SAR图像伪加性相干斑噪声统计特性

噪声计算公式

三、时间平均声级或等效连续声级Leq A 声级能够较好地反映人耳对噪声的强度和频率的主观感觉，对于一个连续的稳定噪声，它是一种较好的评价方法。但是对于起伏的或不连续的噪声，很难确定A 声级的大小。例如我们测量交通噪声，当有汽车通过时噪声可能是75d B ，但当没有汽车通过时可能只有50dB ，这时就很难说交通噪声是75dB 还是50dB 。又如一个人在噪声环境下工作，间歇接触噪声与一直接触噪声对人的影响也不一样，因为人所接触的噪声能量不一样。为此提出了用噪声能量平均的方法来评价噪声对人的影响，这就是时间平均声级或等效连续声级，用Leq 表示。这里仍用A 计权，故亦称等效连续A 声级L Aeq 。 等效连续A 声级定义为：在声场中某一定位置上，用某一段时间能量平均的方法，将间歇出现的变化的A 声级以一个A 声级来表示该段时间内的噪声大小，并称这个A 声级为此时间段的等效连续A 声级，即： ()?? ???????????????=?dt P t P T L T A eq 2001lg 10 =??? ? ???T L dt T A 01.0101lg 10 (2-4) 式中：p A （t ）是瞬时A 计权声压；p 0是参考声压（2×10-5 Pa ）；L A 是变化A 声级的瞬时值，单位dB ；T 是某段时间的总量。 实际测量噪声是通过不连续的采样进行测量，假如采样时间间隔相等，则： ?? ? ??=∑=n i L eq Ai N L 11.0101lg 10 （2-5） 式中：N 是测量的声级总个数，L A i 是采样到的第i 个A 声级。 对于连续的稳定噪声，等效连续声级就等于测得的A 声级。 四、昼夜等效声级 通常噪声在晚上比白天更显得吵，尤其对睡眠的干扰是如此。评价结果表明，晚上噪声的干扰通常比白天高10dB 。为了把不同时间噪声对人的干扰不同的因素考虑进去，在计算一天24h 的等效声级时，要对夜间的噪声加上10dB 的计权，这样得到的等效声级为昼夜等效声级，以符号L dn 表示；昼间等效用L d 表示，指的是在早上6点后到晚上22点前这段时间里面的等效值，可以将在这段时间内的Leq 通过下面的公式计算出来；夜间等效用L n 表示，指的是在晚上22点后到早上6点前这段时间里面的等效值，可以将在这段时间内的Leq 通过下面的公式计算出来：

