数字信号处理几个问题解析.pptVIP

内容 信号的混淆 平均 动态范围 窗处理 信号混淆问题 信号混淆问题 信号混淆问题 信号混淆问题 例如，下面有一个65Hz的信号，但我们可处理的频率范围只为25Hz（这就意味着我们的采样速率为每秒64点）。结果在频谱图上这个信号是在1Hz处出现一个峰值。注：我们采4096个样，采样频率为每秒采64个样。所以频率范围为：4096/(64*2.56)=25Hz 混淆问题的解决 信号混淆问题 信号混淆问题 信号混淆问题 信号混淆问题 信号混淆问题 平均问题 平均问题 重叠平均 峰值保持平均 峰值保持的应用－启停车试验 峰值保持的应用－转速变化试验 峰值保持的应用－撞击试验 峰值保持的应用－撞击试验 时间同步平均 动态范围 动态范围 动态范围 动态范围 动态范围 动态范围 动态范围 动态范围 窗处理 窗处理 窗处理 窗处理 窗处理 窗处理 弄懂窗处理 窗口因数和分辨率 汉宁窗 Hanning 平顶窗 Flat top 海明窗 Hamming 矩形窗 Rectangular and uniform 在这个例子中，我们有一个频率范围为400Hz和一个10Hz的信号。因为这个信号在时间采样片段是整周期的，所以没有泄漏存在。 现在我们有一个10.9Hz的信号，因为这个信号在时间采样片段不是整周期的，我们在频域当中得到的是一条增宽了的谱线。你从中可以看到，尽管采样是在零点开始，但无论如何也不会在零点处结束。 选择对数座标，你会更清楚地看到由于泄漏在频谱图上对谱线产生的影响。 加宽的峰值是由于泄漏现象引起的，现在我们可以看到FFT一条谱线的能量泄漏到谱线的周围。 为了解决泄漏问题，我们实际上是改变了时间采样片段的形状，使在时间采样片段的开始和结束处的数据被剔除掉，这个过程称为加窗处理。加窗处理不会改变原有的频率成份，但它确影响频域内谱线的形状和谱线的高度。 从下图的描述中你可以看到经加窗处理后的时间采样片段，将首尾相连接后，在时间采样片段的开始或结束处已经不再有任何突然的幅值变化，从而也就没有泄漏产生。 目前有几种窗函数可供选择，每种都有不同的形状，对频域谱线也有不同的影响。“汉宁”窗是在转动机械的振动分析中最为常用的窗函数。 如果回到上面的例子，10.9Hz的信号经加窗处理后，你会看到在频谱图中它看上去要好得多。 加窗处理影响了幅值精度和频率分辨率。汉宁窗能够给出最好的频率分辨率，而平顶窗能够给出最高精度的幅值。 不同窗处理以后频率分辨率受到影响是不同的，每一个窗函数都有一个窗口因数。为了确定经窗处理以后实际的频率分辨是多少，也就是说，衡量能够区分两个相互靠得很近的频率成份的能力，你必须将频率范围与谱线数的比值再乘以窗口因数。 举例，如果频谱范围为1600Hz，谱线数为800，那么谱线间隔就是2Hz。然而，如果我们使用的是汉宁窗，它的窗口因数为1.5，所以实际的频率分辨是3Hz。所以，如果你想区分开两个间距为2Hz的谱线，你要么减少分析的频率范围，或者增加谱线数。 汉宁窗影响频谱的幅值精度比较大。如果所考察的信号在时间采样片段内是整周期的，那么，这个信号的频谱峰值正好落在谱线上，此时其频域幅值是准确的，否则其幅值将被消掉16%（1.5dB）。 有利的一点是，产生这种幅值误差人们是很清楚的，所以在大多数分析程序中都有精确计算信号谱线的频率和幅值的选项。大多数的日常自动检测系统，在将特定的振动信号峰值与报警值进行比较时，也会执行此项修正工作。 汉宁窗在机械振动分析中，是最常用的窗函数。 这是另一个可选用的窗口，称为平顶窗。它具有比较高的幅值精度，误差大约为1%（0.1dB）。然而其频率分辨率是比较低的。 因为转动机械的振动分析主要是检测关键频率成份，机械振动一般存在很多相互靠得很紧的谱线峰值，所以在这种情况最常用是汉宁窗。 * 为了弄懂混淆的问题，我们必须先关注一下采样过程，虽然来自传感器测得的信号是连续的，但是采样时间片段并不是连续的，它只是一个数字序列。我们只是可以将这些数字序列所代表的点连接起来，所构成的图形看上去象是一个波形，然后FFT分析就是利用这些数字序列样本进行它的计算。 在这个室内温度波动的曲线中我们可以看到，每30分钟波动一次。如果我们能够正确对这个温度波动曲线采样，在频谱图的30分钟处应该有一个峰值存在。但是如果我们只是