一个简单的波形包络提取算法

 

2014年07月29日 11:23:15 liyuanbhu 阅读数:21191更多

个人分类: 机械故障声学诊断数字信号处理

最近做项目要提取一个声音信号的包络波形,所以花了点时间研究各种包络提取的算法。

所谓包络检测又叫幅度解调,在许多领域都有重要的应用。如果载波信号是确定的,那么通常可以采用同步解调的方式,这种方式的信噪比最好,对信号中混入的噪声的抑制能力最强。所谓同步解调是通讯领域通常的叫法。在信号检测领域,这种方式通常称为“相敏检波”,锁相放大器(Lock-in Amplifier)就是这种方式最典型的例子。

如果载波比较乱,就像我现在的应用场景,要提取噪声的幅度随时间变化的规律,那么包络检波法会更适宜。我这里的代码就是采用的包络检波法。

包络检波法的基本原理可以看下面这个电路图,这个是最基本的半波包络检波。

 

当 Ui(t) > Uo(t-) 时 Uo(t) = Ui(t)

当 Ui(t) < Uo(t-) 时

RC dUo/dt = Uo

化成差分方程为:

把这个过程用程序来实现就有了下面的代码。

 

/**

* 包络检波,模拟了硬件半波检波的过程

* rc = 0 时初始化

**/

double env_1(double x, double rct)

{

static double old_y = 0.0;

if(rct == 0.0)

{

old_y = 0.0;

}

else

{

if(x > old_y)

{

old_y = x;

}

else

{

old_y *= rct / ( rct + 1 );

}

}

return old_y;

}

 

void env_2(double x[], double y[], int N, double rct)

{

double xx = 0.0;

int i;

y[0] = fabs(x[0]);

for(i = 1; i < N; i++)

{

if( x[i] > y[i-1])

{

y[i] = x[i];

}

else

{

y[i] = y[i-1] * rct / ( rct + 1 );

}

}

}

 

上面是半波检测的代码,只要稍微增加几行,就能实现全波检测。

 

/**

* 包络检波,模拟了硬件全波检波的过程

* rc = 0 时初始化

**/

double env_3(double x, double rct)

{

static double old_y = 0.0;

if(rct == 0.0)

{

old_y = 0.0;

}

else

{

x = fabs(x);

if(x > old_y)

{

old_y = x;

}

else

{

old_y *= rct / ( rct + 1 );

}

}

return old_y;

}

void env_4(double x[], double y[], int N, double rct)

{

double xx = 0.0;

int i;

y[0] = fabs(x[0]);

for(i = 1; i < N; i++)

{

xx = fabs(x[i]);

if( xx > y[i-1])

{

y[i] = xx;

}

else

{

y[i] = y[i-1] * rct / ( rct + 1 );

}

}

}

 

这个代码中有个参数 rct,对应的是硬件电路中的RC时间常数,要根据待检测的包络信号的频带来确定。

下面是用这个代码实际提取包络的算例。可以看出这个代码的效果还是蛮不错的。(比采用Hilbert 变换得到的结果还要好)

下面是C++的代码,功能相同。

 

 

/**

* 包络检波功能,模拟了硬件半波检波和全波检波功能

*/

class env_detect

{

private:

double m_rct;

double m_old;

public:

env_detect(){m_rct = 100.0, m_old = 0.0;};

void init(double rct);

double env_half(double in);

void env_half(double in[], double out[], int N);

double env_full(double in);

void env_full(double in[], double out[], int N);

};

 

 

/** \brief 初始化

*

* \param rct 为RC低通滤波的时间常数

* \return

*/

void env_detect::init(double rct)

{

m_rct = rct;

m_old = 0.0;

}

 

/** \brief 半波包络检测

*

* \param in 输入波形,每次传入一个数据点

* \return 输出波形

*/

double env_detect::env_half(double in)

{

if(in > m_old)

{

m_old = in;

}

else

{

m_old *= m_rct / ( m_rct + 1 );

}

return m_old;

}

/** \brief 半波包络检测

*

* \param in[] 输入波形

* \param N 数组的点数

* \param out[] 输出波形

* \return

*/

void env_detect::env_half(double in[], double out[], int N)

{

for(int i = 0; i < N; i++)

{

if( in[i] > m_old)

{

m_old = in[i];

out[i] = m_old;

}

else

{

m_old *= m_rct / ( m_rct + 1 );

out[i] = m_old;

}

}

}

 

/** \brief 全波包络检测

*

* \param in 输入波形,每次传入一个数据点

* \return 输出波形

*/

double env_detect::env_full(double in)

{

double abs_in = fabs(in);

if(abs_in > m_old)

{

m_old = abs_in;