基于白噪声统计特性的振动模式提取方法

第４６卷第３期２０１０年２月 机械工程学报 ＪＯＵＲＮＡＬＯＦＭＥＣＨＡＮＩＣＡＬＥＮＧＩＮＥＥＲＩＮＧ Ｖ０１．４６ＮＯ．３ Ｆｅｂ．２０ｌＯ ＤｏＩ：１０．３帅ｌ，胍．２０１０．０３．０６５ 基于白噪声统计特性的振动模式提取方法木 曹冲锋杨世锡杨将新 （浙江大学机械与能源工程学院杭州３１００２７） 摘要：针对机械设备状态监测和故障诊断过程中的特征提取问题，提出一种基于白噪声统计特性来实现机械振动信号振动模式提取的方法。该方法是对经验模式分解算法（Ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅ：ｃ．ｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）的一种发展，应用归一化白噪声在ＥＭＤ中具有的统计特性，可以自适应地消除机械振动信号经ＥＭＤ分解产生的高频噪声分量及低频虚假分量，得到反映信号实际物理意义的振动模式分量集。对该振动模式分量集进行Ｈｉｌｂｅｒｔ变换，提取出信号的Ｈｉｌｂｅｒｔ时频特征。整个特征提取过程不需要构造任何参数表达的基函数及相关滤波函数，也无需有关信号的任何先验知识，因而在实际应用中具有更好的适用性。仿真信号和转子试验台试验信号验证该方法的可行性和有效性。 关键词：特征提取白噪声统计特性Ｈｉｌｂｅｒｔ．Ｈｕａｎｇ变换振动模式 中图分类号：ＴＮ９１１．７１７－１１６５．３ ＶｉｂｒａｔｉｏｎＭｏｄｅＥｘｔｒａｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎｔｈｅ ＣｈａｒａＣｔｅｒｉｓｔｉｃｓｏｆＷｈｉｔｅＮｏｉｓｅ ＣＡＯＣｈｏｎｇｆｅｎｇＹＡＮＧＳｈｉｘｉＹＡＮＧＪｉａｎｇｘｉｎ （ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｎｅｒｇｙＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２７） Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇｏｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｉｎｃｏｎｄｉｔｉｏｎｍｏｎｉｔｏｒｉｎｇａｎｄｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆ ｍｅｃｈａｎｉｃａｌｅｑｕｉｐｍｅｎｔ，ａｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗｈｉｔｅｎｏｉｓｅｉｓｐｒｅｓｅｎｔｅｄｔｏｅｘｔｒａｃｔｖｉｂｒａｔｉｏｎｍｏｄｅｆｒｏｍｍｅｃｈａｎｉｃａｌｖｉｂｒａｔｉｏｎｓｉｇｎａｌ．Ｔｈｉｓｍｅｔｈｏｄｉｓａｄｅｖｅｌｏｐｅｄａｌｇｏｒｉｔｈｍｏｆｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ），ｗｈｉｃｈａｄａｐｔｉｖｅｌｙｅｌｉｍｉｎａｔｅｓｈｉ【ｇｈｆｒｅｑｕｅｎｃｙｎｏｉｓｅｃｏｍｐｏｎｅｎｔｓａｎｄｌｏｗｆｒｅｑｕｅｎｃｙｆａｌｓｅｃｏｍｐｏｎｅｎｔｓｂｙａｐｐｌｙｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｎｏｒｍａｌｉｚｅｄｗｈｉｔｅｎｏｉｓｅｕｎｄｅｒＥＭＤ，８０ｔｈｅｉｎｔｒｉｎｓｉｃｍｏｄｅｓｅｔｒｅｆｌｅｃｔｉｎｇａｃｔｕａｌｐｈｙｓｉｃａｌｍｅａｎｉｎｇｏｆｖｉｂｒａｔｉｏｎｓｉｇｎａｌｉｓｏｂｔａｉｎｅｄ．Ｈｉｌｂｅｒｔｔｒａｎｓｆｏｒｍｉｓｐｅｒｆｏｒｍｅｄｔｏｔｈｅｅｘｔｒａｃｔｅｄｉｎｔｒｉｎｓｉｃｍｏｄｅｓｅｔ，ａｎｄｔｈｅＨｉｌｂｅｒｔｔｉｍｅ－ｆｒｅｑｕｅｎｃｙｆｅａｔｕｒｅｏｆｏｂｓｅｒｖｅｄｓｉｇｎａｌｓａｔｅｅｘｔｒａｃｔｅｄ．Ｉｎｔｈｅｗｈｏｌｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｎｇｐｒｏｃｅｓｓ，ｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｇｅｎｅｒａｌｂａｓｉｓｆｕｎｃｔｉｏｎｄｅｓｃｒｉｂｅｄｂｙｓｏｍｅｐａｒａｍｅｔｅｒｓａｎｄｒｅｌａｔｅｄｆｉｌｔｅｒｆｕｎｃｔｉｏｎｉｓｕｎｎｅｃｅｓｓａｌｙ，ａｎｄａｎｙｐｒｉｏｒｉｎｆｏｒｍａｔｉｏｎａｂｏｕｔｔｈｅｏｂｓｅｒｖｅｄｓｉｇｎａｌｉｓｎｏｍｏｒｅｒｅｑｕｉｒｅｄ，ＳＯｔｈｅｍｅｔｈｏｄｈａｓａｂｅｔｔｅｒａｐｐｌｉｃａｂｉｌｉｔｙｉｎａｃｔｕａｌａｐｐｌｉｃａｔｉｏｎｓ．Ｂｏｔｈｃｏｍｐｕｔｅｒｓｉｍｕｌａｔｉｏｎａｎｄｒｏｔｏｒｓｅｔｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｖｅｒｉｆｙｔｈｉｓａｐｐｒｏａｃｈｉｓｆｅａｓｉｂｌｅａｎｄｅｆｆｅｃｔｉｖｅ． Ｋｅｙｗｏｒｄｓ：ＦｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎＳｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗｈｉｔｅｎｏｉｓｅＨｉｌｂｅｒｔ－ＨｕａｎｇｔｒａｎｓｆｏｒｍＶｉｂｒａｔｉｏｎｍｏｄｅ Ｏ前言 特征提取一直是机械设备故障诊断领域中研究的热点和难点，作为机械设备状态监测和故障诊断过程中最基本、最关键的一个环节‘卜２１，对其展开研究尤为重要。目前，应用最广泛的信号特征提取方法是以傅里叶变换为基础的经典信号分析方 ?国家自然科学基金（５０６７５１９４）和国家高技术研究发展计划（８６３计划，２００８ＡＡ０４２４１０）助项目。２００９０２１６收到初稿，２００９０９０１收到修改稿法【３１，以及后来出现的基于小波变换的方法睁５】等。这些方法虽然取得了一定的工程分析效果，但存在参数敏感、平稳性假设等问题。由于机械设备在运行过程中易受到噪声、速度突变、结构变形及摩擦的变化等因素影响，从设备测得的振动信号往往表现出非线性非平稳特征【ｌ】。因此，上述方法在实际应用中具有一定的局限性。 Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ变换是由ＨＵＡＮＧ等【６Ｊ提出的一种新的非线性非平稳信号时频分析方法，经验模式分解（Ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）和与之相应的Ｈｉｌｂｅｒｔ变换统称为Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ变换。它首 万方数据

