使用功率谱密度 (PSD) 表征噪声

传递函数塑造噪声

图 1 显示了假设噪声源的频谱,该噪声源在所有频率下均表现出相同的平均功率,即

,其中 η 是常数。

假设噪声源的频谱。

图 1. 假设噪声源的频谱。

如果我们将此噪声应用于 LTI 系统,系统的传递函数将决定不同频率下的输出平均功率。例如,如果系统是直流增益为1的理想低通滤波器,则滤波器阻带中的所有噪声频率分量将被完全抑制。然而,通带中的频率分量将不受影响(图 2)。

该示例显示通带中的频率分量如何保持不受影响。

图 2. 显示通带中的频率分量如何保持不受影响的示例。

一般来说,可以证明给定频率处的功率电平将被等于该频率处传递函数幅度的平方的因子修改。这在数学上用以下等式表示:

\[S_{输出}(f)=S_{输入}(f) \times \left | H(f)\右|^2\]

公式1

其中 H(f) 表示系统传递函数。在此等式中,

\[S_{输出}(f)=S_{输入}(f) \times \left | H(f)\右|^2\]

是以 V 2 /Hz 为单位的噪声功率谱密度(而不是以 \(V / \ sqrt{Hz}\)) 。该方程揭示了系统传递函数如何塑造噪声。

使用这个基本方程,我们可以分析噪声对 LTI 系统输出的影响。

从功率谱密度 (PSD) 中查找 RMS 噪声

我们知道 S X (f) 指定了 f 周围 1 Hz 带宽中噪声波形 X 的功率。既然我们知道这一点,我们就可以通过计算该频带中S X (f)下的总面积来计算给定带宽上的总噪声功率。

对于图 3 所示的功率谱密度,阴影区域 (A 1 ) 给出了从 f 1到 f 2频带内的总噪声功率。

显示功率谱密度的示例图,其中阴影区域是频带 f1 至 f2 中的总噪声功率。

图 3. 显示功率谱密度的示例图,其中阴影区域是频段 f 1至 f 2中的总噪声功率。

我们假设 A 1可以用面积 A 2 来近似, 如图 4 所示。

类似图3; 然而,我们正在近似 A2 的面积。

图4. 与图3类似的图;但是,我们正在近似A 2的面积 。

如果图 4 中的纵轴以 Ptot=(f2?f1)

Ptot=(f2f1)η

为单位,则从 f 1到 f 2的总噪声功率将为:

Vn,RMS=√(f2f1)η

这是就V 2而言的。噪声 RMS(单位:V)可通过计算上述值的平方根得出:

Vn,RMS=η√f2f1

然而,制造商通常通过提供 PSD 的平方根来指定其产品的噪声性能。

对于图 3 所示的示例,我们计算了 f 1到 f 2频率范围内的噪声功率,并完全忽略了该范围之外的所有频率分量。

在实践中,我们通常需要计算受滤波器带宽限制的频率范围内的噪声功率。现实世界的滤波器不能有从通带到阻带的突然转变。因此,我们必须考虑滤波器滚降区域中频率分量的功率。

图 5 显示了实际的低通滤波器如何只能部分抑制滚降区域中的噪声分量。

显示低通滤波器如何部分抑制滚降区域的噪声分量的示例。

图 5. 示例显示低通滤波器如何部分抑制滚降区域的噪声分量。

让我们看看如何考虑这些部分抑制的组件。假设图 5 中的滤波器是一阶低通滤波器,具有以下传递函数:H(f)=11+jff?3dB

滤波器输出端的噪声频谱为:

