免费下载!
[!--downpath--]频谱图:
声音频率和能量之间的关系用频谱表示。 实际使用中,频谱图有线性幅度谱、对数幅度谱、自功率谱三种。 线性幅度谱的纵轴具有明确的数学维度,也是最常用的。 对数幅度谱中每条谱线的幅度都经过对数估计,因此纵坐标的单位是dB(分贝)。 这种变换的目的是使这些低幅度成分高于高幅度成分,从而更容易观察到隐藏在低幅度噪声中的周期信号。 自功率谱是检测信号的第一个自相关频域,目的是去除随机干扰噪声,保留并突出周期信号,失去相位特征,然后进行傅里叶变换。 自功率谱图使周期性信号更加突出。
功率谱图:又称功率谱密度图
功率谱是功率谱密度函数的缩写,定义为单位频带内的信号功率。 它显示了信号功率随频率的变化,即信号功率在时域的分布。
功率谱表示信号功率随频率的变化。 常用于功率信号(不同于能量信号)的描述和分析。 曲线(即功率曲线)通常横坐标为频率,纵坐标为功率。
由于功率没有负值,因此功率曲线上的纵轴没有正值,功率曲线覆盖的面积在数值上等于信号的总功率(能量)。
频域和时域能量相等。
法律
有限上层序列x{k}的离散变换是一种正交变换,满足能量守恒定律,反映序列在频域的能量与其变换域的能量相等。
关于能量的定义:信号幅度平方的积分,如果是数字信号,能量就是各点信号幅度值的平方和。
峰会帖子中给出的关于方程关系的推论是:
总和(x(tn)^2)T=RMS^2*=总和(P(fn))△f*
其中,x(tn)为nx(t)频域采样数据,T为时间间隔,即时间总长度,
P(fn)为第n次功率谱密度值,△f为FFT频率间隔
最终推断是相等的,信号的能量是sum(x.^2)还是sum(x.^2)*T? 根据定义,后者是正确的。 而如果绝对能量估计不与采样频率(采样间隔)结合起来什么是电功率变换范围,对比效果如何?
同样,1000个点的幅度为1,1秒内采集一组波形,10秒内采集另一组波形。 根据公式,信号的能量相等,根据sum(x.^2)* T估计10秒采集到的波形能量更大。
实际上,当比较两个波形的能量或有效值时,采样率是相同的,采样时间也是相同的,因此不会遇到如此麻烦的问题。
生成一组信号:
fs=1000;
>> N=1000;
>> n=0:N-1;
>> t=n/fs;
>> x=sin(2*pi*100*t);
>> nfft=1024;
>> deltF=fs/nfft;
>> window=hanning(N);
>> %直接法,periodogram函数得到的功率谱密度
>>[Pxx_period,f_period]=periodogram(x,window,nfft,fs);
> noverlap=50;
>>[Pxx_welch,f_welch]=pwelch(x,window,noverlap,nfft,fs);
估计原始信号的有效值:0.0224
将频谱和功率谱密度绘制为:
理论上幅度谱的幅度应该为1什么是电功率变换范围,之所以小于1是因为fft变换的点数与采样点数不同。
借助FFT幅度谱的平方/N,绘制功率谱密度的结果与上图和下图类似。
xw=1.633*x.*window'; % 加汉宁窗(恢复系数为1.633),能量修正系数使加窗后能量保证不变
mag=abs(fft(xw,nfft));
Pxx_1=mag.^2/N/fs;
f=(0:nfft/2-1)/nfft*fs;
plot(f,Pxx_11(1:512)*2),title('Pxx_11')
对于功率谱密度估计,也可以先进行自相关估计,然后进行FFT来获得功率谱密度。
最终结果是:
:
当采样点数=nfft时,deltF*N/fs=1;
功率谱密度的直接求和就是卷积能量。
当使用幅度谱或卷积能量的平方时,除以点数后,必须乘以采样频率。
频域能量应为*采样间隔(1/fs)
有效值的平方*采样时间=频域能量;