一、隨機(jī)信號和正太分布有什么關(guān)系？

 

作為一個工程師，很多人對隨機(jī)振動看著熟悉，卻又實際陌生。熟悉是因為幾乎每個產(chǎn)品在出廠時都要求要做隨機(jī)振動試驗，陌生是因為當(dāng)面對用戶所給的功率密度譜有時會感到很茫然，尤其是這個功率譜的單位居然是  ，簡直是反人類，為啥整這么麻煩，不能給個加速度  直接振嗎？哈哈，這個還真不能，下面咱們就來抽絲剝繭，看看隨機(jī)振動功率密度譜到底是咋個回事？

 

隨機(jī)振動，是因為振動源是隨機(jī)信號，顧明思議，就是信號的發(fā)生帶有隨機(jī)性，無法用一個明確的函數(shù)把它表達(dá)出來，一個典型的隨機(jī)信號大概長這個樣子：

 

 

可以看出，乍一看完全沒有規(guī)律可言，高度不規(guī)則，無規(guī)律的，不可預(yù)估也不可重復(fù)，每次測量都不一樣。那隨機(jī)信號是不是就是不可描述的呢？首先我們研究一下什么是隨機(jī)，隨機(jī)對應(yīng)不確定性，不確定性在物理學(xué)和數(shù)學(xué)上是一個不受歡迎的詞，老板問你圖紙什么時候畫完，你敢回答“隨機(jī)吧”，或者更佛系一點“隨緣吧”？相信等待你的可不僅僅是白眼哦，這也是為啥當(dāng)初波恩將概率解釋引入到量子力學(xué)時受到愛因斯坦強(qiáng)烈的反對，“上帝是不擲骰子”的典故便來源于此。然后諸多證據(jù)表明：也許隨機(jī)是這個世界的本質(zhì)特性之一，這可以由一個著名的數(shù)學(xué)定理來證明：中心極限定理。

一、隨機(jī)信號和正太分布有什么關(guān)系

 

中心極限定理有一組，但基本可以用一句通俗的話來概括它們：大量相互獨立的隨機(jī)變量，其平均值正態(tài)分布。對中心極限定理最形象的解釋是高爾頓釘板實驗：小球在下落過程中碰到很多個釘子，每次碰撞都是一個二項式的隨機(jī)過程：以同等的概率通過釘子左側(cè)或者右側(cè)，小球最后到達(dá)的位置，是這很多個“左右”隨機(jī)變量相加后的平均位置。不難看出，這個平均值落在中心處的概率最大，小球聚集最多，但也可能向左或向右偏，偏離越大，小球的數(shù)目越少，不同位置的不同小球數(shù)便形成了一個“分布”，中心極限定理則是從數(shù)學(xué)上證明了，這個分布的極限是正態(tài)分布。

 

 

高爾頓釘板實驗實質(zhì)上是一組二項式分布，從數(shù)學(xué)上還可以證明：中心極限定理的條件可以從二項分布推廣到獨立同分布隨機(jī)序列，以及不同分布的隨機(jī)序列。也就是說：在一定條件下，各種隨意形狀概率分布生成的隨機(jī)變量，它們加在一起的總效應(yīng)，是符合正態(tài)分布的。

 

這也是為啥正太分布這么常見的原因，因為實際上的隨機(jī)生物過程或物理過程，都不是只由一個單獨的原因產(chǎn)生的，它們受到各種各樣隨機(jī)因素的影響。比如產(chǎn)品加工免不了有誤差，而誤差形成的原因五花八門，各種各樣。就算我們打開上帝視角，夠分別清楚產(chǎn)生誤差的每種單一原因，誤差的分布曲線可能不是高斯的，但是，所有誤差加累計在一起時，通常得到一個正態(tài)分布。下圖是30組隨機(jī)變量，和值隨數(shù)據(jù)增加時分布情況。

 

30組隨機(jī)變量（每組100萬數(shù)據(jù)），和值的隨數(shù)據(jù)增加時分布情況
 

總之，中心極限定理告訴我們：無論引起過程的各種因素的基本分布是什么樣的，當(dāng)實驗次數(shù) 充分大時，所有這些隨機(jī)分量之和近似是一個正態(tài)分布的隨機(jī)變量。也就是說：對于平穩(wěn)隨機(jī)過程而言，其分布是趨于正太的。

 

 

我們知道，正太分布的概率密度的表達(dá)式為：

 

 

其中為數(shù)學(xué)期望，代表著信號的平均值，

 

，

 

為方差，表示這信號偏離平均值的程度，

 

 。

 

為均方值，在工程上可以一般看成信號的平均功率，其平方根為有效值（RMS值），

 

