Có cách nào được chấp nhận để xác định mức nhiễu của tín hiệu bằng cách xem xét nó trong miền tần số không? Đây có phải là một vấn đề trung bình của tất cả các thùng, hoặc trung bình, hoặc một số tính toán phức tạp hơn như những gì được mô tả trong câu hỏi dưới đây?
Tiêu chí tốt nhất để xác định đỉnh tần số là gì?
Tôi muốn xác định mức nhiễu để đặt ngưỡng xác định xem tín hiệu của tôi có chứa tần số cho trước hay không.
Các đặc điểm của tiếng ồn là gì? Nó có màu trắng hay màu?
—
Jason R
Tiếng ồn trắng, mặc dù tôi rất muốn nghe câu trả lời khác với các màu khác như thế nào.
—
Dan Sandberg
Tiếng ồn trắng dễ đặc trưng hơn bởi vì bạn mong đợi nó sẽ phẳng trong miền tần số. Tôi nên hỏi trước, nhưng đặc điểm của tín hiệu của bạn là gì? Bao nhiêu của dải được lấp đầy bởi tín hiệu so với nhiễu? Là tín hiệu luôn luôn xuất hiện, hoặc bạn có cơ hội chỉ quan sát tiếng ồn?
—
Jason R
Tín hiệu bao gồm các tần số rơi vào thùng trung tâm khi thực hiện FFT (không có rò rỉ quang phổ). Bỏ qua các hiệu ứng nhiễu và kênh, mỗi tần số là tối đa hoặc tại mức nhiễu. Nếu bốn trong số n tần số có thể là "bật" thì mỗi tần số sẽ có 1/4 công suất của toàn bộ tín hiệu (một lần nữa, bỏ qua tầng nhiễu)
—
Dan Sandberg
@DanSandberg: Không có chức năng cửa sổ, định lý Parseval cho phép bạn tính năng lượng theo thời gian hoặc tần số trực tiếp từ miền khác. Ví dụ, đối với hàm fft của Python:
—
endolith
rms(fft(x))/sqrt(n) = rms(x) ví dụ ở đây Vì vậy, bạn phải quyết định tín hiệu của mình trông như thế nào trong miền tần số, loại bỏ nó, đo các giá trị còn lại và nhân với sqrt (n) để lấy tầng nhiễu RMS, chẳng hạn.