测试信号处理与分析PDF电子书下载

第1章 绪论 2

1.1　测试信号及其分类 2

1.2　测试信号处理及分析的主要目的 2

1.2.1　信号的变换 3

1.2.2　信号特征值的分析 3

1.2.3　信号的频谱分析 3

1.2.4　信号的滤波 3

1.2.5　信号的恢复或重构 4

1.3　测试信号处理与分析的基本方法 4

1.4　本教材的特点与学习方法 5

第2章　测试信号的误差分析与预处理 7

2.1　测量不确定度及其表示方法 7

2.1.1　测量不确定度 7

2.1.2　静态不确定度的估计 8

2.1.3　不确定度的合成 12

2.2　动态不确定度的估计 14

2.2.1　动态测量的概念与定义 14

2.2.2　动态误差产生的原因 14

2.2.3　动态误差的定义 14

2.2.4　动态均方根误差与频响函数的关系 15

2.3　粗大误差的判断与处理 19

2.3.1　粗大值的判断 19

2.3.2　防止及消除粗大误差的方法 20

2.4　趋势项的去除 20

2.5　野值、跳点的剔除与补正 21

2.5.1　异常值的识别 22

2.5.2　异常值的估计 23

参考文献 26

第3章　测试信号的时域分析与处理 27

3.1　信号时域特征的获取方法 27

3.1.1　采样信号的主要特点 27

3.1.2　时域信号的特征值获取方法 29

3.1.3　随机信号统计特性的获取 31

3.2　信号与数据的插值方法 34

3.2.1　代数插值方法概述 34

3.2.2　Lagrange（拉格朗日）插值 35

3.2.3　Newton（牛顿）插值法 38

3.2.4　多项式插值的误差 41

3.2.5　分段插值和样条函数 44

3.3　信号与数据的拟合方法 47

3.3.1　最小二乘拟合曲线 47

3.3.2　多项式拟合的Matlab实现 49

3.4　数值微分和数值积分 51

3.4.1　差分近似微分 51

3.4.2　插值多项式的导数 52

3.4.3　数值积分法 53

3.5　时域信号的平滑与建模 57

3.5.1　滑动平均（MA）模型 58

3.5.2 自回归（AR）模型 61

3.5.3 自回归滑动平均模型 67

3.5.4　AR及ARMA模型适用性检验 69

参考文献 71

第4章　测试信号的频谱分析 72

4.1　信号频谱的形式与物理意义 72

4.1.1　周期信号的频谱 74

4.1.2　周期信号的功率谱 77

4.1.3　非周期信号的频谱密度 78

4.1.4　非周期信号的能量谱（密度） 80

4.1.5 各态历经平稳随机信号的功率谱（密度） 81

4.2　频谱分析的作用与频谱求取方法 84

4.2.1　频谱分析的作用 84

4.2.2　信号频谱的求取方法 86

4.3　信号频谱的数字计算 89

4.3.1　Shannon采样定理 89

4.3.2　周期信号频谱的数字计算 91

4.3.3　非周期信号频谱的数字计算 96

4.3.4　频谱泄漏与合理取样 104

4.3.5　数字计算频谱的预处理 113

4.4　快速傅里叶变换（FFT）的应用 115

4.4.1　FFT的由来 115

4.4.2　基2-FFT时间抽取算法的基本关系 116

4.4.3 逆FFT（IFFT） 118

4.4.4　FFT＆IFFT的Matlab实现 118

4.4.5　实信号（实序列）FFT的节省算法 119

4.5　频谱的数字细分方法（Chirp算法） 121

4.6　随机信号的功率谱估计（计算） 124

4.6.1　功率谱估计方法概述 124

4.6.2　功率谱（密度）的古典估计 128

4.6.3　功率谱（密度）的现代估计 131

4.7　信号的倒频谱分析 134

4.7.1　信号的卷积失真 134

4.7.2　倒频谱 135

4.7.3　倒频谱应用例 136

参考文献 140

