相关函数和相关分析的应用
如何在Excel中使用CORREL函数进行相关性分析

如何在Excel中使用CORREL函数进行相关性分析Excel是一款功能强大的电子表格软件,它提供了多种函数来进行数据分析。
CORREL函数是其中之一,它可以帮助我们快速计算数据之间的相关性。
本文将详细介绍如何在Excel中使用CORREL函数进行相关性分析。
相关性分析是一种统计方法,用于测量两个或多个变量之间的关系强度和方向。
在Excel中,我们可以使用CORREL函数来计算两个数据集之间的相关性系数。
相关性系数是衡量相关性强弱的指标,取值范围从-1到1。
当相关性系数为1时,表示两个变量之间存在完全正向线性关系;当相关性系数为-1时,表示两个变量之间存在完全负向线性关系;当相关性系数接近0时,则表示两个变量之间几乎没有线性关系。
通过相关性系数的大小判断变量之间的相关性强度。
下面以一个示例来演示如何使用CORREL函数进行相关性分析。
首先,准备数据。
假设我们有两组数据,分别是产品销售量和广告投入。
我们要研究广告投入与产品销售量之间的相关性。
在Excel中,将产品销售量数据和广告投入数据分别列在两列中。
例如,产品销售量数据位于A2:A11单元格中,广告投入数据位于B2:B11单元格中。
要计算这两组数据的相关性系数,可以使用CORREL函数。
在空白单元格中输入以下公式:=CORREL(A2:A11, B2:B11)按下回车键后,Excel将自动计算并显示相关性系数。
值得注意的是,CORREL函数的参数是两个数据区域,它们可以有相同的大小,也可以有不同的大小。
当两个数据区域大小不同时,Excel会自动匹配相同行数的数据进行计算。
除了计算两个数据区域之间的相关性系数,CORREL函数还可以计算更多数据集之间的相关性。
只需将更多的数据区域作为参数输入即可。
另外,值得一提的是,相关性系数只能衡量线性关系,不能准确地判断其他类型的关系,如非线性关系。
通过使用CORREL函数,我们可以快速计算数据之间的相关性,并从中获取有关变量之间关系强度和方向的信息。
自相关与互相关函数的计算与应用

自相关与互相关函数的计算与应用自相关函数和互相关函数是信号处理中常用的概念和工具,用于描述信号之间的相关性和相似性。
在本文中,我们将介绍自相关函数和互相关函数的计算方法,并探讨它们在实际应用中的用途。
一、自相关函数的计算与应用自相关函数是描述一个信号与其自身之间的相关程度的函数。
它的计算方法是将信号与其自身进行卷积,然后对结果进行归一化处理。
自相关函数具有以下性质:1. 自相关函数的取值范围是[-1, 1]之间。
当自相关函数的取值接近1时,表示信号之间具有高度的相关性;当取值接近-1时,表示信号之间具有高度的反相关性;当取值接近0时,表示信号之间不存在相关性。
2. 自相关函数的峰值对应着信号的周期。
通过找到自相关函数的峰值,我们可以确定信号的周期,从而对信号进行频域分析和周期性检测等操作。
3. 自相关函数可以用于信号的降噪和滤波。
通过计算信号的自相关函数,我们可以找到信号中的重复模式,并进行滤波操作,从而去除噪声和杂乱的信号成分。
二、互相关函数的计算与应用互相关函数是描述两个信号之间相关程度的函数。
它的计算方法是将两个信号进行卷积,然后对结果进行归一化处理。
互相关函数具有以下性质:1. 互相关函数可以用于信号的相似性匹配和模式识别。
通过计算待匹配信号和参考信号的互相关函数,我们可以找到信号之间的相似性,并进行模式匹配和识别操作。
2. 互相关函数可以用于信号的延时估计。
通过计算信号之间的互相关函数,我们可以估计信号之间的时间延迟,从而实现信号的同步和对齐。
3. 互相关函数可以用于信号的频率测量。
通过计算信号之间的互相关函数的频域分析,我们可以获得信号的频率信息,从而实现信号的频率测量和频域分析。
三、自相关与互相关函数的应用示例自相关和互相关函数在信号处理和模式识别领域有着广泛的应用。
以下是一些常见的应用示例:1. 语音信号处理:通过计算语音信号的自相关函数,可以实现语音信号的周期性检测和降噪操作,从而提高语音识别的准确性。
定量分析方法之相关分析

二列相关系数计算公式:
R
X p Xq
pq Y