噪声的数据处理

在雷达发展过程中，一个基本的问题就是回波信号的检测。与脉冲激光雷达不同，线性调频连续波雷达目标的距离与速度信息主要包含于回波的频率之中，因此，目标的检测是在频域中进行的。目标距离与速度信息提取算法是建立在对目标频域信息成功检测的基础上的，若目标的频域信息未能准确检测，将直接影响后续信号处理。中频信号中的噪声经过傅立叶变换后，在频域中具有一定的统计特性，所以需要根据噪声在频域中的统计特性来确定频域门限检测的方法。文章主要讨论噪声情况下的频域门限检测方法。 1 中频信号的噪声频域统计特性 经长时间的大量观察，LFMCW雷达混频器输出的噪声是窄带的零均值高斯噪声（图1为中频噪声的采样样本），其概率密度由下式[1]给出： 2 2 1 ()) 2 p ε ε σ =-(1) 此处，() p d εε是噪声电压处于ε和d εε +之间的概率；2 σ是噪声方差，噪声的均值为零。对于连续波雷达回波而言，由于采取了去调频（两路具有相同调频斜率与扫频带宽的信号进行混频输出）的处理方式，目标的信息完全包含于其回波的频率之中，因此，探测门限须在频域进行设置。 x 10-3 -3 x 10-3 50 100 150 200 幅 度/ v 时间/s 1 x 10-3 -3 x 10 时间/s 频 数 图1 中频噪声的一次采样时域图及正态拟合曲线图 由图1可以看出，中频噪声基本服从均值为零的正态分布，为分析方便，本文采用正态分布模型来描述中频噪声。由于噪声在频域中分布也具有随机性，即在频域中，噪声中的某一频率的幅度不是恒定不变的，是具有随机性的。这一点可以由以下分析得出。 不失一般性，设中频输出的噪声为平稳高斯过程（样本函数的统计平均可用其时间平均代替[2]），在混频器输出仅有噪声存 在的情况下，对中频信号采样并抽取长度为 1 N的序列。对高斯噪声采样序列() noise n进行离散傅立叶变换，变换如下[3]：1 1 1 1 1 1 2 ()()exp() 2 [()cos() 2 ()sin()] N n N n N O ISE m noise n j nm N noise n nm N j noise n nm N π π π - = - = =- = -? ∑ ∑(2) 式中 1 0,1, m N = (1) 令 1 1 01 2 ()()cos() N n R m noise n nm N π - = =∑；1 1 1 2 ()()sin() N n I m noise n nm N π - = =∑。 显然() R m，() I m为高斯序列的线性组合，因此，() R m，() I m仍为高斯分布的序列。因高斯分布的概率密度函数由其均值与方差决定。下面求解() R m，() I m的均值与方差。