}

else

{

m_old *= m_rct / ( m_rct + 1 );

}

return m_old;

}

/** \brief 全波包络检测

*

* \param in[] 输入波形

* \param N 数组的点数

* \param out[] 输出波形

* \return

*/

void env_detect::env_full(double in[], double out[], int N)

{

double abs_in;

for(int i = 0; i < N; i++)

{

abs_in = fabs(in[i]);

if( abs_in > m_old)

{

m_old = abs_in;

out[i] = m_old;

}

else

{

m_old *= m_rct / ( m_rct + 1 );

out[i] = m_old;

}

}

}

 

 

2、峰值提取

得到包络曲线后,常需要对峰值进行提取。一个是逐级扫描,扫描的依据就是斜率的变化,好处是绝对值比较,可以避免极值在平滑处 的影响;还有一个就是抓住问题精髓,将斜率变化,转化为求导 处理,缺点是在峰不明锐的时候,同一点会有多个值,需要对数据的幅度放大,滤波。

逐级斜率扫描matlab代码如下

 

 

function [t,px pk vx valley]=exseek(curv,wd,th)

%%输入一维数组和滤波宽度wd(推荐值50),输出峰值pk和位置px

a=zeros(size(curv));

a(2:end)=diff(curv);

n=length(a)-1;

k=1;j=1;

px=[];pk=[];vx=[];valley=[];t=[];

b=zeros(3*n+1,1);b(1:n)=a(1:end-1);b(n+1:2*n+1)=a;b(2*n+2:end)=a(2:end);

 

for i=(wd+1):(3*n+1-wd)

temp=b((i-wd):(i+wd));

if b(i)==max(temp)&&b(i)>th

pk(k)=b(i);

px(k)=i;

k=k+1;

end

if b(i)==min(temp)&&b(i)<-th

valley(j)=b(i);

vx(j)=i-1;

j=j+1;

end

end

 

if ~isempty(px)

if length(px)==length(vx)

if px(1)<vx(1)

t=px/2+vx/2;

elseif px(1)>vx(1)

t=px(1:end-1)/2+vx(2:end)/2;

else

msgbox('px(1)与vx(1)重合,请检查')

end

else

msgbox('px与vx数目不等,请检查')

end

end

t=t-n-1;

t(t<n)=[];t(t>2*n+1)=[];

plot(a);hold on

if ~isempty(px)

for j=1:length(pk)

plot(px(j),pk(j),'or')

end

end

if ~isempty(vx)

for j=1:length(vx)

plot(vx(j),valley(j),'*g')

plot(t(j),0,'.r')

end

end

hold off


第二种方法matlab代码如下

 

 

x = 0:.1:4*pi;

y = @(x) sin(x)./cos(x);

 

y0 = y(x);

yy1 = diff(y0);

yy1 = sign(yy1);

yy1 = diff(yy1);

f = find(yy1<0)+1; % 峰

g = find(yy1>0)+1; % 谷

 

hold on;

plot(x,y0);

plot(x(f),y(x(f)),'ro');

plot(x(g),y(x(g)),'go');

hold off;

grid on;

  • 10
    点赞
  • 67
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Matlab包络提取算法是一种用于提取信号的包络特征的算法。其主要思想是从信号中提取出慢变化的包络部分,而滤除高频部分,以便更好地分析信号的整体趋势和周期性。下面我将详细介绍Matlab包络提取算法的基本原理和实现步骤。 Matlab包络提取算法的基本原理是通过对信号进行一系列的信号处理步骤来提取信号的包络特征。其中最常用的方法之一是采用Hilbert变换。Hilbert变换是一种能够提取信号包络的常用方法,其本质是通过将原始信号与一个90°相位差的虚数信号相乘,实现对信号频谱的平移。通过对得到的信号进行低通滤波,就可以提取出信号的包络。 实现Matlab包络提取算法的步骤如下: 1. 将待处理的信号读入Matlab环境,并进行必要的预处理,例如去除噪声、归一化等。 2. 对信号进行Hilbert变换,得到复信号。 3. 取复信号的模值,得到信号的包络曲线。 4. 对包络曲线进行低通滤波,滤除高频噪声。 5. 可选步骤:对滤波后的包络曲线进行平滑处理,以消除突变或震荡。 通过以上步骤,我们就可以得到信号的包络曲线,从而更好地分析信号的整体特征和周期性变化。Matlab提供了丰富的信号处理工具和函数,可以方便地实现这些步骤。 总之,Matlab包络提取算法是一种常用的信号处理方法,通过Hilbert变换和低通滤波等步骤,可以有效地提取信号的包络特征,为信号分析和处理提供更准确的基础。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值