測(cè)試信號(hào)處理與分析

第1章 緒論
1.1 測(cè)試信號(hào)及其分類2
1.2 測(cè)試信號(hào)處理及分析的主要目的2
1.2.1 信號(hào)的變換3
1.2.2 信號(hào)特征值的分析3
1.2.3 信號(hào)的頻譜分析3
1.2.4 信號(hào)的濾波3
1.2.5 信號(hào)的恢復(fù)或重構(gòu)4
1.3 測(cè)試信號(hào)處理與分析的基本方法4
1.4 本教材的特點(diǎn)與學(xué)習(xí)方法5
第2章 測(cè)試信號(hào)的誤差分析與預(yù)處理
2.1 測(cè)量不確定度及其表示方法7
2.1.1 測(cè)量不確定度7
2.1.2 靜態(tài)不確定度的估計(jì)8
2.1.3 不確定度的合成12
2.2 動(dòng)態(tài)不確定度的估計(jì)14
2.2.1 動(dòng)態(tài)測(cè)量的概念與定義14
2.2.2 動(dòng)態(tài)誤差產(chǎn)生的原因14
2.2.3 動(dòng)態(tài)誤差的定義14
2.2.4 動(dòng)態(tài)均方根誤差與頻響函數(shù)的關(guān)系15
2.3 粗大誤差的判斷與處理19
2.3.1 粗大值的判斷19
2.3.2 防止及消除粗大誤差的方法20
2.4 趨勢(shì)項(xiàng)的去除20
2.5 野值、跳點(diǎn)的剔除與補(bǔ)正21
2.5.1 異常值的識(shí)別22
2.5.2 異常值的估計(jì)23
參考文獻(xiàn)26
第3章 測(cè)試信號(hào)的時(shí)域分析與處理
3.1 信號(hào)時(shí)域特征的獲取方法27
3.1.1 采樣信號(hào)的主要特點(diǎn)27
3.1.2 時(shí)域信號(hào)的特征值獲取方法29
3.1.3 隨機(jī)信號(hào)統(tǒng)計(jì)特性的獲取31
3.2 信號(hào)與數(shù)據(jù)的插值方法34
3.2.1 代數(shù)插值方法概述34
3.2.2 Lagrange(拉格朗日)插值35
3.2.3 Newton(牛頓)插值法38
3.2.4 多項(xiàng)式插值的誤差41
3.2.5 分段插值和樣條函數(shù)44
3.3 信號(hào)與數(shù)據(jù)的擬合方法47
3.3.1 最小二乘擬合曲線47
3.3.2 多項(xiàng)式擬合的Matlab實(shí)現(xiàn)49
3.4 數(shù)值微分和數(shù)值積分51
3.4.1 差分近似微分51
3.4.2 插值多項(xiàng)式的導(dǎo)數(shù)52
3.4.3 數(shù)值積分法53
3.5 時(shí)域信號(hào)的平滑與建模57
3.5.1 滑動(dòng)平均（MA）模型58
3.5.2 自回歸（AR）模型61
3.5.3 自回歸滑動(dòng)平均模型67
3.5.4 AR及ARMA模型適用性檢驗(yàn)69
參考文獻(xiàn)71
第4章 測(cè)試信號(hào)的頻譜分析
4.1 信號(hào)頻譜的形式與物理意義72
4.1.1 周期信號(hào)的頻譜74
4.1.2 周期信號(hào)的功率譜77
4.1.3 非周期信號(hào)的頻譜密度78
4.1.4 非周期信號(hào)的能量譜(密度)80
4.1.5 各態(tài)歷經(jīng)平穩(wěn)隨機(jī)信號(hào)的功率譜（密度）81
4.2 頻譜分析的作用與頻譜求取方法84
4.2.1 頻譜分析的作用84
4.2.2 信號(hào)頻譜的求取方法86
4.3 信號(hào)頻譜的數(shù)字計(jì)算89
4.3.1 Shannon采樣定理89
4.3.2 周期信號(hào)頻譜的數(shù)字計(jì)算91
4.3.3 非周期信號(hào)頻譜的數(shù)字計(jì)算96
4.3.4 頻譜泄漏與合理取樣104
4.3.5 數(shù)字計(jì)算頻譜的預(yù)處理113
4.4 快速傅里葉變換(FFT)的應(yīng)用115
4.4.1 FFT的由來115
4.4.2 基2FFT時(shí)間抽取算法的基本關(guān)系116
4.4.3 逆FFT(IFFT)118
4.4.4 FFT&IFFT的Matlab實(shí)現(xiàn)118
4.4.5 實(shí)信號(hào)（實(shí)序列）FFT的節(jié)省算法119
4.5 頻譜的數(shù)字細(xì)分方法（Chirp算法）121
4.6 隨機(jī)信號(hào)的功率譜估計(jì)（計(jì)算）124