通信中的常见噪声

通信中的常见噪声 几种噪声，它们在通信系统的理论分析中常常用到，实际统计与分析研究证明，这些噪声的特性是符合具体信道特性的。 2.5.1 白噪声 在通信系统中，经常碰到的噪声之一就是白噪声。所谓白噪声是指它的功率谱密度函数在整个频域内是常数，即服从均匀分布。之所以称它为“白”噪声，是因为它类似于光学中包括全部可见光频率在内的白光。凡是不符合上述条件的噪声就称为有色噪声。 白噪声的功率谱密度函数通常被定义为 （2-22） 式中，是一个常数，单位为W/Hz。若采用单边频谱，即频率在（）的范围内，白噪声的功率谱密度函数又常写成 （2-23） 由信号分析的有关理论可知，功率信号的功率谱密度与其自相关函数互为傅氏变换对，即 （2-24） 因此，白噪声的自相关函数为 （2-25） 式（2-25）表明，白噪声的自相关函数是一个位于处的冲激函数，它的强度为。这说明，白噪声只有在/2时才相关，而在任意两个不同时刻上的随机取值都是不相关的。白噪声的功率谱密度及其自相关函数，如图2-11所示。

实际上完全理想的白噪声是不存在的，通常只要噪声功率谱密度函数均匀分布的频率范围远远超过通信系统工作频率范围时，就可近似认为是白噪声。例如，热噪声的频率可以高到Hz，且功率谱密度函数在0～Hz内基本均匀分布，因此可以将它看作白噪声。 2.5.2 高斯噪声 在实际信道中，另一种常见噪声是高斯噪声。所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。其一 维概率密度函数可用数学表达式表示为 （2-26） 式中，为噪声的数学期望值，也就是均值；为噪声的方差。 通常，通信信道中噪声的均值=0。由此，我们可得到一个重要的结论：在噪声均值为零时，噪声的平均功率等于噪声的方差。证 明如下： 因为噪声的平均功率 （2-27） 而噪声的方差为 （2-28） 所以，有

噪声监测报告

实验设计与数据处理1.题目 2012年5月13日

2.实验目的 环境噪声与人们的生活密切相关，它影响人们的学习、工作和休息。学校是噪声的敏感区,噪声的增加对教学的影响是明显的。首先是对学生的影响,频繁出现的噪声会打断学生的听课和思考。其次教师则需放大嗓门,长此连续下去,教师不堪重负。再则,若教师为保证较长教学需要而保护嗓子,很多学生则听不清,影响了教学效果。据调查,有的学生将“听不清”作为不上课的理由。所以有必要对教学区的环境进行彻底的检测和评估，以保证教学楼有很好的学习氛围。 教学楼的声源主要有学生的谈话声、教学话筒的声音、设备噪声等，形成一个相对稳定的持续噪声环境。根据教学楼的功能，我们主要关注持续噪声对人在心理和生理上产生的影响，以及背景噪声对学习者的语言干扰度。 ○1持续噪声的人体响应 莱曼(Lehmann)对不同的声级噪声对人体器官的影响进行了综合汇总，并将汇总的结果分为四个“噪声品级”。 第一噪声品级：L=30dB(A)~65dB(B) ，影响程度仅限于心理的，会造成（1）不舒适的感觉；（2）受到干扰的感受；（3）有厌烦的感觉；（4）听到噪声就发火；（5）被噪声激怒；（6）不能集中精力从事脑力劳动；（7）课堂讲课或作报告的信息量降低；（8）工作能力受损，昏昏欲睡。 第二噪声品级：L=65~90dB(B)，心理影响大于第一品级，另外还有植物神经方面的影响，（1）唾液分泌减少；（2）胃蠕动的频率及幅

