文档章节

信号频谱

天蚕宝衣
 天蚕宝衣
发布于 2017/04/10 08:49
字数 2260
阅读 27
收藏 1
点赞 0
评论 0

频谱是指一个时域的信号在频域下的表示方式,可以针对信号进行傅里叶变换而得,所得的结果会是以分别以幅度及相位为纵轴,频率为横轴的两张图,不过有时也会省略相位的信息,只有不同频率下对应幅度的资料。有时也以“幅度频谱”表示幅度随频率变化的情形,“相位频谱”表示相位随频率变化的情形。

简单来说,频谱可以表示一个信号是由哪些频率的弦波所组成,也可以看出各频率弦波的大小及相位等信息。 

图1

1. 简介

信号若随着时间变化,且可以用幅度来表示,都有其对应的频谱。包括可见光(颜色)、音乐无线电波振动等都有这样的性质。当这些物理现象用频谱表示时,可以提供一些此信号产生原因的相关信息。例如针对一个仪器的振动,可以借由其振动信号频谱的频率成分,推测振动是由哪些元件所造成。

2. 一些信号的频谱

2.1. 可见光

图2 在可见光部分的发射光谱

File:Iron Spectrum.jpg

图3 的光谱线

光源由不同的颜色所组成,各颜色的光有不同的频率,所占的比例可能也有不同。三棱镜透过折射的方式,将不同频率的光折射到不同的位置,因此可以看到不同颜色的光。同样的,也可以将一般光源用三棱镜处理,投映(投影映射)出连续的或不连续的彩色光带。光带的颜色表示其频率,而明暗可表示其比例的多寡,这就是光的频谱,一般称为光谱。若所有频率的颜色含量都一様,其合成的颜色会是白色,而其幅度对应频率的频谱会是一条水平线。因此一般会将频谱为水平线的信号以“白色”来称呼。

2.2. 声音

音源也可以由许多不同频率的声音组成。不同频率会刺激耳朵中对应的接收器。若主要的刺激只有一个频率,我们就可以听到其音高,音源的音色会由声音频号的频谱中,其他频率的部分来决定,也就是所谓泛音。一般会称为“噪音”的声音,其中会包括许多不同频率。若声音的频谱是一条水平线,则称为白噪声或白噪音,此词也可常用在其他型式的信号及频谱。

2.3. 广播及通信

在广播及通信的领域中,频谱会由许多不同的信号来源共享。每个广播电台及电视台所传送信号的频率均需在各自指定的范围内,称为“信道”。当许多广播同时发送信号时,各个信道上有各自独立的信息,广播的频谱即为所有个别信道信号的总和,分布在很广的频率范围内。任何一个广播接收器只能接收到单一的电压对时间信号,因此会使用LC电路来选择单一的信道频率范围,然后将接收到的信息解调制,得到需要的信息。若将接收器各频率下信号的强弱对应频率绘图,所得的就是其接收信号的频谱。

3. 频谱分析

图4 一个三角波在时域(上图)及频域(下图)的图形。三角波的基频为220Hz。

图5

图6

频谱分析是一种将复噪声号分解为较简单信号的技术。许多物理信号均可以表示为许多不同频率简单信号的和。找出一个信号在不同频率下的信息(可能是幅度、功率、强度或相位等)的作法就是频谱分析。

频谱分析可以对整个信号进行。不过有时也会将信号分割成几段,再针对各段的信号进行频谱分析。周期函数(例如sint)最适合只考虑一个周期的信号来进行频谱分析。傅里叶分析中有许多分析非周期函数时需要的数学工具。

一个函数的傅里叶变换包括了原始信号中的所有信息,只是表示的形式不同。因此可以用傅里叶逆变换重组原始的信号。若要完整的重组原始信号,需要有每个频率下的幅度及其相位,这些信息可以用二维向量、复数、或是极座标下的大小及角度来表示。在信号处理中常常考虑幅度的平方,也就是功率,所得的就是功率谱密度