① P 表示二分变量中某一类别频数的比率 ② q 表示二分变量中另一类别频数的比率 ③ X p 表示与二分变量中p类别相对应的连续变量的平均数 ④ X q 表示与二分变量中q类别相对应的连续变量的平均数 ⑤ 表示连续变量的标准差 ⑥ Y 表示正态曲线下与p相对应的纵线高度
2
n
3
n
12 R 2 j n k 2 n3 n 12 R 2 j k
2
k n R
2 2 j
12 R j R
3
n
2
3( n 1) 3 n 1 n n
10
观察量 变 量 1 2 … 1 2 … j … n
34
35
36
• 在SPSS中可以有两种方法来实现典型相关分析,一种 是采用Manova过程来;另一种是采用专门提供的宏程 序。第二种方法在使用上非常简单,而输出的结果又较 为详细,这里介绍第二种方法。 • 该程序名为Canonical correlation.sps,就放在SPSS的安 装路径之中,调用方式如下: • INCLUDE 'SPSS所在路径\Canonical correlation.sps'. • CANCORR SETl=第一组变量的列表 • /SET2=第二组变量的列表. • 在程序中首先应当使用include命令读入典型相关分析的 宏程序,然后使用cancorr名称调用,注意最后的“.”表 示整个语句结束,不能遗漏。 • 在SPSS中采用第二种方法进行典型相关分析的基本程 序如下: 37
第6章 相关分析

8
相关分析
多 元 统 计 分 析
定序相关分析的SPSS实现
例2 2008年中国科协管理科学研究中心在中国公众对科学技术的态 度的问卷调查中,列举了12种职业,要求被调查者对声望高低和值得 依赖程度进行回答,据回收的答卷按照公众对各职业态度的人数排列, 取得数据如表data06-02,试计算其相关系数,并检验其显著性。
11
相关分析
相关分析
经济管理学院
相关分析
§1相关分析概述
多 元 统 计 分 析
相关分析的概念
人们在实践中发现,变量之间关系分为两种类型:函数关系 和相关关系。函数关系是变量间的一种确定性关系。但是,在 实际问题中,变量间的关系往往并不是那么简单,也就是说, 变量之间有着密切关系,但又不能由一个(或几个)变量的值 确定另一个变量的值,这种变量之间的关系是不确定性关系, 称为相关关系。其特点是:一个变量的取值不能由另一个变量 唯一确定,即当自变量x取某个值时,因变量y的值可能会有多 个。这种关系不确定的变量显然不能用函数形式予以描述,但 也不是杂乱无章、无规律可循的。这种关系是一种相关关系。 例如:销售额与广告支出的关系有多大? 消费者对质量的认知是否与其对价格的认知有关?
Kendall's tau_b
社 会声 望
值 得信 赖 程 度
Spearman's rho
社 会声 望
值 得信 赖 程 度
自相关与互相关函数的性质与应用

自相关与互相关函数的性质与应用自相关函数和互相关函数是信号处理领域中常用的工具,它们能够描述信号与自身或其他信号之间的相互关系。
本文将介绍自相关函数和互相关函数的性质及其在不同领域中的应用。
一、自相关函数自相关函数是用来衡量信号与自身之间的相似程度。
在时域上,自相关函数定义为信号与其自身的延迟版本的乘积的积分。
数学表达式如下:Rxx(tau) = ∫[x(t)*x(t-tau)]dt在自相关函数中,tau表示延迟的时间。
自相关函数具有以下性质:1. 对称性:自相关函数关于tau=0对称,即Rxx(-tau) = Rxx(tau)。
2. 零延迟:在tau=0时,自相关函数达到最大值,即Rxx(0) =∫[x(t)^2]dt。
3. 正则性:自相关函数的取值范围在0和Rxx(0)之间。
自相关函数在信号处理中有广泛的应用,包括时序分析、噪声滤除和谱估计等。
例如,在时序分析中,自相关函数可用于检测信号的周期性和重复性,帮助确定信号的周期。
二、互相关函数互相关函数用于衡量两个信号之间的相似程度。
在时域上,互相关函数定义为一个信号与另一个信号的延迟版本的乘积的积分。
数学表达式如下:Rxy(tau) = ∫[x(t)*y(t-tau)]dt在互相关函数中,tau表示延迟的时间。
互相关函数具有以下性质:1. 非对称性:互相关函数通常不满足对称性,即Rxy(-tau) ≠Rxy(tau)。
