matlab信号预处理方法,振动信号预处理方法研究及其MATLAB实现

学运算从所采集的离散信号中选取感兴趣的一部分信号进行相应的滤波处理。它的主要作用是滤除测试信号中的噪声或虚假成分、提高信噪比、平滑分析数据、抑制干扰信号、分离频率分量。

这些预处理方法对于旋转机械的诊断,有着十分显著的作用。而其中数字滤波器对处理随机信号也显得很困难。对于以地震为代表的随机信号,这些信号预处理方法却存在着一定的不足,原因是这些随机信号中存在着许多具有重要的瞬态突变信号。对这些信号进行分析时,往往要去除一些高频信号的干扰,上述预处理方法在去除高频信号的同时,或者减弱了突变信号,或者改变了突变信号的幅值分布。这样,这些方法必然影响了后续分析方法的精度。

振动信号预处理主要包括两方面:一是减少或消除采集数据中的干扰成分,如多项式趋势项;二是对原始信号做适当的数据平滑处理。所谓多项式趋势项就是在随机振动中存在的线性项或长周期的非线性成分。多项式趋势项主要是针对随机信号的,但在确定性信号中也存在趋势项。趋势项的存在,会使时域相关分析产生较大的误差,甚至使频域频谱产生严重的失真。另外,由于随机干扰信号频带宽,高频成分有时所占比例大,曲线呈现大范围的毛刺,,,消除多项式趋。这两种振动信号预处理方法为振动信号的预处理提供了新的途径,它们可以在最大限度的保留实测信号的前提下,对振动信号进行光滑处理,从而去除高频噪声干扰。

测试数据与数学模型的最佳拟合。最小二乘法既可以消除数字信号中的线性趋势项,又可消除非线性高阶多项式趋势项。

数据采集系统得到的振动信号为{xk}(k=1,2,…,N),是按等时间间隔采样,令采样时间间隔Δt=T,为算法推导方便,这里取T=1。选择M阶次多项式x^k来拟合采样信号

xk,则有:

xk=

M

∑ak

i

i=0

i

=x^k,(i=0,1,…,M)(1)

根据最小二乘法原理,选择合适的系数ai(i=0,1,…,

M),使x^k和xk间的误差平方和最小,其误差平