3.1. 离散傅里叶变换

实际上,大部分的仪器及软件都用快速傅里叶变换来产生频谱的信号。快速傅里叶变换是一种针对采样信号计算离散傅里叶变换的数学工具,可以近似傅里叶变换的结果。至于为什么要用离散傅里叶变换这个数学工具来处理采样信号呢,因为傅里叶变换的定义是关于积分的,傅里叶变换的定义中的f(t)是一个连续函数,而在实际应用中,信号虽然是连续的,但我们只能进行离散地采样。如果我们使用傅里叶变换,就必须有一个连续的函数,否则没法使用傅里叶变换。所以,离散版本的傅里叶变换就应运而生。离散版本的傅里叶变换专门用来处理原始输入不是连续函数,而是采样得到的离散序列的情况。

随机性信号(或噪声)的傅里叶变换也是随机性的。需要利用一些取平均值的方式来得到其频率分布(frequency distribution)。一般来说会将资料依一定的时间分段,将各段资料进行傅里叶变换,再将变换后的幅度或幅度平方(幅度平方较常用)平均,以得到傅里叶变换的平均值。在处理取样的时域资料时,常用上述的作法,配合离散傅里叶变换来处理,这种处理方式称为Welch法(Welch's method)。若所得的频谱是平的,此信号会视为“白噪声”,不过许多信号在时域下看似噪声,却可以借由这样的处理方式得到一些频域的信息。

3.1.1. 离散余弦变换

离散余弦变换(Discrete Cosine Fourier transform)是离散版本的余弦傅里叶变换。至于为什么要使用余弦变换而不是使用正弦变换,最主要的原因是余弦函数是偶函数,有沿着坐标轴对称的性质,在离散版本中,我们只需要用一半的空间去存储,另一半的信息可以通过计算得到,没有必要存储。

这就涉及到离散余弦变换(DCT)的最主要的一个应用:压缩。一串采样后信号(声音1D,图像2D)经过DCT处理后,变成了其频域信息,利用偶函数特点,只需要存储一半的信息;再利用频率叠加的特性,删去后面几个表示频率的系数(节约空间),再做逆变换,对人眼、人耳来说,不容易察觉(这些丢失的高频信号)。

3.1.2. 沃尔什变换

3.1.3. 小波变换

4. 音乐的声学特性

音乐的频谱是决定音色的要素之一,是指不同频率的谐波及泛音相对于基频(也就是音高)的强度。但实际上用得更多的是时频谱。时频谱不但能将讯号分解,还能显示出各信号成分随时间的变化情况。频谱分析仪(也叫做信号分析仪)可以将输入的音乐信号变换为其组成频率的图像,并显示出这些组分随时间如何起伏变化。

图7 频谱分析仪(即信号分析仪)

这种图像称为声学时频谱。以软件为主的声音频谱分析仪只需很低的价格即可购得,一般而言也可达到令人满意的结果。由频谱分析仪产生的频谱图可以提供音乐的声波标记图(acoustic signature)。频谱图可以看出其基频及泛音,也可以用用来分析乐器的起音、衰减、延音及释音(即ADSR),应用在音乐合成上。

 
 
G
M
T
 
 
Detect languageAfrikaansAlbanianArabicArmenianAzerbaijaniBasqueBelarusianBengaliBosnianBulgarianCatalanCebuanoChichewaChinese (Simplified)Chinese (Traditional)CroatianCzechDanishDutchEnglishEsperantoEstonianFilipinoFinnishFrenchGalicianGeorgianGermanGreekGujaratiHaitian CreoleHausaHebrewHindiHmongHungarianIcelandicIgboIndonesianIrishItalianJapaneseJavaneseKannadaKazakhKhmerKoreanLaoLatinLatvianLithuanianMacedonianMalagasyMalayMalayalamMalteseMaoriMarathiMongolianMyanmar (Burmese)NepaliNorwegianPersianPolishPortuguesePunjabiRomanianRussianSerbianSesothoSinhalaSlovakSlovenianSomaliSpanishSundaneseSwahiliSwedishTajikTamilTeluguThaiTurkishUkrainianUrduUzbekVietnameseWelshYiddishYorubaZulu
 