2. 特定延迟下的相似性:当tau等于信号y的延迟时间时,互相关函数达到最大值,即Rxy(tau) = ∫[x(t)*y(t)]dt。
3. 互相关峰值:互相关函数的最大值表示信号x和信号y之间的最佳匹配程度。
互相关函数在信号处理和图像处理领域具有广泛应用。
例如,在音频处理中,互相关函数可用于音频识别和音频匹配;在图像处理中,互相关函数可用于图像匹配和模式识别。
三、自相关与互相关函数的应用1. 语音识别:自相关和互相关函数可用于语音信号的特征提取和语音识别算法的设计。
EXCEL在描述统计相关系数与回归分析中的应用

EXCEL在描述统计相关系数与回归分析中的应用EXCEL是一款功能强大的电子表格软件,可用于各种数据分析和统计应用。
在描述统计相关系数和回归分析中,EXCEL提供了各种函数和工具,使其成为一种理想的分析工具。
在接下来的文章中,我们将讨论EXCEL在描述统计相关系数和回归分析中的应用。
一、描述统计相关系数相关系数是一种度量变量之间关系强度和方向的指标。
它用于确定两个变量是否相关以及相关性的程度。
EXCEL提供了一些函数来计算描述统计相关系数,包括PEARSON、CORREL和COVAR函数。
1. PEARSON函数:该函数用于计算两个变量之间的Pearson相关系数。
它采用多组数值作为输入,并返回-1到1之间的结果。
-1表示完全负相关,1表示完全正相关,0表示没有相关性。
PEARSON函数的语法如下:=PEARSON(array1,array2)array1和array2是包含数值数据的数组范围。
例如,要计算A列和B列之间的Pearson相关系数,可以使用以下公式:=PEARSON(A1:A10,B1:B10)2.CORREL函数:该函数也用于计算两个变量之间的相关系数,但它可以一次计算多个变量之间的相关系数。
CORREL函数的语法如下:=CORREL(array1,array2)array1和array2是包含数值数据的数组范围。
例如,要计算A列到C列之间的相关系数,可以使用以下公式:=CORREL(A1:A10,C1:C10)3.COVAR函数:该函数用于计算两个变量之间的协方差。
协方差衡量两个变量之间的总体相关性,不考虑它们的单位。
COVAR函数的语法如下:=COVAR(array1,array2)array1和array2是包含数值数据的数组范围。
例如,要计算A列和B列之间的协方差,可以使用以下公式:=COVAR(A1:A10,B1:B10)二、回归分析回归分析是一种统计技术,用于探索自变量(输入变量)和因变量(输出变量)之间的关系。
相关分析
1、相关关系的概念
函数关系
函数关系,是指变量之间在一定的 条件下存在着严格的依存关系。其 数学表现形式为:Y=f(X)。
1
相关关系
相关关系-----是指当一个或几个相互联系 的变量取一定数值时,与之相对应的另一 变量的值不能确定,但它仍按某种规律在 一定的范围内变化的相互关系,即当给定 一个X值时,Y的值不是被唯一确定,而可 能同时出现几个不同的数值,并在定范围 内围绕其平均数上下波动。
10
【例4】将表中的每对数据点描在直角坐标上形成散点图,如图所示。
收入与支出图
11
三、相关程度判断定量方法
1、相关系数的概念 反映变量间线性相关关系密切程度和相关方向 的一个统计指标。 2、相关系数的计算
总体相关系数
Cov X , Y
Var X
Var Y
样本相关系数 r
单位:元
9 7000 4500 10 9000 5600
家庭月收入和消费支出的简单相关表
消费支出 1500 1600 2000 2200 2500 2700 2900
单位:元
3400 4500 5600
月收入
1800
2000
2500
3000
3500
ห้องสมุดไป่ตู้
4500
5000
6000
7000
9000
8
【例2】某车间工人40个工人,每个工人工龄(X) 与每天的生产量(Y)的资料分组后得出下表9-3。
r r r
r r
r r rr
r
r
13
【例5】某地区货运量与工业总产值数据如下表
第2讲 相关分析
②欧氏距离平方(Squared Euclidean Distance) 计算公式为: k
SEUCLID xi yi
i 1
2
