故障特征提取——基于稀疏快速傅里叶变换的时频分析(SFFT)

最新推荐文章于 2023-12-28 15:36:20 发布

菜鸡的鼻祖

最新推荐文章于 2023-12-28 15:36:20 发布

阅读量5.3k

点赞数 2

分类专栏：电动机故障检测

本文链接：https://blog.csdn.net/qq_32486393/article/details/87634135

版权

本文介绍了稀疏快速傅里叶变换（SFFT）算法，它利用信号频域稀疏性提高变换效率。相较于传统FFT，SFFT在时频分析中能更高效地定位非零系数，从而提升分析效率。通过三步法（识别非零系数位置、估计值、迭代更新）实现SFFT，并讨论了其在极度稀疏和一般稀疏信号中的应用效果。

摘要由CSDN通过智能技术生成

提出背景

＃＃＃　　
　　从现有的参考文献来看，国内外学者着重于对时频分析技术的时间分辨率或频率分辨率做出改善，对于提高时频分析效率的研究较少。研究指出稀疏傅里叶变换算法较传统的快速傅里叶变换算法更加高效，而目前使用稀疏傅里叶变换算法替换传统的快速傅里叶变换算法实现信号时频分析的文献几乎没有。
　　稀疏傅里叶变换作为一种新型傅里叶变换方法，其实现过程中主要利用信号频域稀疏的特性。较之于压缩感知，其变换域的使用相对是受限的。
　　稀疏傅里叶变换算法通过某种查找算法定位出信号频谱中非零系数(重要系数)的位置及其对应的系数值，实现信号的快速傅里叶变换。与传统傅里叶变换方法相比，稀疏傅里叶变换方法更加高效、快捷。
　　时频分析方法作为传统傅里叶变换方法的拓展，其实现过程中仍需对信号做傅里叶变换处理。而稀疏傅里叶变换作为传统傅里叶变换的改进，其变换效率也得到了大幅度的提升。若将其应用至时频分析中，将大幅度提升时频分析的效率。

实现原理

＃＃＃
　　总结了稀疏傅里叶变换的基本方法，提出了稀疏傅里叶变换三步法的概念，现存的稀疏傅里叶变换方法多为此法。
　　第一步，识别出非零系数或重要系数的位置。
　　第二步，估计出对应位置的值。
　　第三步，从信号中对应第一步的位置减去第二步所得值，然后返回第一步继续执行，直至得到所有非零系数或重要系数的位置及其值。