信号处理
文章平均质量分 72
cofisher
这个作者很懒,什么都没留下…
展开
-
粒子滤波(PF)原理详解
文章目录背景介绍动态模型卡尔曼滤波重要性采样蒙特卡洛采样法重要性采样基本原理将重要性采样引入filtering问题序列重要性采样基本粒子滤波算法SIR Filter背景介绍在引入粒子滤波之前,有必要对其相关知识进行介绍。动态模型动态模型的一个主要特点是在概率模型中引入时间序列的概念,使得每个样本之间不再独立同分布,而变得有依赖关系了。我们所看到的序列被称为观测序列,每个观测值背后都有一个隐变量,这个隐变量即系统状态,因此,动态模型又称为状态空间模型。动态模型又分为三大类:隐马尔科夫模型(隐变原创 2022-04-02 00:01:47 · 11027 阅读 · 2 评论 -
经验小波变换(EWT)理论基础
项目说明在信号分解领域,经验模态分解(EMD)十分经典,它基于信号特征自动地将信号分解为一组有限数目的 IMF 分量,在处理非线性和非平稳信号方面表现尤为出色,得到了广大学者的青睐。如今,EMD 方法在多个领域广泛应用,但是,在应用过程中会出现过包络、欠包络以及不同程度的端点效应和模态混叠问题,这给信号分解带来了许多问题。EWT 是 Gilles 于 2013 年提出的非平稳信号处理方法,它融合了 EMD 方法的自适应分解理念和小波变换理论的紧支撑框架,为信号处理提供了一种全新的自适应时频分析思路。相比原创 2021-08-24 00:35:59 · 25687 阅读 · 11 评论 -
局部均值分解(LMD)详解
项目介绍局部均值分解(LMD)作为近年来出现的一种新的自适应时频分析方法,能够依据信号的自身特点将复杂的多分量调幅调频信号分解为有限个的单分量调幅调频信号之和,进而求取瞬时频率和瞬时幅值并进行组合,得到原始信号完整的时频分布。与经验模态分解方法相比,在端点效应、虚假分量、过包络和欠包络等问题方面有所改善。本文旨在介绍LMD的基本原理和实现流程。调制信号在介绍LMD之前,有必要对调制信号的概念进行说明,因为LMD的目的是将原始信号分解为调频信号及其幅值。滚动轴承发生故障时,其振动信号一般仪现出明显的非原创 2021-08-12 23:48:45 · 14494 阅读 · 1 评论 -
时域同步平均(TSA)降噪原理
项目说明旋转机械设备出现故障损伤时,振动信号中通常包含有规律性的故障特征,其提取对于设备故障诊断具有重要意义。但由于噪声干扰、传递路径衰减、多振源耦合等因素,往往需要对振动信号进行降噪处理,如滤波器降噪、小波阈值降噪、SVD 降噪以及经验模态分解降噪等,才能顺利提取出故障特征。此外,在旋转机械设备平稳运行工况下,适应于振动信号的周期性变化特征,时域同步平均降噪方法也得到了广泛应用。TSA 降噪原理旋转机械设备运行时的振动信号为y(t)y(t)y(t),采样时间间隔为ΔtΔtΔt,则采样振动信号为y(k原创 2021-08-10 23:13:47 · 5882 阅读 · 1 评论 -
matlab spectrogram 函数用法
项目说明介绍 matlab 中 spectrogram 函数的用法,其功能为实现短时傅里叶变换并得到信号的频谱图。语法: [S,F,T,P]=spectrogram(x,window,noverlap,nfft,fs)短时傅里叶变换短时傅里叶变换的基本原理如下:使用一个窗函数在时域信号上(有重叠地)不断平移,如下图所示:其中,window 指窗的长度,noverlap 指窗的上一个位置和下一个位置之间重叠的长度(实际上noverlap>window/2noverlap>wind原创 2021-08-05 16:40:05 · 14522 阅读 · 0 评论 -
Matlab 轴承信号仿真+分析
文章目录项目说明1、信号仿真1.1 仿真公式1.2 信号参数设置1.3 代码实现2、仿真信号分析2.1 小波变换2.2 快速谱峭度项目说明本文主要解决两个问题:1、仿真包含周期性冲击信号、随机干扰冲击信号、调制干扰信号以及随机噪声四个成分的故障轴承信号;2、使用小波变换以及快速谱峭度对该仿真信号进行分析。1、信号仿真1.1 仿真公式这里的仿真信号公式主要参考了包文杰学者的硕士论文《加权谱峭度故障诊断方法研究与应用》,列举公式如下:周期性冲击信号仿真随机干扰冲击信号仿真调制原创 2021-07-12 09:21:15 · 8302 阅读 · 2 评论 -
轴承故障诊断之快速谱峭度法 Matlab 代码说明
文章目录文章介绍代码说明1、主程序2、Fast_Kurtogram(快速谱峭度主函数)3、kurt(计算峭度)4、max_IJ(搜索最大峭度对应的信号子带)5、K_wpQ(计算峭度矩阵)6、DBFB(信号通过1/2树状滤波器)7、TBFB(信号通过1/3树状滤波器)8、K_wpQ_local(计算每层的峭度)level=3----xlevel=2----a_level3level=1----a_level2_from_a_level3level=1----d_level2_from_a_level3leve原创 2021-06-17 14:08:47 · 9491 阅读 · 11 评论 -
使用 Python 实现信号时频转换与包络分析
项目说明使用 Python 绘制一段信号的频谱与包络谱。代码实现from matplotlib import pyplot as pltimport numpy as npimport scipyimport tensorflow as tfimport os# 中文显示工具函数def set_ch(): from pylab import mpl mpl.rcParams['font.sans-serif'] = ['FangSong'] mpl.rcParam原创 2021-05-03 14:25:28 · 2595 阅读 · 0 评论 -
使用 Matlab 实现信号时频转换与包络分析
项目说明使用 Matlab 绘制一段信号的频谱与包络谱。代码实现clear;clc;%% 原始信号dt = 1/12000; % 两个点之间的时间采样间隔t = 0:dt:10;data = sin(2*pi*t);figuresubplot(311);plot(t, data);title('振动信号')%% 频域分析Fs = 12000; % 采样频率必须是dt的倒数Hz = 20*18;N = length(data); % 信号重采样的长度f = (0:原创 2021-05-03 14:21:45 · 4384 阅读 · 3 评论 -
Matlab 实现信号滤波
文章目录项目介绍代码实现1、导入信号2、加入噪声3、绘制原始信号的时域、频域4、滤波4.1 移动平均滤波4.2 中值滤波4.3 维纳滤波4.4 自适应滤波4.5 巴特沃斯滤波4.5.1 低通滤波4.5.2 高通滤波4.5.3 带通滤波项目介绍在此文章中,信号的导入、滤波以及时频转换将被介绍。代码实现1、导入信号这里我们使用三种不同频率的信号的叠加信号。clcclearfs = 1000; % 重采样频率T = 1/fs; % 周期n = 5; % 1Hz频率被分成n段N = f原创 2020-11-30 10:07:26 · 58536 阅读 · 21 评论