其中,k表示每个样本中有k个变量,xi表示第一个样本在第i个变 量上的取值,yi表示第二个样本在第i个变量上的取值。 ③Chebychev距离 计算公式为:
3.总体相关系数与样本相关系数γ之间的关系:
如果相关系数是根据总体全部数据计算的,称为总体相关系数, 记为;如果是根据样本数据计算而来的,则称为样本相关系数,记 为γ 。 在一般情况下,总体相关系数是未知的,我们往往是用样本相 关系数γ作为总体相关系数的估计值。但由于存在样本抽样的随机性, 样本相关系数并不能直接反映总体的相关程度。 为了判断γ对的代表性大小,需要对相关系数进行假设检验。 ⑴首先假设总体相关性为零,即H0为两总体无显著的线性相关 关系。 ⑵其次,计算相应的统计量,并得到对应的相伴概率值。如果 相伴概率值小于或等于指定的显著性水平,则拒绝H0,认为两总体存 在显著的线性相关关系;如果相伴概率值大于指定的显著性水平,则 不能拒绝H0,认为两总体不存在显著的线性相关关系。
如果个案数n >30,则计算Z统计量:Z
R n1
Kendall’s tua-b等级相关系数:
4V T 1 nn 1
V是利用变量的秩数据计算而得的非一致对数目。 对Kendall’s tua-b等级相关系数的统计检验,一般如果个案数n≤30, 将直接利用Kendall’s tua-b等级相关统计量表,SPSS将自动根据该表给 出对应的相伴概率值。 如果个案数n>30,则计算Z统计量:
在不相似性测量的距离分析中,根据不同类型的变量,采用不同的 统计量进行计算。 (1)对连续变量的样本(x,y)进行距离相关分析时,常用的统计量 有以下几种。 ①欧氏距离(Euclidean Distance) 计算公式为: k
函数关系与相关关系的联系与区别
函数关系与相关关系的联系与区别
函数关系是指两个变量之间的依赖关系,其中一个变量的取值完全确定了另一个变量的取值。
函数关系通常表示为y=f(x),其中x为自变量,y为因变量,而f(x)表示自变量与因变量之间的对应关系。
相关关系是指两个变量之间的相关程度或相关性的度量。
相关关系可以通过计算相关系数来衡量,相关系数的取值范围为-1到1,其中正值表示正相关,负值表示负相关,而接近于0的值表示无相关关系。
联系:
1. 函数关系和相关关系都是描述两个变量之间的关系,只是从不同的角度进行描述。
2. 在函数关系中,两个变量之间的依赖关系是确定的,其中一个变量的取值完全决定了另一个变量的取值,在相关关系中,两个变量之间的相关程度可以是强烈的(正相关或负相关)或者是很弱的(接近于零的相关系数)。
3. 函数关系通常用于建立数学模型和进行函数的计算和预测,而相关关系常用于分析变量之间的关联性和进行统计推断。
区别:
1. 函数关系是一种确定性的关系,而相关关系是一种概率性的关系。
2. 函数关系中的自变量和因变量之间的对应关系是单一的,每个自变量值对应一个唯一的因变量值,而相关关系中的变量之间的关系可以是多样的,并不一定具有单一的对应关系。
3. 函数关系可以是线性的、非线性的等形式,而相关关系通常用相关系数来度量,具体形式不限。
4. 函数关系可以通过确定函数表达式或数学模型来表示和分析,相关关系通常使用统计方法来计算和研究。
综上所述,函数关系和相关关系在描述变量之间关系的方式和特点上有很大的区别,但它们都是研究变量之间关系的重要工具。
第七章 相关分析
y
2
2
y
xf 1230 41 x 30 f yf 464 15 . 47 y 30 f xyf 18490 616 . 33 xy 30 f x y
2
x f
2
f
63100 30
2103 . 33
2
y f
2
f
20 20 15 10 5 0
30
40
50
80
相关图
三、相关系数的测定与应用
(一)相关系数的特点 相关系数是测定变量之间相关密切程度 和相关方向的代表性指标。 相关系数用符号“r”表示。
其特点表现在:
(1)参与相关分析的两个变量是对等 的,不分自变量和因变量,因此相关系 数只有一个。 (2)相关系数有正负号反映相关关系 的方向,正号反映正相关,负号反映负 相关。 (3)计算相关系数的两个变量都是随 机变量。
相关关系与函数关系的不同之处表现在:
