: 是一个理想函数,是物理不可实现
信号。

, t  0
 (t )  
0, t  0



 (t )dt  1

 (t )  lim S (t )
 0

S(t)

1/

S(t)

t

S(t)

t

t

特性:1)乘积特性(抽样)
f (t ) (t )  f (0) (t ), f (t ) (t  t 0 )  f (t 0 ) (t  t 0 )
2)积分特性(筛选)



f (t ) (t )  f (0), 



f (t ) (t  t 0 )  f (t 0 )

3)卷积特性

f (t ) * (t  t0 ) 



f ( ) (t   )d  f (t  t0 )

4)拉氏变换
( s) 



 ( t ) e  st dt  1

5)傅氏变换
( f ) 



 (t )e  j 2ft dt  1

b) sinc 函数

sin t
sin t
sin c(t ) 
, or,
, (  t  )
t
t
波形

c) 复指数函数
t

e  e e
st

jt

 et cost  et sin t
图示:

 0

j

  t  
s    j

 0

频率

放大

4.2 信号的时域分析
4.2.1 信号的运算
确定性信号的运算规律与函数的运算规律相同。
案例:非抑制调幅在调制前把调制波和一个足够
大直流偏置信号相加。
案例:数字式电能表通过实时检测入户电压和电
流,并将电压信号和电流信号进行乘法运算得到
各时刻的瞬时电功率,并按时间积分电功率后得
到电能值。

卷积积分:

x(t )  h(t )   x( )h(t   )d


卷积和:

x ( n)  h( n) 

 x ( k ) h( n  k )

k 

卷积运算满足交换率、分配率和结合率;
两函数卷积的微积分,等于两函数中一个函数
微积分后的卷积。

x(t )   (t  t0 )  x(t  t0 )

4.2.2 信号的波形变换
信号时域波形变换:信号x(t)
●用-t代替t,x(t)波形绕纵轴翻转180o
●用(t-t0)代替t,x(t)波形沿横轴右移t0
●用 (at) 代替t, x(t) 波形以原点为中心,
在宽度方向上变为原来的1/a。
f t 

 1
f t  
 2
1

f  t 

1

1

0

1

2

t

2

1

0

t

0.5

0

1

f  4t 
1

2 t

0

0.5 1

t

4.2.3 信号的时域统计参数
1均值(反映直流分量)

1
  lim  x(t )dt
T
T

x

T 

0

X(t)-信号的样本记录
T-----样本记录时间
工程实际用估计值(采用直流电压表实现)

1
ˆ   x(t )dt
T
T

x

0

2方差(反映交流分量)

  lim  [ x(t )   ] dt
T

2

2

x

T 

x

0

反映了信号对均值的分散程度,其正平方
根成为标准差
工程实际用估计值

1
ˆ   [ x(t )  ˆ ] dt
T
T

2

x

2

0

x

3均方值(反映信号的强度或平均功率)

1
  lim  x (t )dt
T
T

2

2

x

T 

0

其正平方根称为有效值

工程实际用估计值(采用均方电压表实现)

1
ˆ   x (t )dt
T
T

2

2

x

0

   
2

2

2

x

x

x

4概率密度函数
表示信号瞬时值落在某指定区间内的概率。
x

X(t)
x+Δx
x

P(x)

t

T

T
P( x  x(t )  x  x)  lim
T
1
T
P( x)  lim [lim ]
x
T

x

T 

x

x0

T 

Tx——样本函数瞬时值落在区间(x+Δx)的时间

概率密度函数反映了随机信号幅值分布
规律。用概率密度分析仪实现对随机信号的
概率密度分析。其估计值为:

T
Pˆ ( x) 
xT
x

▼四种典型信号的概率密度函数图:

p (x )

xt 

0

(a)

t

x

0

p (x )

xt 

0

x

(b)

0

t

xt 

x
p (x )

(c)

0

0

t

p (x )

xt 

x

(d )

0
t

(a)正弦函数
(c)窄带随机信号

x

0

x

(b)正弦函数加随机信号
(d)宽带随机信号

4.2.4信号的相关分析
1 变量相关的概念
变量的相关是指变量间的线性关系。统计学中
用相关系数来描述变量x,y之间的相关性。是两随
机变量之积的数学期望,表征了x、y之间的关联程
度。

 xy 

c xy
 x y

E [( x   x )( y   y )]

