第8章 基于CVI的测试信号

第8章 基于CVI的测试信号

第8章 基于CVI的测试信号8.1 信号分析概述 8.2 基于CVI的联合时频分析 8.3 基于CVI的小波分析 8.4 CVI信号分析函数说明

第8章 基于CVI的测试信号

8.1 信号分析概述8.1.1 信号处理的发展过程

信号处理的发展历史久远，19世纪发展起来的经典傅里叶(Fourier)分析和以概率论为基础的统计分析，构成了传统信

号处理技术的理论框架。然而，信号处理作为一门独立的学科，是伴随着20世纪五六十年代计算机的普及和数字信号处理技术 的广泛运用而真正全面发展起来的。其中，一个标志性的进展

是20世纪60年代， 快速傅里叶变换算法(FFT)的提出和实现，使信号实时在线的频谱分析成为可能。

第8章 基于CVI的测试信号 在非线性动力系统中，自组织是一种有效而特殊的行为和 手段，它通过调节自身的结构、参数、准则函数等动态地跟踪 系统的反馈信息，更迅速准确地逼近系统的稳定状态。其中最 常见的是自组织方法在神经网络中的应用， 典型的自组织神 经网络ART(Adaptive Resonance Theory)具有如下特点：

(1) 可完成实时学习，且可适应非平稳的环境。(2) 对已学习过的对象具有稳定的快速识别能力， 同时又

能迅速适应未学习的新对象。

第8章 基于CVI的测试信号 (3) 具有自归一能力，根据某些特征在全体中所占的比例， 有时作为关键特征，有时被当作噪声处理。

(4) 不需要事先已知样本结果， 可非监督学习。(5) 容量不受输入通道数的限制，存储对象也不要求是正

交的。从这些特点可以容易地预见到，自组织方法在模式识别等信号处理领域具有广阔的应用前景。

第8章 基于CVI的测试信号 8.1.2 LabWindows/ CVI信号高级分析库 1) 数组类

数组类对一维和二维数组进行算术操作， 包括的子类如 下： (1) 一维数组类， 包含对一维数组进行操作的函数。 (2) 二维数组类， 包含对二维数组进行操作的函数。

第8章 基于CVI的测试信号 2) 复数类

复数类完成复数的算术操作。该类函数可以对复数标量或 数组操作，分别处理复数的实部和虚部，包括的子类如下： (1) 复数标量类，包含完成复数标量算术操作的函数。

(2) 复数数组类，包含完成复数数组算术操作的函数。

第8章 基于CVI的测试信号

3) 统计类统计类完成基本统计功能， 包括的子类如下：  (1) 基本操作类， 包含使用各种常用描述数据集的方法 的函数。 (2) 概率分布类， 包含对概率分布函数及其反函数进行 操作的函数。 (3) 方差分析类， 包含对各种统计模型的方差进行分析 的函数。 (4) 非参数统计类， 包含对非正态分布数据进行分析的函 数。

第8章 基于CVI的

测试信号

4) 向量和矩阵代数类向量和矩阵代数类完成对向量和矩阵的操作， 包括的子 类如下：  (1) 实矩阵类， 包含对实数值矩阵和向量进行操作的函 数。  (2) 复矩阵类， 包含对复数值矩阵和向量进行操作的函 数。  5) 曲线拟合类 曲线拟合类使用最小二乘法(Least Square Technique)进 行数据拟合，包括线性拟合、指数拟合、多项式拟合和非线性 拟合。

第8章 基于CVI的测试信号 6) 信号生成类 信号生成类按指定波形生成信号并将波形数据以数组形式 输出。 

第8章 基于CVI的测试信号

7) 信号处理类信号处理类在频域、时域或通过数字滤波器进行数据分析， 包括的子类如下： 

(1) 频域类，包含在时频域间进行变换和在频域内进行分 析的函数。 (2) 时域类，包含对信号进行直接时间序列分析的函数。 (3) IIR数字滤波器类，包含通过将模拟特性映射到数字 特性的无限冲激响应数字滤波操作的函数。具体包括：巴特沃 兹滤波器、切比雪夫滤波器、逆切比雪夫滤波器和椭圆滤波器；