(1)函数关系指变量之间的关系是确定的, 而相关关系的两变量的关系则是不确定的。可 以在一定范围内变动; (2)函数关系变量之间的依存可以用一定的 方程y=f(x)表现出来,可以给定自变量来推算 因变量,而相关关系则不能用一定的方程表示。 函数关系是相关关系的特例,即函数关系是完 全的相关关系,相关关系是不完全的相关关系。
函数关系和相关关系的联系表现在:
对具有相关关系的现象进行分析时, 则必须利用相应的函数关系数学表达式 来表明现象之间的相关方程式。 相关关系是相关分析的研究对象,函 数关系是相关分析的工具。
三、相关关系的种类
(1)按相关的程度划分,有完全相关、不完 全相关和不相关。 相关分析的主要对象是不完全的相关关系。 (2)按相关的方向来划分,有正相关和负相 关。 正相关指的是因素标志和结果标志变动的方向 一致,负相关指的是因素标志和结果标志变动 的方向相反。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
相关函数和相关分析的应用 相关函数和相关分析的应用
一 实验目的 1。 在理论学习的基础上,通过本实验加深对相关分析概念、性质、作用的理解。 2。 掌握用相关分析法测量信号中周期成分的方法。 3。 了解相关分析在工程中应用实际意义,会用相关分析解决实际问题。
二 实验原理及方法 相关是指客观事物变化量之间的相依关系,在统计学中是用相关系数来描述两个变量X、Y
之间的相关性的,即:
21
22
yx
yxyxxyxyyExEyxE
式中xy是两个随机变量波动量之积的数学期望,称之为协方差或相关性,表征了X、Y之间的关联程度;yx、分别为随机变量X、Y的均方差,是随机变量波动量平方的数学期望。
1.相关函数 如果所研究的数据是两个连续随机过程{)(tx}与{)(ty}的测量,假定它们都是平稳(各态历经)的数据。于是,可以引进另外的变量,即)(tx与)(ty之间的时间滞后τ,量)(xy称为相关系数,并有:
2122)()()()(dttydttx
dttytxxy
式中假定)(tx、)(ty是不含直流分量(信号均值为零)的能量信号。分母部分是一个常量,分子部分是时移τ的函数,反映了二个信号在时移中的相关性,称为相关函数。因此相关函数相关函数和相关分析的应用 定义为:
dttxtyRyx)()()(或dttytxRxy)()()(
如果)()(tytx,有)()(xyxxRR,称)(xxR为x(t)自相关函数,即: dttxtxRxx)()()(
若 )(tx与)(ty为能量有限信号且为实数函数,则其相关函数为: 22)()(1)(limTTT
xx
dttxtxTR
22)()(1)(limTTT
xy
dttytxTR
计算时,令)(tx、)(ty二个信号之间产生时差τ,再相乘和积分,就可以得到τ时刻二个信号的相关性。连续变化参数τ,就可以得到)(tx、)(ty的相关函数曲线。 相关函数描述了两个信号或一个信号自身波形不同时刻的相关性(或相似程度),揭示了信号波形的结构特性,通过相关分析我们可以发现信号中许多有规律的东西。相关分析作为信号的时域分析方法之一,为工程应用提供了重要信息,特别是对于在噪声背景下提取有用信息,更显示了它的实际应用价值。 2.自相关函数性质的研究 随机信号在工程上常用周期信号、周期信号加随机噪声、窄带随机和宽带随机信号做为近似,这四类信号的自相关函数具有代表性。实验要求通过33220A信号发生器产生信号,在CF—920傅里叶分析仪上选择适当的采样频率并按下自相关功能键分别对这四种信号进行分析。 (1)设正弦信号:)2sin()(0tfXtx,根据自相关函数的定义 )()()(txtxER
xx。
假定在)2,0(上服从均匀分布 2021)(p 相关函数和相关分析的应用 正弦波的自相关函数为
022
00022cos2)(2sin)2sin(2)(fXdtftfXRxx
因此,正弦波的自相关函数是幅值等于正弦波均方值的一余弦函数,在所有的时间滞后上,其相关函数的包络保持常数。
X(t)t0
RXX(τ)τ
图2.1正弦波 图2。2正弦波自相关 正弦波的自相关函数是振幅等于原正弦波圴方值的一条余弦波,可看到在所有的滞后上正弦波的相关函数的包络保持常数.假定数据保持平稳,由图2。1可看出有了记录长度为T的时间历程,就很容易精确地预测正弦波在未来任意时刻的值。 (2)宽带随机信号,在很宽的带宽B上数据的自谱是均匀的,即