AfrikaansAlbanianArabicArmenianAzerbaijaniBasqueBelarusianBengaliBosnianBulgarianCatalanCebuanoChichewaChinese (Simplified)Chinese (Traditional)CroatianCzechDanishDutchEnglishEsperantoEstonianFilipinoFinnishFrenchGalicianGeorgianGermanGreekGujaratiHaitian CreoleHausaHebrewHindiHmongHungarianIcelandicIgboIndonesianIrishItalianJapaneseJavaneseKannadaKazakhKhmerKoreanLaoLatinLatvianLithuanianMacedonianMalagasyMalayMalayalamMalteseMaoriMarathiMongolianMyanmar (Burmese)NepaliNorwegianPersianPolishPortuguesePunjabiRomanianRussianSerbianSesothoSinhalaSlovakSlovenianSomaliSpanishSundaneseSwahiliSwedishTajikTamilTeluguThaiTurkishUkrainianUrduUzbekVietnameseWelshYiddishYorubaZulu
 
 
 
 
 
 
 
 
 
Text-to-speech function is limited to 200 characters
 
 
Options : History : Feedback : Donate Close

© 著作权归作者所有

共有 人打赏支持
天蚕宝衣
粉丝 18
博文 236
码字总数 178069
作品 0
天津
功率谱和频谱的区别、联系

功率谱:信号先自相关再做FFT。 频 谱:信号直接做FFT。 一. 区别 1. 一个信号的频谱,只是这个信号从时域表示转变为频域表示,只是同一种信号的不同的表示方式而已,而功率谱是从能量的观点...

天蚕宝衣 ⋅ 2017/04/10 ⋅ 0

【信号与系统】时域的非周期化对应频域的连续化

一.起因 一般我们特别喜欢说,时域的周期化对应频域的离散化,而我偏偏把这句话用另一种方式说出来是因为我学习信号与系统的过程是先学习了周期信号的傅里叶变换,再学习了非周期信号的傅里叶...

Kenya_Niu ⋅ 01/05 ⋅ 0

matlab 滤波器

三,滤波器设计: 1、相关原理: 设计数字滤波器的任务就是寻求一个因果稳定的线性时不变系统,并使系统函数H(z)具有指定的频率特性。 数字滤波器从实现的网络结构或者从单位冲激响应分类,可...

找一片天空散步 ⋅ 2012/12/06 ⋅ 0

433Mhz LoRa/FSK 频谱波形分析(频谱分析仪测试LoRa/FSK带宽、功率、频率误差等)

1、测试环境 频谱分析仪:安捷伦N9020A 无线通信频段:433M Hz 射频芯片:Sx1278 2、测试方法 测试方法:模仿测试机构的步骤:使用频谱分析仪,设置频谱分析仪参数为RBW = 300Hz,VBW = 1kH...

HowieXue ⋅ 01/29 ⋅ 0

433MHz LoRa/FSK 无线频谱波形分析(频谱分析仪测试LoRa/FSK带宽、功率、频率误差等)

1、测试环境 频谱分析仪:安捷伦N9020A 无线通信频段:433M Hz 射频芯片:Sx1278 2、测试方法 测试方法:模仿测试机构的步骤:使用频谱分析仪,设置分析仪参数分别为RBW = 300Hz,VBW = 1kH...

howiexue ⋅ 01/29 ⋅ 0

序列补零、插值后对FFT变换的影响以及频率分辨率的理解

DTFT、DFT、FFT的区别与联系 DTFT(离散时间傅立叶变换)顾名思义是对离散的时间序列进行的傅立叶变换;假设有一连续的信号为x(t),对其进行傅立叶变换的定义式为: 对连续信号...

whu_student ⋅ 2017/08/08 ⋅ 0

FIR数字滤波原理

R(jw)=H(jw)E(jw) R(jw)响应的频谱密度函数 H(jw)系统函数 E(jw)激励信号的频谱密度函数,系统的功能室对信号各频率分量增量进行加权,某些频率分量增强,另一些分量相对削弱或不变。 ...

青春无极限 ⋅ 2016/11/22 ⋅ 0

基于TensorFlow Lite的人声识别在端上的实现

通过TensorFlow Lite,移动终端、IoT设备可以在端上实现声音识别,这可以应用在安防、医疗监护等领域。来自阿里巴巴闲鱼技术互动组仝辉和上叶通过TensorFlow Lite实现了一套完整的提取声音特...