(4) FIR数字滤波器类，包含设计有限冲激响应滤波器的 函数。该类函数实际上不能进行数字滤波。 (5) 窗函数类， 包含在数据采集应用中频繁使用的窗函数。

第8章 基于CVI的测试信号 8) 测量类 测量类包含使用实际单位(如赫兹、秒)来完成频谱分析和

全谐波失真分析的函数。 9) 插值类

插值类包含取函数的已知点集合，以此猜测函数在某一具体的中间点处的取值的函数。

第8章 基于CVI的测试信号

10) 附加数字方法类附加数字方法类包含完成诸如数值积分和峰值检测等，在

信号处理中广泛应用的操作的函数。 另外，NI公司提供的信号处理工具箱(SPT 6.0版)包括：

联合时频分析(JTFA)、基于模型的超分辨率频谱分析和小波分析， 以及FIR和IIR数字滤波器的设计与使用。

第8章 基于CVI的测试信号 在本章仅介绍正在广泛使用和发展的联合时频分析和小波 分析。  使用高级分析库函数时， 应注意以下几点：  (1) 运行LabWindows/CVI的计算机性能会影响分析函数的

处理速度，特别是数字协处理器会提高浮点计算的速度。在使用分析函数面板时，若长时间无响应，则通常是由于硬件限制 造成的。

第8章 基于CVI的测试信号

(2) 很多数组分析函数同址运算，即把输入数据和输出数据保存在相同数组中。在处理大量数据时记住这一点非常 重要。庞大的双精度数组消耗大量内存。 若要获得的结果 不需要保存在最初的数组或中间数组中， 就可以在相同地 址进行分析操作。  (3) 分析函数返回值对应类型AnalysisLibErrType的一 个枚举值，该类型

在头文件analysis.h中声明。分析函数 根据该返回类型在头文件中作声明，使函数面板以符号名代

替错误码的整型值显示返回值。将变量声明为AnalysisLibErrType类型，使变量窗口以符号名而不是整数 形式显示数值。

第8章 基于CVI的测试信号

8.2 基于CVI的联合时频分析8.2.1 进行JTFA的必要性传统上对信号进行分析时，要么仅在时域上，要么仅在频 域上进行分析。 JTFA可以同时在时域和频域上对信号进行分 析，这样可以更好地理解和处理某些类型的信号。JTFA主要用 于观察信号的功率谱随时间的变化，然而古典算法(如傅里叶 变换的平方)仅表示信号的平均功率谱。并且，JTFA算法还可 以分析瞬时谱。  图8.1左上方所示的曲线是一个基于时间的谱图，它描述

了作为时间和频率函数的信号的能量。

第8章 基于CVI的测试信号

图8.1 语言信号时频分析

第8章 基于CVI的测试信号 JTFA的另一个重要应用是处理噪声污染的信号。通常，随 机噪声在时域和频域的分布趋向均匀，但信号通常集中在短的

时间区间或一个窄的频率段。把噪声污染的信号转换到联合时频域，可以充分的改善局部或全部信噪比(SNR)。 图8.2描述了从某人造卫星接收到的一个脉冲信号。脉冲信 号通过像电离层这样离散介质后，变成了非线性的Chirp信号。 从图8.2上可以看出，在时间波形和功率谱上，随机噪声表现最

强， 观察不到脉冲信号的存在。但从基于时间的谱图上，马上可以确定Chirp类信号的存在，确定其在联合时频域成弓形。 水平线相当于无线载波信号， 经过一段时间后，基本保持不变。

第8章 基于CVI的测试信号

图8.2 电离脉冲信号时频分析

第8章 基于CVI的测试信号 基于联合时频表示法，可以更深一步地分离所希望得到的 信号，如图8.3中的顶图所示。通过逆变换来恢复无噪声的时 间波形。图8.3中的底图表示噪声和重构信号。 像许多卫星信 号这样低SNR的信号，JTFA可能是惟一能够提取有用信号的 方法。

第8章 基于CVI的测试信号

图8.3 重构的脉冲信号

第8章 基于CVI的测试信号 8.2.2 联合时频分析算法 1. 线性联合时频分析算法

线性联合时频分析包括： Gabor展开， 包含短时傅里叶 逆变换； 用于计算Gabor系数的短时傅里叶变换(STFT); 自适应表示，包含自适应变换逆变换；自适应变换。

1) Gabor展开和STFT在方程(8.1)中，Gabor展开用时移函数

s[i ] Cm ,n h[i m M ]em n 0

N 1

j 2 ni / N

(8.1)

本文来源：https://www.bwwdw.com/article/8ji4.html