BfBfGfGxx00)(
则)22sin(2cos)(0BBGBdffGRBxx
RXX(τ)
0τX(t)
t
图2.3宽带机信号 图2。4宽带随机信号自相关 此相关函数的包络下降很快,第一个零交点是)(21B,从零到T精确时间历程信息无助于未来值的预测,未来值是指很近的)(21B一直到观察记录的结尾.由信号的时间历程记录,这相关函数和相关分析的应用 个结论很清楚地构成了宽带随机噪声的外观特性。也就是说,时间历程的混乱特性,过去的记录
不能有效地帮助预计数据很近的未来值。 (3)窄带随机信号,假定在窄的频带B(以0f为中心频率)上,信号的自功率谱均匀的分布;即
其它022)(00BffBfGfGxx
则
02cos)sin()(fBBGBRxx
X(t)tRXX(τ)
0τ
图2。5窄带随机信号 图2.6窄带随机信号自相关 若B很小则第一个交点B1处,这个相关函数有一个缓慢趋于零的包络。如图2.6所示,从零到T精确时间历程的信息在帮助预测)(tx未来值时准确性越来越差。因时间历程包络的缓慢变化,以前的观察值有助于改进近处未来值的预测。由于时间历程包络变化的随机性,在预测比较远的未来值时就没有用了。 (4)正弦波加宽带随机噪声。这种情况的自相关函数就是简单的正弦信号的自相关函数与宽带随机信号的自相关函数之和。即
)22sin(2cos2)(02BBGBfXRxx
0RXX(τ)τX(t)
t
图2。7正弦加随机噪声图 图2。8正弦加随机噪声自相关 相关函数和相关分析的应用 其中自相关函数很快衰减反映着宽带随机信号的性质,等幅的余弦波反映着正弦信号的性
质。从图中可知,能够预测很远的未来值,其精度比只用概率密度函数信息所提供的预测要好. 由以上四例可以看到自相关函数的对称性,周期性和取值的变化规律,并证实自相关函数丢掉了原信号的相位信息这一重要的性质。 3.自相关函数在测量中的应用 自相关函数的工程意义是对传播问题的应用,在图1所示的试验装置中,敲击试件的一端,试件所产生的振动信号由其另一端上的加速度传感器所感受,经电荷放大器送入CF-920的通道A,对通道A作相关分析,相关函数的最大值所对应的时移t即为信号在试件中传播的时间,已知振动波在钢梁中的传播速度V=5172米/秒,则可计算出钢梁的长度S =Vt。
三 实验步骤 图3为实验示意图.按CF-7200的操作使用步骤进行信号分析,预先选择好参数并选择合理的输入电平和采样频率。通过调整输入参数的方法,观察相关函数的变化规律,当达到预想的结果后,即可通过CF-7200拷贝图形,最后整理出实验报告。实验内容包括: 1、典型信号的自相关函数 2、典型型号的功率谱 3、采用自相关函数测量钢棒长度 4、采用自相关函数确定钢棒裂纹位置 相关函数和相关分析的应用 图3相关函数在测量中的应用实验图 对于第1个、第2个实验内容,我们调整好信号发生器的参数,针对不同的信号,我们可以在CF—7200上观察到相应的自相关函数及功率谱对应的情况。本实验将对正弦信号、噪声信号、“正弦+噪声"信号自相关函数及功率谱进行分析。 对于第3个、第4个实验内容,我们对完好的钢棒及断裂的钢棒分别用小榔头进行敲击。每敲击一次,在CF—7200上就有其自相关函数的图形,并通过图形参数即可测量钢棒的长度及钢棒裂纹的位置.
四 实验结果及分析 1 正弦信号 幅值5V 频率80KHZ
(1)正弦信号时域图 相关函数和相关分析的应用 图4。1 (2)正弦信号自相关图形 分辨率16KHZ 窗口长度8192
图4.2 (3)正弦信号功率谱图形 分辨率160HZ 窗口长度1024 相关函数和相关分析的应用 图4。3 通过以上实验图形我们可以得出如下结论.正弦波的自相关函数是振幅等于原正弦波圴方值的一条余弦波,可看到在所有的滞后上正弦波的相关函数的包络保持常数。正弦波的功率谱为一冲激函数δ(t).
2 噪声信号 幅值5V 频率80KHZ
(1)噪声信号时域图 相关函数和相关分析的应用 图4。4 (2)噪声信号自相关图形 分辨率100KHZ 窗口长度1024
图4.5 (3)噪声信号功率谱图形 a 直角坐标 “平均过”功率谱 相关函数和相关分析的应用 图4.6
b 对数坐标 “平均过”功率谱
图4.7 c 直角坐标 “未平均过”功率谱