度增加；（3）心脏的悸动量减少；（4）血管收缩，动脉末梢的血液阻力增大；（5）脉冲波增加；（6）呼吸加快（新陈代谢加速）；（7）脑内液压增高；（8）脑电图频谱中低频增大；（9）大脑皮层功能受到抑制；（10）大脑下皮层功能受到刺激；（11）瞳孔扩大；（12）内分泌系统反应。 第三噪声品级：L=90~120dB(B)，心理影响和植物神经的影响均大于第二品级，此外还有造成不可恢复的听觉机构损害的危险。 第四噪声品级：L=>120dB(B)，经过相当短时间的声冲击之后，就必须考虑到内耳遭受的永久性损伤。 在国家民用建筑室内推荐容许噪声级标准中，对于旅馆餐厅的要求背景噪声在60dB以下。当噪声达到80dB时，对人的消化系统会产生明显的影响。 ○2噪声的语言干扰度 人的正常谈话声为70dB，当背景噪声增大时，人们就不得不提高声音或缩短谈话距离。 3.实验设计 我们的实验目的是得到教室中的噪声级，并比较不同教室的噪声情况。经过试测，我们了解到教室声环境具有以下特点：声级受人数影响大；声源密集，情况复杂，声场具有一定的局部差异——在洗手间处，或距离交谈的人很近的地方，声压级明显大于周围；有较大的随机性，在相同地点，由于附近人员的活动，声级具有较大浮动。 3.1测量条件 声测量的依据为《城市区域环境噪声测量方法》GB∕T14623---93及其附录A《城市区域环境噪声普查方法（补充件）》。 1）天气条件要求在无雨无雪的时间，声级计应保持传声器膜片清洁，风力在三

什么是噪声检测

什么是噪声检测？你造吗 噪声检测 噪声监测是对干扰人们学习、工作和生活的声音及其声源进行的监测活动。其中包括：城市各功能区噪声监测、道路交通噪声监测、区域环境噪声监测和噪声源监测等。噪声监测结果析噪声污染的现状及变化趋势，也为噪声污染的规划管理和综合整治提供基础数据。一般以A计权声级表示，所用的主要仪器是声级计和频谱分析器。噪声监测的结果用于分析噪声污染的现状及变化趋势，也为噪声污染的规划管理和综合整治提供基础数据。 噪声又称杂音，属于随机信号，可用统计学方法加以描述，即其统计量是可测的。噪声存在于一切电子系统中，严重地影响通信系统接收微弱信号的能力，即影响通信的质量。 噪声测量包括两个内容：对噪声统计特性的测量和利用噪声作为测试信号的测量。 统计特性的测量 噪声统计特性的测量属于幅度域测量，包括数学期望（平均值），方差（均方值），功率谱密度、概率密度分布以及自相关和互相关函数的测量。通信线路噪声的测量，就是在规定带宽内，噪声均方值（功率）或均方根值（有效值）的测量。随

机信号电压的测量与确知信号电压的测量不同：①必须注意电压表的检波特性，有效值电压表是测量噪声电压比较理想的仪表，这种电压表的读数与被测电压的均方根值成正比，与被测电压的波形无关，故若该电压表以正弦有效值刻度，则可方便地直接读出噪声电压的有效值。否则，需要对读数进行修正。例如，采用均值电压表测量高斯白噪声，必须将读数乘上修正因数1．13。②带宽准则。噪声功率正比于系统的带宽，选用的电压表其带宽应远大于被测系统的噪声带宽，否则，将会损失噪声功率，使测量结果偏低。一般要求电压表的3dB带宽△f3db 大于8～10倍的噪声带宽。③满度波峰因数和测量时间的影响。波峰因数是交流电压的峰值与有效值之比，如正弦波的波峰因数为。以测量确知信号正弦波为例，当有效值电压表指示满度时，其宽带放大器所承受的最大瞬时电压（峰值）为有效值的倍，若放大器的动态范围足够，不会产生测量误差。所以，对电压表中使用的放大器，可用其满度波峰因数间接反映放大器的动态范围般测量正弦波的电压表来说，要求电压表具有的满度波峰因数就可胜任。由于噪声电压的峰值是随机的，即其波峰因数也是随机的，所以，只能用统计学方法来定量描述峰值大于有效值的概率，以高斯白噪声为例，其峰值是波峰因数大于4．4出现的概率为0.001%。所以，若电压表的满度波峰因数大于4．4，那么，用来测量高斯白噪声是足够的，因为，这时电压表只对出现概率小于0．001%的那些高峰值不予计及（被放大器削波），分析指出，由此产生的测量误差为-0．05%。④电话电路的噪声测量，宜加衡重（加权）网络，以模拟人耳的接收状况，衡重网络对各个频率的衡重（加权）系数应符合CCITT的有关建议。最后，要考虑测量时间的影响，噪声电压测量实质上是求平均值的过程，求平均应在无限的时间内进行，在有限时间内测量噪声只能得到平均值的估计值，这种误差本身是一个