S输出(f)=S输入(f)×|H(f)|2=η×1(1+ff?3dB)2

S输出(f)=S输入(f)×|H(f)|2=η×1(1+ff?3dB)2

滤波器输出处的总噪声功率可以通过在 0 到 ∞ 的整个频率范围内积分

Ptot=∫∞0η×11+(ff?3dB)2df

并表现出从通带到阻带的理想突变,这等于我们将拥有的总噪声功率。

因此,为了计算一阶低通滤波器输出端的总噪声功率,我们可以假设滤波器滚降是突然的,并将滤波器带宽增加 1.571 倍。我们通常将

。因子 1.571 有时是称为形状因子。

随着滤波器阶数的增加,其从通带到阻带的过渡变得越来越突然。这就是为什么我们期望高阶滤波器具有更小的形状因子。下面的表 1 显示了不同滤波器阶数的形状因子。

过滤顺序 形状系数

1 1.57

2 1.11

3 1.05

4 1.03

5 1.02

在下一节中,我们将看到一个使用这些形状因子来计算信号链中不同源的噪声贡献的示例。

多级级联时的噪声带宽

当我们有多个级联级,每个级具有不同的带宽时,我们应该考虑给定噪声源所经历的带宽。

作为示例,请考虑图 6 中所示的信号链。

示例信号链,包括带宽、增益和 PSD。

图 6. 示例信号链,包括带宽、增益和 PSD。

该图给出了每个级的增益和带宽。此外,它还指定了每个级贡献的噪声频谱,单位为\(nV/\sqrt{Hz}\)。放大器产生的噪声在放大器带宽 (100 kHz) 上为 \(100 nV/\sqrt{Hz}\)。当该噪声通过级联级时,其带宽可能进一步受到不同级带宽的限制。

链中的第二级是三阶滤波器。由于三阶传递函数的形状因子为 1.05,因此该级的噪声带宽将为 1 kHz × 1.05 = 1.05 kHz 。这比驱动器和 RC 滤波器的带宽(分别为 100 MHz 和 3 MHz)小得多。因此,对于级产生的噪声,我们应该考虑1.05kHz的噪声带宽。

源自该级的 RMS 噪声为

同样,我们可以计算信号链中其他噪声源的有效带宽。

请注意,具有噪声频谱密度的组件不一定是系统主要的噪声贡献者。例如,放大器的PSD比驱动器的PSD大几倍。因此,人们可能会错误地认为放大器产生的噪声比驱动器产生的噪声大得多。然而,情况并非一定如此。在此示例中,驱动器噪声经历的带宽是 RC 滤波器的带宽。

它比放大器产生的 RMS 噪声大得多。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1543330.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

基于丹摩智算平台-手把手拿下经典目标检测模型 Faster-Rcnn

文章目录 1. 前言1. 1 丹摩智算平台1.2 经典目标检测模型 Faster-Rcnn 2. 前置准备2.1 WindTerm(远程连接服务器)2.2 项目源码 3. 服务器平台配置3.1 创建实例3.2 远程链接 4. Faster-rcnn 的环境配置4.1 上传文件,解压4.2 安装所需环境 5. 数…

springboot框架VUE3学院网站系统开发mysql数据库设计java编程计算机网页源码maven项目

博主介绍:专注于Java vue .net php phython 小程序 等诸多技术领域和毕业项目实战、企业信息化系统建设,从业十五余年开发设计教学工作 ☆☆☆ 精彩专栏推荐订阅☆☆☆☆☆不然下次找不到哟 我的博客空间发布了1000毕设题目 方便大家学习使用 感兴趣的…

专业软件测试服务机构介绍:软件确认测试的类型和方法

随着现代科技的迅猛发展,软件开发逐渐成为各类企业发展的核心。然而,软件的质量直接关系到企业的运营效率和用户体验。因此,软件确认测试作为确保软件质量的重要环节,正受到越来越多的关注。 软件确认测试是指在软件开发周期的最…

tensorboard展示不同运行的曲线结果

运行tensorboard曲线如下: tensorboard --logdir .有时候,曲线图会展示多条曲线,以至于我们想分辨哪条线来自哪次训练都做不到了。如下图是设置smoothing-0.6的结果: smoothing可以在页面找到设置按钮,呼出设置侧边…

Llama 3.1 技术研究报告-2

3.3 基础设施、扩展性和效率 我们描述了⽀持Llama 3 405B⼤规模预训练的硬件和基础设施,并讨论了⼏项优化措施,这些措施提⾼了训练效率。 3.3.1 训练基础设施 Llama 1和2模型在Meta的AI研究超级集群(Lee和Sengupta,2022&#x…

直播美颜工具的开发详解:基于视频美颜SDK的解决方案

视频美颜SDK的出现,为开发直播美颜工具提供了一种高效的解决方案。本文将详细解析如何基于视频美颜SDK,开发一款性能优越、功能齐全的直播美颜工具。 1.视频美颜SDK的核心功能 视频美颜SDK是实现实时美颜的关键技术,其核心功能包括人脸检测、…

mysql逗号分隔的一行数据转为多行数据

原表: 结果: 方法一:如果每条数据的被逗号分隔的数量在637条以内,使用 mysql.help_topic(mysql自带的表,只有637个序号)。 select a.id,a.enclosure_ids,SUBSTRING_INDEX(SUBSTRING_INDEX(a.en…

harmonyOS 原来构建还有这么多弯弯绕绕

随着用户需求的不断增长,我们的 APP 已发展成功能丰富的超级APP,这也导致打包构建变得非常耗时,可能需要数小时,严重影响开发效率和产品迭代。通过采用模块化设计、增量构建、并行处理、缓存机制、优化依赖管理,以及云…