 E[( x   )2 ] E[( y  

 x  y --随机变量x,y的均值
E --数学期望
 x  y--随机变量x,y的标准差

x

y)

]

2 1/ 2

0   xy  1

y

y

x
 xy  1

x
 xy  1
y

y

x

x
0   xy  1

 xy  0

2 波形相关的概念(相关函数 )
如果所研究的变量x, y是与时间有关的函数,
即x(t)与y(t):
x(t)

y(t)

这时可以引入一个与时间τ有关的量,称为
相关函数,并有估计值:

1
Rˆ ( )   x(t ) y(t   )dt
T
T

xy

0

相关函数反映了二个信号在时移中的相关
性。当y(t)=x(t)时为自相关函数,其估计值为:

1
Rˆ ( )   x(t ) x(t   )dt
T
T

x

0

R x  

0

(a)


R x  

0

(b)


R x  

0

(c)


R x  

(d)

0

(a)正弦函数的自相关函数
(b)正弦函数加随机信号的
自相关函数
(c)窄带随机信号的自相关
函数
(d)宽带随机信号的自相关
函数

相关函数的性质
相关函数描述了两个信号间或信号自身不同时
刻的相似程度,通过相关分析可以发现信号中许多
有规律的东西。
(1)自相关函数是  的实偶函数,RX()=Rx(- );

(2)当 =0 时,自相关函数具有最大值。
(3)周期信号的自相关函数仍然是同频率的周
期信号,但不保留原信号的相位信息。
(4)随机噪声信号的自相关函数将随  的增大快
速衰减。

(5)两周期信号的互相关函数仍然是同频率的周
期信号,且保留原了信号的相位信息。

(6)两个非同频率的周期信号互不相关。

功率谱密度函数
自相关函数的傅立叶变换称为自功率谱密度函
数或自谱。互相关函数的FT称为互功率密度函数或
互谱。
Sx ( f ) 

Sxy ( f ) 



 j 2 f
R
(

)
e
dt
 x


 j 2f
R
(

)
e
dt
 x y

相关分析的工程应用
案例:机械加工表面粗糙度自相关分析

被测工件

相关分析

性质3,性质4:提取出回转误差等周期性的故障源。

案例:自相关测转速
理想信号

实测信号

自相关系数

干扰信号

性质3,性质4:提取周期性转速成分。

案例:自相关判断车身振动周期性
at 

0.11

Rx  

0
t

(a)汽车加速度的时域波形

0

(b)汽车加速度的自相关函数

由相关图看出车身振动含有某一周期振动信号,从
两个峰值的时间间隔可计算出其频率为:

1
1
f  
 9Hz 
T 0.11

案例:地下输油管道漏损位置的探测

X1

X2

t

案例:炮弹出膛运动速度测量
v
l

Rxy  

传感器1

传感器2
x t 

y t 
0

互相关分析

v

l

0

0

4.3信号的频域分析
4.3.1 周期信号及其频谱
a) 周期信号:经过一定时间可以重复出现的信号;
若信号x ( t )在所有时间内均满足:

x ( t )

=

x ( t + nT )

n 为任意整数,T为正的常数,则信号 x ( t ) 为周
期信号,T为周期。系列周期值中的最大公约数
为基本周期。
例如:sinwt=sin(wt+n2ㅠ)
sinwt(基波),sin2wt,sin3wt…… 谐波

傅里叶建立信号分
析理论(1822年)

周期信号的傅里叶级数的表达形式:

x(t )  a0 

 (an cos n0t bn sin n0t)

(n  1,2, ,3,...)

n 1

变形为:

x(t )  a0 

 An cos(n0t  n )
n 1

(n  1,2, ,3,...)

