信号处理

傅立叶分析：傅立叶分析是将原始信号分解成不同频率的成分的正弦波，或者说是将时域信号转变为频域信号的一种数学方法。但是FFT分析有比较严重的缺陷

首先，时域信号变换为频域信号时丢失了时间信息，这样我们在观察频域图时就不能看到事件是在什么时间发生的。

另外，FFT是建立在信号的平稳假设基础上的，所以严格的说，FFT只适应于对平稳信号的分析。

其次，FFT分析其实质是一种线性变换方法，在大型旋转机械故障情况下会表现出较强的非线性，这时采用FFT分析对它们进行处理。

短时傅立叶变换：短时傅立叶变换（STFT）又称加窗傅立叶变换，它是将信号乘以一个滑动的窗函数然后对窗内信号h(t-tao)进行傅立叶变换,其定义为：

STFTf(w,tao)=f(t)h*(t-tao)e-jwtdt在正负无穷之间的积分

式中，*表示复共轭，h(t)可采用Hamming,Hanning,Gabor等窗函数，随着τ的移动，得到一组原信号的“局部”频谱，从而能够反映非平稳信号的时-频分布特征。由式中可以看出STFT具有时域局部化功能，h(t-tao)在时域中是滑动窗，在频域中相当于带通滤波器;STFT可以分析非平稳动态信号，由于其基础是傅立叶变换，所以更适合分析准平稳信号；在STFT计算中，当选定h(t)，则时频分辨率保持不变；但同样可以看出，STFT缺乏细化能力，反映强烈瞬变信号的非平稳性功能不足。STFT提供了同时在时域和频域内观察信号的方法，然而由于滑动窗口的长度对所有频率成分是固定的，因此STFT只能保证有限的精度，它对于剧烈变化的瞬变信号分析仍存在较大误差。

 

白噪声的概念：白噪声，指功率谱密度函数为常数的噪声，或者说功率在频域内均匀分布，“白”是借用光谱学的概念，因为白光是复合光，包括一切波长的光。 白噪声是仅是一个理想化的概念，如果噪声的功率谱密度函数仅在一定频率范围内为常数，而所要考虑的系统带宽在这个频率范围内、又远小于这个频率范围，此时的噪声就可以作为白噪声处理。 提到“高斯噪声”，它经常和“白噪声”用在一起。然而它们是两个不同的概念。“高斯噪声”指电压或电流的幅度的概率密度符合高斯分布（即正态分布）的噪声。 高斯噪声和白噪声，是从不同的角度来界定噪声的，二者没有必然的联系，高斯噪声不一定是白噪声，反之亦然。如果既是高斯噪声又是白噪声那么就叫做“高斯白噪声”。 高斯白噪声是一类典型的噪声，在信号或系统的噪声分析及噪声中信号的检测中，经常作为理想的噪声模型。

 

分析频率/采样点数/谱线数的设置要点