使用 Docker 部署 RStudio 的终极教程

一.介绍 在现代数据科学和统计分析领域,RStudio 是一个广受欢迎的集成开发环境(IDE),为用户提供了强大的工具来编写、调试和可视化 R 代码。然而,传统的 RStudio 安装可能面临环境配置复杂、版本兼容性等问题。Docker…

2.4K star的GOT-OCR2.0:端到端OCR 模型

GOT-OCR2.0是一款新一代的光学字符识别(OCR)技术,标志着人工智能在文本识别领域的重大进步。作为一款开源模型,GOT-OCR2.0不仅支持传统的文本和文档识别,还能够处理乐谱、图表以及复杂的数学公式,为用户提供…

报错解决方案

大模型-报错解决方案 百度千帆大模型 仅个人笔记使用,感谢点赞关注 百度千帆大模型 未开通付费模型 qianfan.errors.APIError: api return error, req_id: code: 17, msg: Open api daily request limit reached 可能的原因: 未开通所调用服务的付费权限&#xff0…

代码随想录算法day38 | 动态规划算法part11 | 1143.最长公共子序列,1035.不相交的线,53. 最大子序和,392.判断子序列

1143.最长公共子序列 体会一下本题和 718. 最长重复子数组 的区别 力扣题目链接(opens new window) 给定两个字符串 text1 和 text2,返回这两个字符串的最长公共子序列的长度。 一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的…

掌握Python自动化办公的3个核心技能,全是干货建议收藏

随着Python在办公自动化领域的广泛应用,掌握Python的相关技能变得越来越重要。本文将详细介绍Python在文件操作、数据处理以及Excel操作方面的核心技能,帮助读者提升工作效率。 掌握Python自动化办公的核心技能,主要包括以下几个方面&#x…

统信服务器操作系统进入【单用户模式】

统信服务器操作系统D版、E版、A版进入单用户模式的方式。 文章目录 前言一、问题现象二、问题原因三、解决方案1. D版问题解决方案2. E版及A版问题解决方案前言 D版又称企业版、E版又称欧拉版、A版又称龙蜥版。 单用户模式主要是在 grub2 引导时编辑内核引导,一般用于修改用…

828华为云征文 | 云服务器Flexus X实例,搭建ChatGpt:AI-OpenAI

828华为云征文 | 云服务器Flexus X实例,搭建ChatGpt:AI-OpenAI 搭建能AI-OpenAI 1、购买华为云 Flexus X 实例 Flexus云服务器X实例-华为云 (huaweicloud.com) 2、安装 Docker 的必要依赖 yum install -y yum-utils device-mapper-persistent-data lvm2…

自恢复保险丝到底是什么?一篇文章足够让你了解清楚!!!

自恢复保险丝简介: 自恢复保险丝主要由核心材料高分子聚合物复合材料体组成,它是一种可反复使用的具有自恢复特性非线性的过流保护器件,聚合物复合材料体一般由聚合物、导电微粒、无机填料等组成。 自恢复保险丝是一种过流电子保护元件&#…

opencv-python学习笔记11-视频处理

目录 一、opencv视频处理的框架: 二、捕获视频类VideoCapture: (1)创建 VideoCapture 对象: (2)读取视频帧: (3)设置和获取视频属性: &#…

#联合体#

目录 定义 联合体的对齐方式 举个栗子🌰 联合体判断小端或大端 定义 联合也是一种特殊的自定义类型 这种类型定义的变量也包含一系列的成员,特征是这些成员公用同一块空间,地址一样(所以联合也叫共用体)。 联合体…

【揭秘大脑与AI的鸿沟:电化学信号与非线性动态交互的奥秘】

目录 【揭秘大脑与AI的鸿沟:电化学信号与非线性动态交互的奥秘】 1. 信息传递的奇迹:电化学信号的奥秘 2. 非线性动态交互:大脑的智慧之源 3. 结构与功能的鸿沟:从并行分布到有限层次 结语:探索未知的边界 【揭秘大脑与AI的鸿沟:电化学信号与非线性动态交互的奥秘】…

sql serve时间的比较:船舶是否在线,基站网络是否在线

文章目录 引言I 在线船舶查询在线或者离线船舶显示在线状态统计在线船舶II 基站网络是否在线III 知识扩展MyBatis引言 I 在线船舶 查询在线或者离线船舶 假定2个小时之内有报位的数据认为在线 查询7天之内有报位的离线船舶AND s.dwtime BETWEEN dateadd(day,-7,GETDATE()