常见噪声

2.5 通信中的常见噪声 本节知识要点： 白噪声高斯噪声误差函数 互补误差函数高斯型白噪声窄带高斯噪声 窄带系统正弦信号加窄带高斯噪声 本节介绍几种噪声，它们在通信系统的理论分析中常常用到，实际统计与分析研究证明，这些噪声的特性是符合具体信道特性的。 2.5.1 白噪声 在通信系统中，经常碰到的噪声之一就是白噪声。所谓是指它的功率谱密度函数在整个频域 内是常数，即服从均匀分布。之所以称它为“白”噪声，是因为它类似于光学中包括全部可见光 频率在内的白光。凡是不符合上述条件的噪声就称为有色噪声。 通常被定义为

（2-22） 式中，是一个常数，单位为W/Hz。若采用单边频谱，即频率在（）的范围内，白噪声的功率谱密度函数又常写成 （2-23）由信号分析的有关理论可知，功率信号的功率谱密度与其自相关函数互为傅氏变换对，即 （2-24）因此，为 （2-25） 式（2-25）表明，白噪声的自相关函数是一个位于处的冲激函数，它的强度为。这说明，白噪声只有在 /2时才相关，而在任意两个不同时刻上的随机取值都是不相关的。白噪声的功率谱密度及其自相关函数，如图2-11所示。

实际上完全理想的白噪声是不存在的，通常只要噪声功率谱密度函数均匀分布的频率范围远远超过通信系统工作频率范围时，就可近似认为是白噪声。例如，热噪声的频率可以高到Hz，且功率谱密度函数在0～Hz 内基本均匀分布，因此可以将它看作白噪声。 2.5.2 高斯噪声 在实际信道中，另一种常见噪声是高斯噪声。所谓是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。其一维概率密度函数可用数学表达式表示为 （2-26）

随机噪声特性分析

随机信号分析试验 随机噪声特性分析 院系：通信工程学院 班级：011241

成员： 目录 一. 实验摘要 二. 实验目的 三. 实验步骤 四. 实验原理 4.1 白噪声特性分析 4.2 白化滤波器的设计与分析 4.3 理想白噪声、带限白噪声比较分析 4.4 色噪声的产生与分析 4.5 用硬件实现白噪声

五．实验设计与实现六．实验总结与心得

、实验摘要 本实验主要研究随机信号各种噪声的特性分析。因此，我们通过利用计算机模拟各种噪声来更好的了解随机噪声的特点，来印证我们所学的基本理论 二、实验目的 1、了解白噪声信号、色噪声信号自身的特性，包括均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度等。 2、掌握白噪声、色噪声信号的分析方法。 3、熟悉常用的信号处理仿真软件平台：matlab或C/C++语言、EW软件仿真。 4、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。 三、实验步骤 1、根据选题的内容和要求查阅相关的文献资料，设计具体的实现程序流程或电路。 2、自选matlab、EW或c仿真软件。如用硬件电路实现，需用面包板搭建电路并调试成功。 3、按设计指标测试电路。分析实验结果与理论设计的误差，根据随机信号的特征，分析误差信号对信号和系统的影响。 四、实验原理 4.1 白噪声特性分析 白噪声是指它的概率统计特性服从某种分布，而它的功率谱密度又是均匀的