LiveVideoStack ⋅ 04/26 ⋅ 0

基于TensorFlow,人声识别如何在端上实现?

现有的人声识别绝大部分在服务端实现,这会带来如下两方面的问题: 1) 当网络较差的情况下会造成较大的延时,带来较差的用户体验。 2) 当访问量较大的情况下,会大量占用服务端资源。 为解决...

技术小能手 ⋅ 05/14 ⋅ 0

正余弦信号的DFT频谱分析

一般的,对正余弦信号进行採样并DFT运算,画出频谱图,会发现频谱并不干净。这样的现象称为频谱泄漏。由于DFT运算仅仅能是有限序列,突然的截断产生了泄漏。 会有这种特殊情况。当採样截取的...

技术mix呢 ⋅ 2017/11/08 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

使用 vue-cli 搭建项目

vue-cli 是一个官方发布 vue.js 项目脚手架,使用 vue-cli 可以快速创建 vue 项目,GitHub地址是:https://github.com/vuejs/vue-cli 一、 安装 node.js 首先需要安装node环境,可以直接到中...

初学者的优化 ⋅ 23分钟前 ⋅ 0

设计模式 之 享元模式

设计模式 之 享元模式 定义 使用共享技术来有效地支持大量细粒度对象的复用 关键点:防止类多次创建,造成内存溢出; 使用享元模式来将内部状态与外部状态进行分离,在循环创建对象的环境下,...

GMarshal ⋅ 38分钟前 ⋅ 0

SpringBoot集成Druid的最简单的小示例

参考网页 https://blog.csdn.net/king_is_everyone/article/details/53098350 建立maven工程 Pom文件 <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM......

karma123 ⋅ 今天 ⋅ 0

Java虚拟机基本结构的简单记忆

Java堆:一般是放置实例化的对象的地方,堆分新生代和老年代空间,不断未被回收的对象越老,被放入老年代空间。分配最大堆空间:-Xmx 分配初始堆空间:-Xms,分配新生代空间:-Xmn,新生代的大小一...

算法之名 ⋅ 今天 ⋅ 0

OSChina 周日乱弹 —— 这么好的姑娘都不要了啊

Osc乱弹歌单(2018)请戳(这里) 【今日歌曲】 @TigaPile :分享曾惜的单曲《讲真的》 《讲真的》- 曾惜 手机党少年们想听歌,请使劲儿戳(这里) @首席搬砖工程师 :怎样约女孩子出来吃饭,...

小小编辑 ⋅ 今天 ⋅ 8

Jenkins实践3 之脚本

#!/bin/sh# export PROJ_PATH=项目路径# export TOMCAT_PATH=tomcat路径killTomcat(){pid=`ps -ef | grep tomcat | grep java|awk '{print $2}'`echo "tom...

晨猫 ⋅ 今天 ⋅ 0

Spring Bean的生命周期

前言 Spring Bean 的生命周期在整个 Spring 中占有很重要的位置,掌握这些可以加深对 Spring 的理解。 首先看下生命周期图: 再谈生命周期之前有一点需要先明确: Spring 只帮我们管理单例模...

素雷 ⋅ 今天 ⋅ 0

zblog2.3版本的asp系统是否可以超越卢松松博客的流量[图]

最近访问zblog官网,发现zlbog-asp2.3版本已经进入测试阶段了,虽然正式版还没有发布,想必也不久了。那么作为aps纵横江湖十多年的今天,blog2.2版本应该已经成熟了,为什么还要发布这个2.3...

原创小博客 ⋅ 今天 ⋅ 0

聊聊spring cloud的HystrixCircuitBreakerConfiguration

序 本文主要研究一下spring cloud的HystrixCircuitBreakerConfiguration HystrixCircuitBreakerConfiguration spring-cloud-netflix-core-2.0.0.RELEASE-sources.jar!/org/springframework/......

go4it ⋅ 今天 ⋅ 0

二分查找

二分查找,也称折半查找、二分搜索,是一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始,如果中间元素正好是要查找的元素,则搜素过程结束;如果某一特定元素大于...

人觉非常君 ⋅ 今天 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部