式中: a  1 T / 2 x(t )dt;
0
T T / 2
an 

2
T

bn 

2
T

T /2

T / 2

T /2

T / 2

x(t ) cos n 0tdt;

T――周期,
T=2π/ω0;
ω0――基波圆频率;
f0= ω 0 /2π

x (t ) sin n 0tdt;

An  an  bn ;
2

2

 n  arctg ab ;
n

n

x(t )  a0 

 An cos(n0t  n )

(n  1,2, ,3,...)

n 1

周期信号可以表示成无穷个正弦及余弦函数之和。

傅里叶级数的复数表达形式:

x (t ) 

C e
n

jn 0 t

,(n  0,1,2,...)

n 

Cn 

T /2
1
T T / 2

x(t )e  jnw0t dt; n  0,1,2......

Cn  Cn e jn
1
bn
Cn  An ;n  arctg
2
an

周期信号的频谱

An
2

x t 

1
0
t
x t   2 sin  0 t  sin 2  0 t

(a)周期信号的时间历程

0
n

0

2 0 

0

2 0 

90

0

(b)周期信号的频

期性矩形波的傅里叶级数表示
xt  

4A 
1
1
1

sin

t

sin
3

t

sin
5

t

sin
7

t





0
0
0
0
 
3
5
7

xt 

An

A
T

2

T
2

0

A

(a)周期性矩形波

4A

t
0 0 30 50 70 90 

(b)周期性矩形波的频谱

周期矩形波傅里叶级数的复数表达形式:

x (t ) 

jn 0 t
C
e
 n ,(n  0,1,2,...)

n 

Cn 

1
T

T /2

T / 2

x(t )e  jnw0 t dt 

n0
2
n

sin

双边谱与负频率问题
例如:x(t)=Acosw0t =A/2(ejw0t+e-jw0t)
A
0

An
A/2
w0
单边谱

w

Cn

-w0 0 w0
双边谱

w

单边频谱线高度为双边频谱线的二倍。
由于用复数表示可以得到简练的复数形式的傅
里叶级数 ,因此根据欧拉公式引入了负频率,这
仅仅是数学表示引入的问题。

周期信号频谱的特点:
离散性、谐波性、收敛性。
谱线间隔为:w0=2π/T0

信号的能量主要集中在低频段,幅值为基波幅值
2%以上的谐波分量周期矩形有25个,全波整流
有6个,三角波有4个。(P1228)
选仪器时要注意频带宽度。

4.3.2 非周期信号及其频谱
非周期信号包括准周期信号和瞬变信号。主要
是指瞬变信号。非周期信号可以认为是周期为无穷
大的周期信号。

周期信号是离散谱线,谱线间隔为2π/T0 ,当T0
趋近于无穷大时,谱线间隔趋近于零,因此非周期
信号的谱线是连续谱线。

非周期信号的傅立叶变换:

X(f ) 
x(t ) 

x(t )e  j 2ft dt





X ( f )e

df

FT

Cn为复数,是频谱

IFT

X(f)为复变函数,是频
谱密度

x(t )  X ( f )
Cn 

j 2ft

T /2
1
T T / 2

x(t )e jnw0t dt

例5.2-P120

方波谱

1

周期方波谱

Uf 

u t 


2

0


2

t

3

1 0 1

3

f

常用信号
的傅立叶
变换:

信号x(t)

δ(t)
δ(t-t0)
1
μ(t)
g(t)
cosw0t
sinw0t
ejw0t
Σδ(t-nTs)

傅立叶变换X(f)

1
e-jwt0
2π δ(w)
π δ(w)+1/jw
τSa(w τ/2)
π[δ(w+w0)+ δ(w-w0)]

jπ[δ(w+w0)+ δ(w-w0)]

2π δ(w-w0)
1/TSΣ δ(f-n/Ts))

傅立叶变换的性质
a.奇偶虚实性
b.线性叠加性

x1(t) ←→ X1(f),x2(t) ←→ X2(f)

则:c1x1(t)+c2x2(t) ←→ c1X1(f)+c2X2(f)
c.对称性
若 x(t) ←→ X(f),则 X(t) ←→ x(-f)

d. 时间尺度改变性
若 x(t) ←→ X(f),则

x(kt) ←→ 1/k[X(f/k)]

e. 时移性
若x(t) ←→ X(f),则 x(t±t0) ←→ e±j2πft X(f)
0

f. 频移性
若x(t) ←→ X(f),则x(t) e±j2πf0t ←→ X(f ±f0)