第5章　信号的相关分析 141

5.1　信号相关分析的主要任务 141

5.2　互相关函数 142

5.2.1　能量信号的互相关函数 142

5.2.2　功率信号的互相关函数 144

5.2.3　周期信号的互相关函数 145

5.2.4　互相关函数Ryx（τ）及ρyx（τ）的特性 145

5.3 自相关函数及其性质 146

5.4　维纳-欣钦（Wiener-Khintchine）定理 148

5.4.1　能量信号的Wiener-Khintchine定理 148

5.4.2　功率信号的Wiener-Khintchine定理 148

5.5　互谱密度函数与互相干函数 149

5.5.1　互谱密度函数 149

5.5.2　互相干函数 150

5.6　相关量的数字计算 157

5.6.1　相关量的求取方法 157

5.6.2 自相关函数的数字计算 158

5.6.3　互相关函数的数字计算 160

5.6.4　相关函数计算的Matlab实现 161

5.6.5　互谱密度函数及互相干函数的数字计算 163

5.7　相关分析在工程测试中的应用 164

5.7.1　互相关辨识测量系统的动态特性 164

5.7.2　互相关确定信号时差及其推广应用 165

5.7.3　自相关提取微弱周期信号 168

参考文献 168

第6章　信号滤波 169

6.1　滤波器基本知识 169

6.1.1　滤波器的分类 169

6.1.2　理想滤波器的幅频特性 170

6.1.3　实际滤波器的幅频特性 171

6.1.4　信号滤波的作用 172

6.2　模拟滤波器简介 175

6.2.1　模拟滤波器设计 175

6.2.2　应用Matlab设计模拟滤波器 183

6.3　数字滤波技术及其应用 186

6.3.1　无限冲激响应（IIR）数字滤波器设计 187

6.3.2　有限冲激响应（FIR）数字滤波器设计 198

6.3.3　其他数字滤波器设计 217

6.4　数字滤波的Matlab实现 217

6.4.1　根据单位冲激响应实现 217

6.4.2　根据离散传递函数实现 218

6.4.3　频率域滤波的实现 219

参考文献 220

第7章　现代滤波技术及信号重构简介 221

7.1　已知信号的最佳滤波——匹配滤波 221

7.2　随机信号的最佳滤波（Ⅰ）——维纳滤波 224

7.3　随机信号的最佳滤波（Ⅱ）——卡尔曼滤波 227

7.3.1　连续时间系统的卡尔曼滤波 228

7.3.2　离散系统的卡尔曼滤波 229

7.3.3　卡尔曼滤波的Matlab实现 230

7.4　乘积和卷积噪声的滤波问题 232

7.4.1　乘积噪声的同态滤波 233

7.4.2　卷积信号的同态滤波 234

7.5　动态系统的补偿和信号重构 236

7.5.1　测量系统的频域补偿 236

7.5.2　测量信号的重构 239

参考文献 242

第8章　信号处理新技术简介 243

8.1　小波分析原理 243

8.1.1　小波分析的由来 243

8.1.2　常用小波函数介绍 247

8.1.3　连续小波变换 251

8.1.4　离散小波变换 251

8.1.5　多分辨分析 252

8.1.6　小波分析的Matlab实现 255

8.1.7　小波包分析 257

8.1.8　小波分析在测试信号分析中的应用 258

8.2　人工神经网络（ANN）简介 260

8.2.1　神经网络的发展概况 261

8.2.2　神经网络的结构及类型 262

8.2.3　感知器 263

8.2.4　线性神经网络 264

8.2.5　BP网络 266

8.2.6　BP神经网络的Matlab实现 272

8.2.7　神经网络在信号处理中的应用 273

8.3　名词注释 276

8.3.1　函数空间 276

8.3.2　基底 278

8.3.3　框架、Riesz基 279

参考文献 280