 

很容易得到：

 

 

所以當(dāng)平均值為零的時候，均方值與方差相等。從圖形上看，平均值 決定了正太分布的位置，均方根值，也就是標(biāo)準(zhǔn)差  ，決定了分布的幅度。如果正態(tài)分布概率密度一旦確定，其數(shù)學(xué)期望和方差也就確定了。對于隨機(jī)信號而言，數(shù)學(xué)期望基本為零（或者去除直流分量后為零），所以唯一確定的量就剩均方值，此時均方值和方差一致，并且

 

 

如果仔細(xì)觀察上式，可以發(fā)現(xiàn)，從量綱來看， 代表了能量概念，而方差代表了平均功率概念。

 

前面我們說到，平穩(wěn)隨機(jī)信號是趨于正太分布的，決定正太分布的兩個參數(shù)：平均值 基本為零（不為零時，直流分量也很容易處理），唯一能表征隨機(jī)信號的就剩均方值（時等于方差） ，也就是平均功率了。再具體一點，對于平穩(wěn)隨機(jī)信號而言，描述是沒有意義的，描述平均功率才有意義。如何才能描述平均功率呢？這時我們就要用到頻譜分析的概念了，可能有些人會覺得這個概念很生疏，我要說我們每天一睜眼就在進(jìn)行譜分析你會信嗎？事實還真是這樣。我們的眼睛就是一雙最精密的譜分析儀：過濾到可見光以外的所有光線，并且可見光按照頻譜（頻率）進(jìn)行精確分類。

 

我們知道光本質(zhì)是一種電磁波，既然是波，就有波長 和波動頻率  ，光速 一個定值，波長和波動頻率成反比。人眼可識別出波長在400納米至700納米的光線，并且根據(jù)波長不同（頻率不同）將可見光分成紅、橙、黃、綠、藍(lán)、靛、紫色。

 

當(dāng)我們說“一個東西的表面是紅色”的時候，這是正常人的定性描述，換成喜歡定量描述（裝X）工程師會怎么說呢？“這個東西表面特性會選擇性反射一種電磁波，這種電磁波波長約700納米，波動頻率 約赫茲”。

 

 

那頻譜分析是什么呢？它是一種將復(fù)雜號分解為較簡單信號的技術(shù)，許多物理信號均可以表示為許多不同頻率簡單信號的和，找出一個信號在不同頻率下的信息（可能是幅度、功率、強(qiáng)度或相位等）的作法就是頻譜分析。比如通過一個三棱鏡就可進(jìn)行色散試驗，將白光分解成頻率各不相同的單色光，我們經(jīng)常在雨后見到的彩虹也是一種色散現(xiàn)象。

 

 

在傅里葉變換背后到底有什么小秘密 這篇文章中，我們介紹了傅里葉變換概念，它是頻譜分析的基礎(chǔ)，這篇文章中介紹了復(fù)指數(shù)函數(shù)是如何構(gòu)成一個完備正交基的，以及如何進(jìn)行傅里葉變換及其逆變換。但是，說這么多，頻譜分析和隨機(jī)信號有什么關(guān)系？
 

二、時域、頻域之間功率守恒？

 

頻譜分析和平穩(wěn)隨機(jī)信號可以通過一個叫“帕斯瓦定理”的公式聯(lián)系起來，一個經(jīng)常被低估的定理，大概長這個樣子：

 

 

其中 是 的傅里葉變換，這個公式看著還挺對稱，被積函數(shù)都是自變量的平方，貌似蘊含著什么深刻的意義。翻譯過來，這個定理說的是什么事呢？那就是信號的能量（或者平均功率）無論在時域看，還是在頻域看，都是一樣的。

 

人類習(xí)慣于在時域觀察一個信號，那會不會存在另一個物種或者空間，他們喜歡在頻域觀察呢？但無論如何，帕斯瓦定理告訴我們，不論頻域還是時域，信號所代表的能量是守恒的，而守恒的本質(zhì)是對稱性，那是不是預(yù)示著時域和頻域有著某種高度的對稱呢？

 

好了，扯遠(yuǎn)了，哲學(xué)上的事情不歸工程師管，我們要所的事情就是如何定量化的的去描述不確定的東西，比如隨機(jī)信號。前面我們說了，平穩(wěn)隨機(jī)信號 的幅值是呈現(xiàn)正太分布的，其平均值接近為零（或去除直流分量后），均方值或方差（也就是平均功率）是固定的，既然平均功率（或能量）在時域和頻域是守恒的，而在時域 是隨機(jī)的，不可描述，那我們可以換到頻域去?。?/div>