例子:求下图波形的频谱

用线性叠加定理简化
X1(f)

+
X2(f)

g. 时域卷积性
若x(t) ←→ X(f), y(t) ←→Y(f),
则x(t)*y(t) ←→ X(f) Y(f)
系统的时域分析:系统的零状态输出等于输入信
号与系统的单位冲激响应函数的卷积。

系统的频域分析:系统的零状态稳态输出的富氏
变换等于输入信号的富氏变换与系统的频率响应
函数的乘积。

典型信号的频谱

【案例】很多旋转机械故障(如点蚀、裂纹等)都表
现为其振动信号中有异常冲激信号,因此采用固有频
率很高的传感器检测,若机械有相关故障则传感器产
生共振,而无故障机械则不会产生共振,则很容易可
以检测机械相关故障。

周期冲激串及其频谱

 n t 

n f 
1

2Ts

Ts

0

a)

1
Ts

Ts

2Ts

t

4
3
2
1 0
 

Ts Ts Ts Ts

b)

1
Ts

2
Ts

3 4
Ts Ts

f

正余弦及其频谱
x t   sin 2f0t

1
2

Xf 
f0

0

t

x t   cos 2f0t

 f0

0

1 f

2

Xf 

0

1
2

t
 f0

1
2

0

f0

f

频谱分析的应用
频谱分析主要用于识别信号中的周期分量,是
信号分析中最常用的一种手段。

案例:在齿轮箱故障诊断
通过齿轮箱振动信号频谱
分析,确定最大频率分量,
然后根据机床转速和传动
链,找出故障齿轮。

旋转机械不对中故障特性提取及诊断

7

8

9

10

11

12

6
1

2

3

4
5

4.3.3 功率谱分析
若自相关函数的傅里叶变换存在,则定
义其傅里叶变换为自功率谱函数
Sx  f   



R x  e

 j 2f

d

若互相关函数的傅里叶变换存在,则定
义其傅里叶变换为互功率谱函数
S xy  f   



R xy  e

 j 2f

d

除了时域分析和频域分析外,还有基于
拉普拉斯变换的复频域分析法。

拉普拉斯建立变换分析
理论(1802年)

4.4 数字信号分析与处理

计算机测试控制系统的一般组成
对象

物理信号



电信号




电信号

A/D
转换




物理信号

控制
电信号

D/A
转换




4.4.1 模数(A/D)和数模(D/A)
1、A/D转换

采样――利用采样脉冲序列,从信号中抽取一系列
离散值,使之成为采样信号的过程.
量化――把采样信号经过舍入变为只有有限个有
效数字的数,这一过程称为量化.
编码――将经过量化的值变为二进制数字的过程。

4位A/D: XXXX

X(1)  0101
X(2)  0011
X(3)  0000

2) A/D转换器的技术指标
(1) 分辨率;
用输出二进制数码的位数表示。位数越多,量
化误差越小,分辨力越高。常用有8位、10位、
12位、16位等。

(2) 转换速度;
指完成一次转换所用的时间,如:1ms(1KHz);
10us(100kHz)
(3) 模拟信号的输入范围;
如,5V, +/-5V,10V,+/-10V等。

2、D/A转换过程和原理
D/A转换器是把数字信号转换为电压或电流
信号的装置。

D/A转换器的技术指标
• 分辨率;
• 转换速度;
• 模拟信号的输出范围;

4.4.2 采样定理
采样是将采样脉冲序列p(t)与信号x(t)相
乘,取离散点x(nt)的值的过程。
x(t)

0

t

P(t)

0

t

X(nt)•P(t)

0

t

x(nt)

0

t

X(0), X(1), X(2), ……, X(n)

每周期应该有多少采样点 ?
x(t)

0

t

最少2点:
x(t)

0

t

频域解释
X(f)

x(t)
0

t

X(f)*P1(f)

x(t)•p1(t)
0

Δt

t

0

f
1/Δt

f

X(f)*P1(f)

x(t)•p2(t)
0

0

t

0

f

采样定理
为保证采样后信号能真实地保留原始模拟信
号信息,信号采样频率必须至少为原信号中最高
频率成分的2倍。这是采样的基本法则,称为采
样定理。

fs > 2 fmax

需注意,满足采样定理,只保证不发生频率
混叠,而不能保证此时的采样信号能真实地反映
原信号x(t)。工程实际中采样频率通常大于信号
中最高频率成分的3到5倍。
x(t)

