パワースペクトルの実際の作業内容-05
パワースペクトル
Labviewにおいては以下のアイコンを利用します
オートパワースペクトル
なぜ,”オート”なのかは不明です..
面白いことに,ヘルプを見ると,
------------------------------------------------------------
パワースペクトルは、単側パワースペクトルを返します。
入力信号がボルト(V)の場合、パワースペクトルは電圧の二乗(Vrms2)の単位で表されます。
------------------------------------------------------------
パワースペクトルの縦軸の単位は,V2/Hz,だったはず...
たぶん,想像ですが,離散的な確率分布となるために,dfを掛けたものになっているのではないかと想像できます.
ただ,今後,異なるdfの波形を合成することもあり,以下に示すスペクトルはdfで割ったものとなります.
・一様ホワイトノイズ
前ページで作成した実波形,
サンプル(サンプル数):2048
振幅 :1
dt(このアイコン内での設定ではないですが) : 0.5 ms
で生成した波形に対して,
FFTサンプル数 : 2048
でパワースペクトルを計算すると,
となります.左右とも同じデータで,右図は両対数をとっています.
両対数プロットではなんとか周波数によらない一定のパワーの様子が見て取れますが,かなりノイジーです(ノイズのノイズ?).
この,ノイズのノイズ,は複数回加算平均をとることで減らすことができます,パワースペクトルは位相情報を持たないので,加算しても本来のノイズ情報が失われないからです.
1,000回加算平均をとると,
と,かなりクリアな,周波数によらない一定の値となる結果となります.
この平均値は,0.000333 (V2/Hz),と計算できますので,全積分(単側パワースペクトルなので,0~∞)をとると,
\(\Large \displaystyle <パワー密度> = 0.000333 \)
\(\Large \displaystyle df = \frac{S_{freq}}{n} = \frac{1}{S_{time}} = \frac{0.0005}{2048} = 0.9766\)
\(\Large \displaystyle f_{number} = \frac{n}{2} =\frac{2048}{2} = 1024\)
となるので,
\(\Large \displaystyle <x^2>=<パワー密度> \times df \times f_{number} = 0.000333 \times 0.9766 \times 1024 = 0.333 \)
と前ページの計算結果と一致します.
・ガウスホワイトノイズ
サンプル(サンプル数):2048
標準偏差 :1
dt(このアイコン内での設定ではないですが) : 0.5 ms
で生成した波形に対して,
FFTサンプル数 : 2048
でパワースペクトルを計算すると
となります.左右とも同じデータで,右図は両対数をとっています.
一様ホワイトノイズと同様に,両対数プロットではなんとか周波数によらない一定のパワーの様子が見て取れますが,かなりノイジーです(ノイズのノイズ?).
1,000回加算平均をとると,
この平均値は,0.001001 (V2/Hz),と計算できますので,全積分(単側パワースペクトルなので,0~∞)をとると,
\(\Large \displaystyle <パワー密度> = 0.001001 \)
\(\Large \displaystyle df = \frac{S_{freq}}{n} = \frac{1}{S_{time}} = \frac{0.0005}{2048} = 0.9766\)
\(\Large \displaystyle f_{number} = \frac{n}{2} =\frac{2048}{2} = 1024\)
となるので,
\(\Large \displaystyle <x^2>=<パワー密度> \times df \times f_{number} = 0.001001 \times 0.9766 \times 1024 = 1.001 \)
と設定した標準偏差の二乗と一致します.
ガウスホワイトノイズなので,ブラウン運動様式なのかと最初思っていましたが,”ガウス分布に従う直近の記憶によらないゆらぎ”,なのでホワイトノイズ様になるのでしょう.
(非マルコフ,というのだろうか?)
・逆fノイズ波形
1/fノイズ(ピンクノイズ)を生成するために,
サンプル(サンプル数) :2048
ノイズ密度(これはよくわかりません...) :0.1
指数(たぶん,f^(-n)のnのこと) : 1
dt(このアイコン内での設定ではないですが) : 0.5 ms
で生成した波形に対して,
FFTサンプル数 : 2048
でパワースペクトルを計算すると
となります.左右とも同じデータで,右図は両対数をとっています.
一様ホワイトノイズと同様に,両対数プロットではなんとか周波数によらない一定のパワーの様子が見て取れますが,かなりノイジーです(ノイズのノイズ?).
1,000回加算平均をとると,
となり,両対数プロットをとると,直線状に減衰していることがわかります(高周波では寝てきている理由はわかりません).
直線エリアのみで近似してみると,
と低周波領域が若干外れていますが,傾きが,-1.00387,となり,1/f,で減衰していることがわかります.
このように,パワースペクトルを計算することにより,ゆらぎの大きさ(分散),減衰の傾き,などを推定することができます.
では,次に両対数プロットをとったところの問題点,解決策を考えていきましょう.