2. 随机过程与宽带噪声信号基础

在随机振动与宽带噪声的联合分析中，我们面对的信号不再是确定性的正弦或周期波形，而是随时间不可预知、无法用单一解析式描述的随机过程。要建立可计算、可比较、可复现的分析框架，必须先把随机过程的基本性质、频域描述工具以及宽带噪声的时频特征梳理清楚。本节围绕平稳性、各态历经性、功率谱密度、自相关函数以及宽带噪声的时频域描述展开，并说明它们在联合分析中的角色。

一、随机过程的统计描述与平稳性

随机过程可以理解为“一族随时间变化的随机变量”。对某个固定时刻 t，X(t) 是一个随机变量；对某次具体观测，得到的是样本函数 x(t)。工程上真正关心的是它的统计量：均值 μ_X(t) = E[X(t)]、自相关函数 R_XX(t₁, t₂) = E[X(t₁)X(t₂)]，以及更高阶矩。

若均值不随时间变化，且自相关函数只依赖时间差 τ = t₂ − t₁，则称该过程为宽平稳（弱平稳）。宽平稳是绝大多数工程随机振动分析的前提假设：它意味着信号的“统计规律”不随绝对时间漂移，我们才能用一段有限长度的记录去估计稳定的谱特征。若所有阶矩都满足类似条件，则为严平稳。实际测试中，设备启动、转速变化、温度漂移等阶段往往是非平稳的，需要先截取平稳段再分析。

二、各态历经性：用一条样本代替整个集合

理论上，统计量需要对大量样本函数求集合平均。但实测中我们通常只有一条时间记录。各态历经性（遍历性）正是解决这一矛盾的关键假设：若一个平稳过程的时间平均等于其集合平均，则称该过程具有各态历经性。例如均值遍历要求

μ_X = lim(T→∞) (1/T) ∫₀ᵀ x(t) dt

自相关遍历则要求时间自相关函数收敛到集合自相关函数。工程上，只要信号在观测时间内统计特性稳定、且没有明显的周期性成分主导，通常可近似认为满足各态历经性。需要强调的是：各态历经必先平稳，但平稳不一定各态历经。若信号中含有强周期分量，时间平均会随积分起点变化，遍历性假设就会失效。

三、自相关函数与功率谱密度

自相关函数 R_XX(τ) 描述信号在时间差 τ 上的相似程度。对零均值平稳过程，R_XX(0) 等于均方值，即信号的总功率；τ 增大时 R_XX(τ) 通常衰减，衰减越快说明信号变化越剧烈、带宽越宽。若含有周期成分，R_XX(τ) 会呈现相应的周期振荡。

功率谱密度 S_XX(f) 则从频域描述功率随频率的分布。二者由维纳–辛钦定理联系：

S_XX(f) = ∫_{-∞}^{+∞} R_XX(τ) e^{-j2πfτ} dτ
R_XX(τ) = ∫_{-∞}^{+∞} S_XX(f) e^{+j2πfτ} df

这意味着自相关函数与功率谱密度是一对傅里叶变换对，时域相关性与频域功率分布互为镜像。对实信号，S_XX(f) 为实偶函数，常用单边谱 G_XX(f) = 2S_XX(f)，f ≥ 0。总功率满足

P = R_XX(0) = ∫_{-∞}^{+∞} S_XX(f) df = ∫₀^{+∞} G_XX(f) df

在联合分析中，功率谱密度是连接随机振动与宽带噪声的核心量：振动台的加速度谱、噪声源的声压谱、结构响应的传递关系，最终都通过谱密度进行叠加、传递和比较。

四、宽带噪声的时频域描述

宽带噪声的功率分布在较宽的频率范围内，没有单一主导频率。常见类型包括：白噪声，其功率谱密度在关注频带内近似常数；粉红噪声，功率谱密度与 1/f 成正比，每倍频程功率相等；带限噪声，只在某频带内有能量。时域上，宽带噪声表现为无规则的快速起伏，其自相关函数在 τ = 0 附近迅速衰减，带宽越宽衰减越快。

实际分析中，我们用有限长度 T、采样率 f_s 的离散序列估计功率谱密度。常用 Welch 法：分段加窗、计算各段周期图、再平均。关键参数包括段长 N、窗函数、重叠率。频率分辨率约为 Δf = f_s/N，而估计的归一化随机误差约与段数的平方根成反比。例如 f_s = 5120 Hz、N = 1024，则 Δf = 5 Hz；若取 50% 重叠、总长 10 s，可得约 19 段平均，谱估计的起伏明显减小。

在联合分析中，宽带噪声的时频域描述决定了如何把噪声激励与振动响应放在同一谱框架下处理：时域上通过相关函数判断延迟与相干性，频域上通过功率谱密度和传递函数计算响应谱，最终评估总均方根值、峰值因子和疲劳损伤等指标。

五、联合分析中的实际处理要点

把上述概念落到联合分析流程中，通常按以下顺序推进。首先对采集到的振动与噪声信号做平稳性检查：将长记录分成若干段，分别计算均方根值和主要谱峰位置，若各段差异在允许范围内（例如均方根值波动小于 10%），可认为近似平稳。然后选择分析带宽与频率分辨率：若关注 20 Hz～2 kHz 的宽带噪声对结构的影响，采样率至少取 5.12 kHz，段长取 1024 或 2048 点，兼顾频率分辨率与统计稳定性。

接着用 Welch 法估计各自的功率谱密度，并检查谱形是否符合预期：白噪声应近似平坦，粉红噪声应按每倍频程 3 dB 下降，若出现异常尖峰则需排查是否存在周期干扰或传感器共振。之后计算互功率谱与相干函数，判断振动与噪声之间是否存在线性传递关系；相干函数接近 1 的频带说明二者强相关，适合用传递函数建模，接近 0 的频带则可能由独立噪声源或非线性因素主导。

最后，将各频带功率按 1/3 倍频程或窄带方式汇总，得到总均方根值，并与限值或疲劳损伤模型对比。需要特别注意的是，功率谱密度估计的随机误差与平均段数有关，段数不足时谱线起伏大，容易误判峰值；而段数过多又会降低频率分辨率，可能漏掉窄带成分。实际工作中应根据关注频带宽度和允许的统计误差折中选择，并在报告中明确标注分析参数，以保证结果可复现、可比较。