4.6.1 功率譜估計(jì)方法概述124
4.6.2 功率譜（密度）的古典估計(jì)128
4.6.3 功率譜（密度）的現(xiàn)代估計(jì)131
4.7 信號(hào)的倒頻譜分析134
4.7.1 信號(hào)的卷積失真134
4.7.2 倒頻譜135
4.7.3 倒頻譜應(yīng)用例136
參考文獻(xiàn)140
第5章 信號(hào)的相關(guān)分析
5.1 信號(hào)相關(guān)分析的主要任務(wù)141
5.2 互相關(guān)函數(shù)142
5.2.1 能量信號(hào)的互相關(guān)函數(shù)142
5.2.2 功率信號(hào)的互相關(guān)函數(shù)144
5.2.3 周期信號(hào)的互相關(guān)函數(shù)145
5.2.4 互相關(guān)函數(shù)Ryx(τ)及ρyx(τ)的特性145
5.3 自相關(guān)函數(shù)及其性質(zhì)146
5.4 維納欣欽(WienerKhintchine)定理148
5.4.1 能量信號(hào)的WienerKhintchine定理148
5.4.2 功率信號(hào)的WienerKhintchine定理148
5.5 互譜密度函數(shù)與互相干函數(shù)149
5.5.1 互譜密度函數(shù)149
5.5.2 互相干函數(shù)150
5.6 相關(guān)量的數(shù)字計(jì)算157
5.6.1 相關(guān)量的求取方法157
5.6.2 自相關(guān)函數(shù)的數(shù)字計(jì)算158
5.6.3 互相關(guān)函數(shù)的數(shù)字計(jì)算160
5.6.4 相關(guān)函數(shù)計(jì)算的Matlab實(shí)現(xiàn)161
5.6.5 互譜密度函數(shù)及互相干函數(shù)的數(shù)字計(jì)算163
5.7 相關(guān)分析在工程測(cè)試中的應(yīng)用164
5.7.1 互相關(guān)辨識(shí)測(cè)量系統(tǒng)的動(dòng)態(tài)特性164
5.7.2 互相關(guān)確定信號(hào)時(shí)差及其推廣應(yīng)用165
5.7.3 自相關(guān)提取微弱周期信號(hào)168
參考文獻(xiàn)168
第6章 信號(hào)濾波
6.1 濾波器基本知識(shí)169
6.1.1 濾波器的分類169
6.1.2 理想濾波器的幅頻特性170
6.1.3 實(shí)際濾波器的幅頻特性171
6.1.4 信號(hào)濾波的作用172
6.2 模擬濾波器簡介175
6.2.1 模擬濾波器設(shè)計(jì)175
6.2.2 應(yīng)用Matlab設(shè)計(jì)模擬濾波器183
6.3 數(shù)字濾波技術(shù)及其應(yīng)用186
6.3.1 無限沖激響應(yīng)（IIR）數(shù)字濾波器設(shè)計(jì)187
6.3.2 有限沖激響應(yīng)（FIR）數(shù)字濾波器設(shè)計(jì)198
6.3.3 其他數(shù)字濾波器設(shè)計(jì)217
6.4 數(shù)字濾波的Matlab實(shí)現(xiàn)217
6.4.1 根據(jù)單位沖激響應(yīng)實(shí)現(xiàn)217
6.4.2 根據(jù)離散傳遞函數(shù)實(shí)現(xiàn)218
6.4.3頻率域?yàn)V波的實(shí)現(xiàn)219
參考文獻(xiàn)220
第7章 現(xiàn)代濾波技術(shù)及信號(hào)重構(gòu)簡介
7.1 已知信號(hào)的最佳濾波——匹配濾波221
7.2 隨機(jī)信號(hào)的最佳濾波（Ⅰ）——維納濾波224
7.3 隨機(jī)信號(hào)的最佳濾波（II）——卡爾曼濾波227
7.3.1 連續(xù)時(shí)間系統(tǒng)的卡爾曼濾波228
7.3.2 離散系統(tǒng)的卡爾曼濾波229
7.3.3 卡爾曼濾波的Matlab實(shí)現(xiàn)230
7.4 乘積和卷積噪聲的濾波問題232
7.4.1 乘積噪聲的同態(tài)濾波233
7.4.2 卷積信號(hào)的同態(tài)濾波234
7.5 動(dòng)態(tài)系統(tǒng)的補(bǔ)償和信號(hào)重構(gòu)236
7.5.1 測(cè)量系統(tǒng)的頻域補(bǔ)償236
7.5.2 測(cè)量信號(hào)的重構(gòu)239
參考文獻(xiàn)242

