Określanie poziomu szumu sygnału w dziedzinie częstotliwości

Czy istnieje akceptowany sposób określania poziomu szumu sygnału przez spojrzenie na niego w dziedzinie częstotliwości? Czy chodzi o uśrednienie wszystkich przedziałów, medianę lub bardziej złożone obliczenia, takie jak te opisane w pytaniu poniżej?

Jakie jest najlepsze kryterium określania piku częstotliwości?

Chcę określić poziom szumu, aby ustawić próg określający, czy mój sygnał zawiera daną częstotliwość.

frequency-domain

— Dan Sandberg
źródło

Jakie są cechy hałasu? Czy jest biały czy kolorowy?

— Jason R

Biały szum, choć chciałbym usłyszeć, jak odpowiedź różni się również w przypadku innych kolorów.

— Dan Sandberg

Biały szum jest łatwiejszy do scharakteryzowania, ponieważ można oczekiwać, że będzie on płaski w dziedzinie częstotliwości. Powinienem był zapytać wcześniej, ale jakie są cechy twojego sygnału? Ile pasma wypełnia sygnał w porównaniu do szumu? Czy sygnał jest zawsze obecny, czy masz szansę zaobserwować tylko hałas?

— Jason R

Sygnał składa się z częstotliwości, które spadają do środkowego pojemnika podczas wykonywania FFT (brak przecieku widmowego). Ignorując efekty szumowe i kanałowe, każda częstotliwość ma wartość maksymalną lub poziom szumu. Jeśli cztery z możliwych n częstotliwości są „włączone”, to każda częstotliwość powinna mieć 1/4 mocy całego sygnału (ponownie, ignorując poziom szumu)

— Dan Sandberg

@ DanSandberg: Bez funkcji okienkowania twierdzenie Parsevala pozwala obliczyć energię w czasie lub częstotliwości bezpośrednio z innej dziedziny. Na przykład dla funkcji fft Pythona: rms(fft(x))/sqrt(n) = rms(x) przykłady tutaj Musisz więc zdecydować, jak twój sygnał będzie wyglądał w dziedzinie częstotliwości, usuń go, zmierz pozostałe wartości i pomnóż przez sqrt (n), aby uzyskać na przykład dolny poziom szumu RMS.

— endolith

Odpowiedzi:

Musisz znormalizować swoje dane w oparciu o rodzaj okna używanego do uzyskania reprezentacji danych w dziedzinie częstotliwości. Normalizacja różni się w zależności od tego, czy mierzysz sygnał wąskopasmowy (szczyt sygnału) czy szerokopasmowy (szum). Po prawidłowym znormalizowaniu danych moc sygnału wąskopasmowego można odczytać bezpośrednio z danych. Pomiar hałasu należy oszacować na podstawie „poziomu szumu” znormalizowanych danych częstotliwości. Twoje oszacowanie mocy hałasu będzie o 6 dB mniejsze niż poziom hałasu. Aby uzyskać szczegółową dyskusję,

Przejdź do tego linku: http://www.fhnw.ch/technik/ime/publikationen

Pobierz artykuł „„ Jak używać FFT do symulacji i pomiarów sygnałów i szumów ”.

— użytkownik2718
źródło

Ponieważ twój hałas jest gaussowski, jego spektrum mocy jest płaskie. Możesz mieć pewne piki widma sygnału, więc należy ich unikać. Proponuję albo medianę próbek widma mocy, albo średnią próbek z widmem mocy z obciętym współczynnikiem alfa, lub ostatecznie średnią międzykwartylową. Wszystkie te szacunki są wiarygodne, możesz wybrać dowolny, który najlepiej pasuje.

— mbaitoff
źródło