信号归一化功率_[振动与测试 3] 自功率谱Autopower及幅值显示形式

79f5c41670aa529468743fc66939eb61.png
本篇给大家介绍自功率谱Autopower的含义、幅值的显示形式。最好结合上篇PSD的介绍对比来看。

LMS Test.Lab

我们拿熟悉的LMS Test.lab软件中的设置参数举例,对于Autopower的选项就有以下四种:

1、Autopowers Linear

2、Autopowers PSD

3、Autopowers Power

4、Autopowers ESD

636b15a840123f25a09609d170e989f8.png

如果不理解这四种的确切含义,那么你的分析工作的专业性就会大打折扣。下面,我们分别来介绍下:

Autopowers Power

Autopower power(也称为Autopower spectrum),就是频谱幅值的平方。由于经过傅里叶变换后的频谱函数是一个带有相位的复数形式,所以,Autopower就是自身和其共轭的乘积:

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
信号的频分布 以下是一个简单的Python代码示例,可用于利用L-S功率谱分析获取不同尺度的波形信号的频分布: ```python import numpy as np import matplotlib.pyplot as plt from astropy.stats import LombScargle # 生成示例数据 t = np.linspace(0, 10, 1000) y = np.sin(2 * np.pi * 5 * t) + 0.5 * np.sin(2 * np.pi * 20 * t) # 计算L-S功率谱 freq, power = LombScargle(t, y).autopower() # 绘制频图 plt.plot(freq, power) plt.xlabel('Frequency (Hz)') plt.ylabel('Power') plt.show() ``` 在上述代码中,我们首先使用numpy生成一个包含两个正弦波的示例数据。然后,我们使用LombScargle函数计算该数据的L-S功率谱,并将结果存储在freq和power变量中。最后,我们使用matplotlib库绘制频图。 由于示例数据包含两个不同频率的正弦波,因此频图中应该会出现两个峰值,分别对应于这两个频率。如果我们希望获得不同尺度的波形信号的频分布,只需要更改生成示例数据的方法即可。例如,我们可以使用numpy的random模块生成一个随机噪声信号,然后通过对该信号进行低通滤波来模拟一个较为平缓的波形: ```python import scipy.signal as signal # 生成随机噪声信号 t = np.linspace(0, 10, 1000) y = np.random.randn(len(t)) # 低通滤波 b, a = signal.butter(4, 0.1) y_filtered = signal.filtfilt(b, a, y) # 计算L-S功率谱 freq, power = LombScargle(t, y_filtered).autopower() # 绘制频图 plt.plot(freq, power) plt.xlabel('Frequency (Hz)') plt.ylabel('Power') plt.show() ``` 在这个示例中,我们使用numpy的random模块生成一个长度为1000的随机噪声信号,并通过调用scipy.signal.butter函数生成一个4阶低通滤波器。然后,我们使用scipy.signal.filtfilt函数对随机噪声信号进行滤波,得到一个较为平缓的信号y_filtered。最后,我们再次使用LombScargle函数计算该信号的L-S功率谱,并绘制频图。由于该信号较为平缓,因此在频图中应该会出现一个较为宽广的峰值。
评论
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