第8章 信號(hào)處理新技術(shù)簡介
8.1 小波分析原理243
8.1.1 小波分析的由來243
8.1.2 常用小波函數(shù)介紹247
8.1.3 連續(xù)小波變換251
8.1.4 離散小波變換251
8.1.5 多分辨分析252
8.1.6 小波分析的Matlab實(shí)現(xiàn)255
8.1.7 小波包分析257
8.1.8 小波分析在測(cè)試信號(hào)分析中的應(yīng)用258
8.2 人工神經(jīng)網(wǎng)絡(luò)（ANN）簡介260
8.2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展概況261
8.2.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及類型262
8.2.3 感知器263
8.2.4 線性神經(jīng)網(wǎng)絡(luò)264
8.2.5 BP網(wǎng)絡(luò)266
8.2.6 BP神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)272
8.2.7 神經(jīng)網(wǎng)絡(luò)在信號(hào)處理中的應(yīng)用273
8.3 名詞注釋276
8.3.1 函數(shù)空間276
8.3.2 基底278
8.3.3 框架、Riesz基279
參考文獻(xiàn)280






測(cè)試信號(hào)處理與分析


朱明武 李永新卜雄洙編著














北京理工大學(xué)出版社西北工業(yè)大學(xué)出版社
哈爾濱工業(yè)大學(xué)出版社哈爾濱工程大學(xué)出版社內(nèi)容簡介
本書主要根據(jù)測(cè)試工作中經(jīng)常遇到的信號(hào)處理與分析方面的實(shí)際需要，并針對(duì)測(cè)控技術(shù)與儀器專業(yè)課程體系的特點(diǎn)進(jìn)行內(nèi)容選擇和編寫；強(qiáng)調(diào)理論與實(shí)際技能并重、時(shí)域分析與頻域分析并重、模擬信號(hào)處理與數(shù)字信號(hào)處理相結(jié)合，并在以經(jīng)典處理方法為主的條件下適當(dāng)介紹現(xiàn)代處理方法。本書還強(qiáng)調(diào)利用Matlab。
本書除了介紹傳統(tǒng)的信號(hào)處理技術(shù)的有關(guān)內(nèi)容，還根據(jù)測(cè)試工作的實(shí)際需要介紹了一些通常屬于數(shù)值計(jì)算方法、時(shí)間序列分析、動(dòng)態(tài)數(shù)據(jù)和系統(tǒng)建模等方面的內(nèi)容。相反，本書在涉及積分變換、z變換等內(nèi)容方面基本不作介紹，或?yàn)榱藬⑹龇奖阕骱唵蔚膹?fù)習(xí)性的介紹。因此，最好在學(xué)習(xí)或掌握了有關(guān)“信號(hào)與系統(tǒng)”類課程內(nèi)容之后再來學(xué)習(xí)或閱讀本書。
本書可作為測(cè)控技術(shù)與儀器、機(jī)電工程、自動(dòng)化等本科專業(yè)的教材，也可作為相關(guān)學(xué)科的研究生和工程技術(shù)人員的參考書。圖書在版編目（CIP）數(shù)據(jù)測(cè)試信號(hào)處理與分析/朱明武，李永新，卜雄洙編著.
北京：北京航空航天大學(xué)出版社，2006.12
ISBN 7810779230Ⅰ.測(cè)…Ⅱ.①朱…②李…③卜…Ⅲ.①測(cè)試
－信號(hào)處理 ②測(cè)試－信號(hào)分析Ⅳ.TM930.1中國版本圖書館CIP數(shù)據(jù)核字（2006）第120249號(hào)測(cè)試信號(hào)處理與分析
朱明武李永新卜雄洙編著
責(zé)任編輯劉曉明
北京航空航天大學(xué)出版社出版發(fā)行
北京市海淀區(qū)學(xué)院路37號(hào)（100083）
發(fā)行部電話：01082317024傳真：01082328026
http://www.buaapress.com.cnEmail:bhpress@263.net
北京時(shí)代華都印刷有限公司印裝各地書店經(jīng)銷
開本：787×9601/16
印張：185字?jǐn)?shù)：414千字
2006年12月第1版2006年12月第1次印刷
印數(shù)：3 000冊(cè)
ISBN 7810779230定價(jià)：30.00元




