주파수 영역에서 신호의 노이즈 플로어 결정

주파수 영역에서 신호를보고 신호의 노이즈 플로어를 결정하는 적절한 방법이 있습니까? 모든 빈 또는 평균 또는 아래 질문에 설명 된 것과 같은 좀 더 복잡한 계산의 평균입니까?

주파수 피크를 결정하는 가장 좋은 기준은 무엇입니까?

신호에 주어진 주파수가 포함되어 있는지 여부를 결정하기위한 임계 값을 설정하기 위해 노이즈 플로어를 결정하고 싶습니다.

frequency-domain

— 댄 샌드버그
소스

소음의 특징은 무엇입니까? 흰색입니까, 아니면 색입니까?

— Jason R

화이트 노이즈이지만 다른 색상에 대한 대답이 어떻게 다른지 듣고 싶습니다.

— Dan Sandberg

화이트 노이즈는 주파수 영역에서 평탄 할 것으로 예상되므로 특성화하기가 더 쉽습니다. 전에 물어 봤어야했는데 신호의 특성은 무엇입니까? 신호 대 노이즈로 얼마나 많은 대역이 채워 집니까? 신호가 항상 존재합니까, 아니면 잡음 만 관찰 할 수 있습니까?

— Jason R

신호는 FFT (스펙트럼 누출 없음)를 수행 할 때 센터 빈에 떨어지는 주파수로 구성됩니다. 노이즈 및 채널 효과를 무시하면 각 주파수가 최대 또는 노이즈 층에 있습니다. 가능한 n 개의 주파수 중 4 개의 주파수가 "온"인 경우, 각 주파수는 전체 신호 전력의 1/4 (잡음 플로어를 무시 함)의

— Dan Sandberg

@DanSandberg : 윈도 잉 기능이없는 Parseval의 정리를 사용하면 다른 도메인에서 직접 시간 또는 주파수의 에너지를 계산할 수 있습니다. 예를 들어 Python의 fft 함수의 경우 : rms(fft(x))/sqrt(n) = rms(x) 예제 여기 에서 주파수 영역에서 신호의 모양을 결정하고 제거하고 남은 값을 측정 한 다음 sqrt (n)을 곱하여 RMS 노이즈 플로어를 가져와야합니다.

— endolith

답변:

데이터의 주파수 영역 표현을 얻기 위해 사용중인 창의 유형에 따라 데이터를 정규화해야합니다. 협 대역 (신호 피크) 또는 광대역 (잡음) 신호 측정 여부에 따라 정규화가 달라집니다. 데이터가 올바르게 정규화되면 협 대역 신호의 전력을 데이터에서 직접 읽을 수 있습니다. 노이즈 측정은 정규화 된 주파수 데이터의 "노이즈 플로어"에서 추정해야합니다. 소음 전력 추정치는 잡음 플로어보다 6dB 작습니다. 자세한 논의는

이 링크로 이동하십시오 : http://www.fhnw.ch/technik/ime/publikationen

""신호 및 노이즈 시뮬레이션 및 측정에 FFT 사용 방법 "문서를 다운로드하십시오.

— 사용자 2718
소스

잡음이 가우스이기 때문에 전력 스펙트럼이 평평합니다. 일부 신호 스펙트럼 피크가있을 수 있으므로 피해야합니다. 나는 전력 스펙트럼 샘플의 중간 또는 전력 스펙트럼 샘플의 알파 트림 평균 또는 궁극적으로 사 분위 간 평균을 제안 할 것이다. 이러한 모든 추정치는 견고하므로 가장 적합한 것을 선택할 수 있습니다.

— mbaitoff
소스