是否存在通过在频域中观察来确定信号本底噪声的公认方法?是对所有bin或中位数求平均值,还是对一些更复杂的计算(如下面的问题所述)进行平均?

确定频率峰值的最佳标准是什么?

我想确定本底噪声,以设置一个阈值来确定我的信号是否包含给定频率。

评论

噪音有什么特点?是白色还是彩色?

白噪声,尽管我很想听听其他颜色的答案也有不同。

白噪声更容易表征,因为您希望白噪声在频域内保持平坦。我之前应该问过,但是您的信号有什么特点?信号和噪声填充了多少频带?信号始终存在,还是只有机会观察到噪音?

信号由进行FFT时落在中心频段的频率组成(无频谱泄漏)。忽略噪声和通道效应,每个频率要么最大,要么在本底噪声。如果可能的n个频率中有四个处于“打开”状态,则每个频率应具有整个信号功率的1/4(再次忽略本底噪声)

@DanSandberg:没有窗口功能,Parseval定理可让您直接从其他域计算时间或频率上的能量。对于Python的fft函数,例如:rms(fft(x))/ sqrt(n)= rms(x)示例因此,您必须确定信号在频域中的外观,将其删除,测量剩余值,并乘以sqrt(n)以得出RMS噪声本底。例如,

#1 楼

您需要根据用于获取数据的频域表示形式的窗口类型来规范化数据。归一化取决于测量的是窄带(信号峰值)还是宽带(噪声)信号。将数据正确归一化后,可以直接从数据中读取窄带信号的功率。必须从归一化频率数据的“本底噪声”估算噪声测量值。您的噪声功率估计将比本底噪声小6dB。要进行详细讨论,请点击以下链接:http://www.fhnw.ch/technik/ime/publikationen

下载论文“如何使用FFT用于信号和噪声的模拟和测量”。

#2 楼

由于您的噪声是高斯噪声,因此其功率谱是平坦的。您可能会有一些信号频谱峰值,因此应避免使用。我会提出功率谱样本的中位数或功率谱样本的alpha修整平均值,或者最终提出四分位数间平均值。所有这些估计都是可靠的,您可以选择最合适的任何一个。