國防科工委“十五”規(guī)劃教材編委會(huì)

(按姓氏筆畫排序)


主任： 張華祝
副主任： 王澤山陳懋章屠森林
編委： 王祁王文生王澤山田蒔史儀凱
喬少杰仲順安張華祝張近樂張耀春
楊志宏肖錦清蘇秀華辛玖林陳光礻禹

陳國平陳懋章龐思勤武博祎金鴻章
賀安之夏人偉徐德民聶宏賈寶山
郭黎利屠森林崔銳捷黃文良葛小春
目錄
第1章緒論
1.1測(cè)試信號(hào)及其分類2
1.2測(cè)試信號(hào)處理及分析的主要目的2
1.2.1信號(hào)的變換3
1.2.2信號(hào)特征值的分析3
1.2.3信號(hào)的頻譜分析3
1.2.4信號(hào)的濾波3
1.2.5信號(hào)的恢復(fù)或重構(gòu)4
1.3測(cè)試信號(hào)處理與分析的基本方法4
1.4本教材的特點(diǎn)與學(xué)習(xí)方法5
第2章測(cè)試信號(hào)的誤差分析與預(yù)處理
2.1測(cè)量不確定度及其表示方法7
2.1.1測(cè)量不確定度7
2.1.2靜態(tài)不確定度的估計(jì)8
2.1.3不確定度的合成12
2.2動(dòng)態(tài)不確定度的估計(jì)14
2.2.1動(dòng)態(tài)測(cè)量的概念與定義14
2.2.2動(dòng)態(tài)誤差產(chǎn)生的原因14
2.2.3動(dòng)態(tài)誤差的定義14
2.2.4動(dòng)態(tài)均方根誤差與頻響函數(shù)的關(guān)系15
2.3粗大誤差的判斷與處理19
2.3.1粗大值的判斷19
2.3.2防止及消除粗大誤差的方法20
2.4趨勢(shì)項(xiàng)的去除20
2.5野值、跳點(diǎn)的剔除與補(bǔ)正21
2.5.1異常值的識(shí)別22
2.5.2異常值的估計(jì)23
參考文獻(xiàn)26
第3章測(cè)試信號(hào)的時(shí)域分析與處理
3.1信號(hào)時(shí)域特征的獲取方法27
3.1.1采樣信號(hào)的主要特點(diǎn)27
3.1.2時(shí)域信號(hào)的特征值獲取方法29
3.1.3隨機(jī)信號(hào)統(tǒng)計(jì)特性的獲取31
3.2信號(hào)與數(shù)據(jù)的插值方法34
3.2.1代數(shù)插值方法概述34
3.2.2Lagrange(拉格朗日)插值35
3.2.3Newton(牛頓)插值法38
3.2.4多項(xiàng)式插值的誤差41
3.2.5分段插值和樣條函數(shù)44
3.3信號(hào)與數(shù)據(jù)的擬合方法47
3.3.1最小二乘擬合曲線47
3.3.2多項(xiàng)式擬合的Matlab實(shí)現(xiàn)49
3.4數(shù)值微分和數(shù)值積分51
3.4.1差分近似微分51
3.4.2插值多項(xiàng)式的導(dǎo)數(shù)52
3.4.3數(shù)值積分法53
3.5時(shí)域信號(hào)的平滑與建模57
3.5.1滑動(dòng)平均（MA）模型58
3.5.2自回歸（AR）模型61
3.5.3自回歸滑動(dòng)平均模型67
3.5.4AR及ARMA模型適用性檢驗(yàn)69
參考文獻(xiàn)71
第4章測(cè)試信號(hào)的頻譜分析
4.1信號(hào)頻譜的形式與物理意義72
4.1.1周期信號(hào)的頻譜74
4.1.2周期信號(hào)的功率譜77
4.1.3非周期信號(hào)的頻譜密度78
4.1.4非周期信號(hào)的能量譜(密度)80
4.1.5 各態(tài)歷經(jīng)平穩(wěn)隨機(jī)信號(hào)的功率譜（密度）81
4.2頻譜分析的作用與頻譜求取方法84
4.2.1頻譜分析的作用84
4.2.2信號(hào)頻譜的求取方法86
4.3信號(hào)頻譜的數(shù)字計(jì)算89
4.3.1Shannon采樣定理89
4.3.2周期信號(hào)頻譜的數(shù)字計(jì)算91
4.3.3非周期信號(hào)頻譜的數(shù)字計(jì)算96
4.3.4頻譜泄漏與合理取樣104
4.3.5數(shù)字計(jì)算頻譜的預(yù)處理113
4.4快速傅里葉變換(FFT)的應(yīng)用115
4.4.1FFT的由來115

