信号处理趣学D7——自功率谱的物理意义&通过自功率谱分析原信号的简谐分量

小虎最近研究自功率谱的意义和作用，发现自功率谱还可以进行信号的简谐分量分析的哦，这里小虎使用了MATLAB进行仿真的方法来展现结果。

目录

• 什么是自功率谱
• 参数设置
• 结果
• • 物理意义
• 代码分析
• 完整代码
• 参考文献
• 更多

什么是自功率谱

根据帕塞瓦尔定理(Parseval’s theorem)，在时域信号的总能量等于在频域信号的总能量。由随机信号经过傅里叶变换，再经过以下计算，可以求其自功率谱(Power spectrum)。
$$S_x(\omega )=\underset{T\to \infty }{\lim }\frac{1}{T}|X(\omega ){|}^2$$

参数设置

设采样数n=1000，采样时间fs=1000，采样间隔为t。然后利用两个三角函数和一个随机噪声信号相加得到模拟信号。两个三角函数信号分别为频率为40HZ和90HZ的正弦波信号。
$$\begin{gathered} w_0=2\times \pi \times f_0 \\ {y}_1=sin(80\pi t) \\ {y}_2=sin(180\pi t) \end{gathered}$$

结果

物理意义

• 可以从下面一行图中看到，后面两个三角函数的自功率谱分别在$f=40HZ$和$=90HZ$有个尖峰，这正是这两个三角函数的固有频率。
• 在下面一行第一个图中，可以看到模拟信号的自功率谱在$f=40HZ$和$=90HZ$也有两个尖峰，所以可以从这里读出原来的两个简谐信号的固有频率。

代码分析

函数构建。

fs=1000;
n=1001;
t=(0:n-1)/fs;
x_n=sin(2*pi*40*t)+3*sin(2*pi*90*t)+randn(size(t));

求自功率频谱。

[Px,w]=periodogram(x_n,[],1023,fs);

画原信号图、自功率谱图。

figure('color',[1 1 1]);
subplot(2,1,1);
plot(t,x_n);
xlabel('t');
ylabel('x(t)');
subplot(2,1,4);
plot(w,10*log10(Px));
xlabel('Frequency/HZ');
ylabel('Power spectrum/(dB/HZ)');

完整代码

fs=1000;
n=1001;
t=(0:n-1)/fs;
x_n=sin(2*pi*40*t)+3*sin(2*pi*90*t)+randn(size(t));
[Px,w]=periodogram(x_n,[],1023,fs);
figure('color',[1 1 1]);
subplot(2,1,1);
plot(t,x_n);
xlabel('t');
ylabel('x(t)');
subplot(2,1,4);
plot(w,10*log10(Px));
xlabel('Frequency/HZ');
ylabel('Power spectrum/(dB/HZ)');

参考文献

[1]张春华等，工程测试技术基础第二版

更多

信号处理趣学D0——系列专栏的说明与目录
信号处理趣学D1——相关函数的意义&利用自相关函数消除噪声
信号处理趣学D2——利用自相关函数对分析音频的周期变化
信号处理趣学D3——工程测试技术模拟信号采样
信号处理趣学D4——利用谐波叠加对周期方波进行逼近
信号处理趣学D5——利用仿真教你理解周期混叠和采样定理
信号处理趣学D6——利用MATLAB画出非周期函数的频谱图
信号处理趣学D7——自功率谱的物理意义&通过自功率谱分析原信号的简谐分量
信号处理趣学D8——关于拉氏变换和频谱图的那些事儿
信号处理趣学D9——教你仿真理解信号的调制和解调
信号处理趣学D10——简单理解过调失真（附例子和代码）
信号处理趣学D11——怎么避免信号调质过程的时候重叠失真？