0

t

x(t)

0

t

4.4.3、离散傅立叶变换
离散傅里叶变换(Discrete Fourier Transform)
一词是为适应计算机作傅里叶变换运算而引出的
一个专用名词。

x(t)

截断、周期延拓

周期信号xT(t)的傅里叶变换:

xT(t)

x(t)

X(f)
FT
f
t





δn(t)

ΔN(f)


FT

f

t

X(f)

x1(t)

·

·
·
·
·

··
·
· ·

··

FT

··

f

t

G(f)

g(t)


t

FT

f
X(f)

x1(t)

·

··
·
· ·

·

FT
t

f






Δk(f)

δk(t)
IFT

f

t

X2(f)

·

·
·· · ·

x (t)

2
·
·· · ·
· ··
·
·
·
·· ·
·· ·

t





·

·

· ·
· ·
·

·

· ·

· ·
·

·
· ·

X (f)
x (t)

·

··
·
· ·

·

·

t

DFT

·

·

· ·

·

·

f

·

f

DFT:

X  k   X  e j 

N 1

  2 k / N

N 1

  x  n WNkn

  x  n  e  j 2 kn / N
n 0

0  k  N 1

n 0

X  k  为N点有限长序列,WN  e  j 2 / N
1
IDFT: x  n  
N

N 1

 X  k W
k 0

 kn
N

0  n  N 1

4.4.4、快速傅立叶变换

当采样点数为1024点,DFT要求一百万次以
上计算量,而FFT则只要求一万次。

快速傅立叶变换(FFT)是离散傅立叶变换的一
种有效的算法,通过选择和重新排列中间结果,减
小运算量。

4.4.5信号的截断、能量泄漏
用计算机进行测试信号处理时,不可能对无
限长的信号进行测量和运算,而是取其有限的时
间片段进行分析,这个过程称信号截断。

为便于数学处理,对截断信号做周期延拓,得到虚拟的无限长信号。

周期延拓后的信号与真实信号是不同的,下面
我们就从数学的角度来看这种处理带来的误差情
况。
设有余弦信号x(t), 用矩形窗函数w(t)与其相乘,
得到截断信号:
y(t) =x(t)w(t)

周期延拓信号与真实信号是不同的:

能量泄漏误差

克服方法之一:信号整周期截断

4.4.6栅栏效应与窗函数
1)栅栏效应
采用FFT算法计算信号频谱,设数据点数为N,采
样频率为fs。则计算得到的离散频率点为:

Xs(fi) , fi = i *fs / N , i = 0,1,2,.....,N/2
X(f)

Δ

0

Δf=fs/N

f

2)能量泄漏与栅栏效应的关系
频谱的离散取样造成了栅栏效应,谱峰越尖
锐,产生误差的可能性就越大。
例如,余弦信号的频谱为线谱。当信号频率
与频谱离散取样点不等时,栅栏效应的误差为
无穷大。

实际应用中,由于信号截断的原因,产生了
能量泄漏,即使信号频率与频谱离散取样点不相
等,也能得到该频率分量的一个近似值。

从这个意义上说,能量泄漏误差不完全是有害的。
如果没有信号截断产生的能量泄漏,频谱离散取
样造成的栅栏效应误差将是不能接受的。

能量泄漏分主瓣泄漏和旁瓣泄漏,主瓣泄
漏可以减小因栅栏效应带来的谱峰幅值估计误
差,有其好的一面,而旁瓣泄漏则是完全有害
的。

3)常用的窗函数
(1)矩形窗

(2)三角窗

(3)汉宁窗

常用窗函数

总结:
信号截断能量泄漏

FFT栅栏效应

从克服栅栏效应误差角度看,能量泄漏是有利的。

通过加窗控制能量泄漏,减小栅栏效应误差:
加矩形窗

加汉宁窗

Sign up to vote on this title
UsefulNot useful