4.4.2基2FFT時(shí)間抽取算法的基本關(guān)系116
4.4.3逆FFT(IFFT)118
4.4.4FFT&IFFT的Matlab實(shí)現(xiàn)118
4.4.5實(shí)信號(hào)（實(shí)序列）FFT的節(jié)省算法119
4.5頻譜的數(shù)字細(xì)分方法（Chirp算法）121
4.6隨機(jī)信號(hào)的功率譜估計(jì)（計(jì)算）124
4.6.1功率譜估計(jì)方法概述124
4.6.2功率譜（密度）的古典估計(jì)128
4.6.3功率譜（密度）的現(xiàn)代估計(jì)131
4.7信號(hào)的倒頻譜分析134
4.7.1信號(hào)的卷積失真134
4.7.2倒頻譜135

4.7.3倒頻譜應(yīng)用例136
參考文獻(xiàn)140
第5章信號(hào)的相關(guān)分析
5.1信號(hào)相關(guān)分析的主要任務(wù)141
5.2互相關(guān)函數(shù)142
5.2.1能量信號(hào)的互相關(guān)函數(shù)142
5.2.2功率信號(hào)的互相關(guān)函數(shù)144
5.2.3周期信號(hào)的互相關(guān)函數(shù)145
5.2.4互相關(guān)函數(shù)Ryx(τ)及ρyx(τ)的特性145
5.3自相關(guān)函數(shù)及其性質(zhì)146
5.4維納欣欽(WienerKhintchine)定理148
5.4.1能量信號(hào)的WienerKhintchine定理148
5.4.2功率信號(hào)的WienerKhintchine定理148
5.5互譜密度函數(shù)與互相干函數(shù)149
5.5.1互譜密度函數(shù)149
5.5.2互相干函數(shù)150
5.6相關(guān)量的數(shù)字計(jì)算157
5.6.1相關(guān)量的求取方法157
5.6.2自相關(guān)函數(shù)的數(shù)字計(jì)算158
5.6.3互相關(guān)函數(shù)的數(shù)字計(jì)算160
5.6.4相關(guān)函數(shù)計(jì)算的Matlab實(shí)現(xiàn)161
5.6.5互譜密度函數(shù)及互相干函數(shù)的數(shù)字計(jì)算163
5.7相關(guān)分析在工程測(cè)試中的應(yīng)用164
5.7.1互相關(guān)辨識(shí)測(cè)量系統(tǒng)的動(dòng)態(tài)特性164
5.7.2互相關(guān)確定信號(hào)時(shí)差及其推廣應(yīng)用165
5.7.3自相關(guān)提取微弱周期信號(hào)168