确切的说，白噪声只是一种理想化的模型，因为实际的噪声功率谱密度不可能具 有无限宽的带宽，否则它的平均功率将是无限大， 是物理上不可实现的。然而白 噪声在数学处理上比较方便，所以它在通信系统的分析中有十分重要的作用。 一 般地说，只要噪声的功率谱密度的宽度远大于它所作用的系统的带宽， 并且在系 统的带宽内，它的功率谱密度基本上是常数，就可以作为白噪声处理了。白噪声 的功率谱密度为： 其中N O /2就是白噪声的均方值。白噪声的自相关函数为: N o No 白噪声的自相关函数是位于T =0处、强度为2的冲击函数。这表明白噪声 在任何两个不同的瞬间的取值是不相关的。 同时也意味着白噪声能随时间无限快 的变化，因为它的带宽是无限宽的。 4.2 白化滤波器的设计与分析 在统计信号处理中，往往会遇到等待处理的随机信号是非白色的， 例如云雨、 海浪、地 物反射的杂乱回波等，它们的功率谱即使在信号通带内也非均匀分布， 这样会给问题的解决带来困难。克服这一困难的措施之一是对色噪声进行白化处 理。主要内容是设计一个稳定的线性滤波器或者一种白化变换方法， 将输入的有 色噪声变成输出的白噪声。下面探讨两种方法来实现白化问题。 1、白化滤波器 将任意随机信号x(t)输入一个线性时不变滤波器，滤波器将x(t)白化为白噪 声，这个滤波器就叫做白化滤波器。 我们可以使用频域技术白化这个信号， 用输 入信号的功率谱密度S x ()，选择最小相位H()得到极点和零点都位于S 面左侧, 保证逆滤波器稳定，必须保证 H x ()在所有 上都严格为正，这样H()就不会 S n (f) N o 2 这样就可以用以下关系构造白化滤波器: H() 1 H x ()，选择最小相位滤波器

建筑物噪声检测

噪声检测 噪声监测是对干扰人们学习、工作和生活的声音及其声源进行的监测活动。其中包括：城市各功能区噪声监测、道路交通噪声监测、区域环境噪声监测和噪声源监测等。噪声监测结果析噪声污染的现状及变化趋势，也为噪声污染的规划管理和综合整治提供基础数据。一般以A计权声级表示，所用的主要仪器是声级计和频谱分析器。噪声监测的结果用于分析噪声污染的现状及变化趋势，也为噪声污染的规划管理和综合整治提供基础数据。 噪声又称杂音，属于随机信号，可用统计学方法加以描述，即其统计量是可测的。噪声存在于一切电子系统中，严重地影响通信系统接收微弱信号的能力，即影响通信的质量。 噪声测量包括两个内容：对噪声统计特性的测量和利用噪声作为测试信号的测量。 统计特性的测量 噪声统计特性的测量属于幅度域测量，包括数学期望（平均值），方差（均方值），功率谱密度、概率密度分布以及自相关和互相关函数的测量。通信线路噪声的测量，就是在规定带宽内，噪声均方值（功率）或均方根值（有效值）的测量。随机信号电压的测量与确知信号电压的测量不同：①必须注意电压表的检波特性，有效值电压表是测量噪声电压比较理想的仪表，这种电压表的读数与被测电压的均方根值成正比，与被测电压的波形无关，故若该电压表以正弦有效值刻度，则可方便地直接读出噪声电压的有效值。否则，需要对读数进行修正。例如，采用均值电压表测量高斯白噪声，必须将读数乘上修正因数1．13。②带宽准则。噪声功率正比于系统的带宽，选用的电压表其带宽应远大于被测系统的噪声带宽，否则，将会损失噪声功率，使测量结果偏低。一般要求电压表的3dB带宽△f3db大于8～10倍的噪声带宽。③满度波峰因数和测量时间的影响。波峰因数是交流电压的峰值与有效值之比，如正弦波的波峰因数为。以测量确知信号正弦波为例，当有效值电压表指示满度时，其宽带放大器所承受的最大瞬时电压（峰值）为有效值的倍，若放大器的动态范围足够，不会产生测量误差。所以，对电压表中使用的放大器，可用其满度波峰因数间接反映放大器的动态范围般测量正弦波的电压表来说，要求电压表具有的满度波峰因数就可胜任。由于噪声电压的峰值是随机的，即其波峰因数也是随机的，所以，只能用统计学方法来定量描述峰值大于有效值的概率，以高斯白噪声为例，其峰值是波峰因数大于4．4出现的概率为0.001%。所以，若电压表的满度波峰因数大于4．4，那么，用来测量高斯白噪声是足够的，因为，这时电压表只对出现概率小于0．001%的那些高峰值不予计及（被放大器削波），分析指出，由此产生的测量误差为-0．05%。④电话电路的噪声测量，宜加衡重（加权）网络，以模拟人耳的接收状况，衡重网络对各个频率的衡重（加权）系数应符合CCITT的有关建议。最后，要考虑测量时间的影响，噪声电压测量实质上是求平均值的过程，求平均应在无限的时间内进行，在有限时间内测量噪声只能得到平均值的估计值，这种误差本身是一个随机变