參考文獻(xiàn)168
第6章信號(hào)濾波
6.1濾波器基本知識(shí)169
6.1.1濾波器的分類169
6.1.2理想濾波器的幅頻特性170
6.1.3實(shí)際濾波器的幅頻特性171
6.1.4信號(hào)濾波的作用172
6.2模擬濾波器簡介175
6.2.1模擬濾波器設(shè)計(jì)175
6.2.2應(yīng)用Matlab設(shè)計(jì)模擬濾波器183
6.3數(shù)字濾波技術(shù)及其應(yīng)用186
6.3.1無限沖激響應(yīng)（IIR）數(shù)字濾波器設(shè)計(jì)187
6.3.2有限沖激響應(yīng)（FIR）數(shù)字濾波器設(shè)計(jì)198
6.3.3其他數(shù)字濾波器設(shè)計(jì)217

6.4數(shù)字濾波的Matlab實(shí)現(xiàn)217
6.4.1根據(jù)單位沖激響應(yīng)實(shí)現(xiàn)217
6.4.2根據(jù)離散傳遞函數(shù)實(shí)現(xiàn)218
6.4.3頻率域?yàn)V波的實(shí)現(xiàn)219
參考文獻(xiàn)220
第7章現(xiàn)代濾波技術(shù)及信號(hào)重構(gòu)簡介
7.1已知信號(hào)的最佳濾波——匹配濾波221
7.2隨機(jī)信號(hào)的最佳濾波（Ⅰ）——維納濾波224
7.3隨機(jī)信號(hào)的最佳濾波（II）——卡爾曼濾波227
7.3.1連續(xù)時(shí)間系統(tǒng)的卡爾曼濾波228
7.3.2離散系統(tǒng)的卡爾曼濾波229

7.3.3卡爾曼濾波的Matlab實(shí)現(xiàn)230
7.4乘積和卷積噪聲的濾波問題232
7.4.1乘積噪聲的同態(tài)濾波233
7.4.2卷積信號(hào)的同態(tài)濾波234
7.5動(dòng)態(tài)系統(tǒng)的補(bǔ)償和信號(hào)重構(gòu)236
7.5.1測(cè)量系統(tǒng)的頻域補(bǔ)償236
7.5.2測(cè)量信號(hào)的重構(gòu)239
參考文獻(xiàn)242

第8章信號(hào)處理新技術(shù)簡介
8.1小波分析原理243
8.1.1小波分析的由來243
8.1.2常用小波函數(shù)介紹247
8.1.3連續(xù)小波變換251
8.1.4離散小波變換251
8.1.5多分辨分析252
8.1.6小波分析的Matlab實(shí)現(xiàn)255
8.1.7小波包分析257
8.1.8小波分析在測(cè)試信號(hào)分析中的應(yīng)用258
8.2人工神經(jīng)網(wǎng)絡(luò)（ANN）簡介260
8.2.1神經(jīng)網(wǎng)絡(luò)的發(fā)展概況261
8.2.2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及類型262
8.2.3感知器263
8.2.4線性神經(jīng)網(wǎng)絡(luò)264
8.2.5BP網(wǎng)絡(luò)266
8.2.6BP神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)272
8.2.7神經(jīng)網(wǎng)絡(luò)在信號(hào)處理中的應(yīng)用273
8.3名詞注釋276
8.3.1函數(shù)空間276
8.3.2基底278
8.3.3框架、Riesz基279
參考文獻(xiàn)280