信号处理何正嘉.docVIP

信号的时域分析 信号的预处理 传感器获取的信号往往比较微弱，并伴随着各种噪声。 不同类型的传感器，其输出信号的形式也不尽相同。 为了抑制信号中的噪声，提高检测信号的信噪比，便于信息提取，须对传感器检测到的信号进行预处理。 所谓信号预处理，是指在对信号进行变换、提取、识别或评估之前，对检测信号进行的转换、滤波、放大等处理。 常用的信号预处理方法 信号类型转换 信号放大 信号滤波 去除均值 去除趋势项 理想低通滤波器具有矩形幅频特性和线性相位特性。 经典滤波器 定义：当噪声和有用信号处于不同的频带时，噪声通过滤波器将被衰减或消除，而有用信号得以保留 现代滤波器 当噪声频带和有用信号频带相互重叠时，经典滤波器就无法实现滤波功能 现代滤波器也称统计滤波器，从统计的概念出发对信号在时域进行估计，在统计指标最优的意义下，用估计值去逼近有用信号，相应的噪声也在统计最优的意义下得以减弱或消除 将连续信号转换成离散的数字序列过程就是信号的采样，它包含了离散和量化两个主要步骤 采样定理：为避免混叠，采样频率(s 必须不小于信号中最高频率(max 的两倍,一般选取采样频率(s为处理信号中最高频率的2.5～4倍 量化是对信号采样点取值进行数字化转换的过程。量化结果以一定位数的数字近似表示信号在采样点的取值。 信号采样过程须使用窗函数，将无限长信号截断成为有限长度的信号。 从理论上看，截断过程就是在时域将无限长信号乘以有限时间宽度的窗函数 数字信号的分辨率包括时间分辨率和频率分辨率 数字信号的时间分辨率即采样间隔(t ，它反映了数字信号在时域中取值点之间的细密程度 数字信号的频率分辨率为((=2(/T 频率分辨率表示了数字信号的频谱在频域中取值点之间的细密程度 常用的时域参数和指标 1) 均值；2) 均方值；3) 均方根值；4) 方差； 5) 标准差；6) 概率密度函数；7) 概率分布函数； 8) 联合概率密度函数等 有量纲参数指标包括方根幅值、平均幅值、均方幅值和峰值四种 无量纲参数指标包括了波形指标、峰值指标、脉冲指标和裕度指标 有量纲参数指标不但与机器的状态有关，且与机器的运动参数如转速、载荷等有关。 而无量纲参数指标具有对信号幅值和频率变化均不敏感的特点。这就意味着理论上它们与机器的运动条件无关，只依赖于概率密率函数的形状。 所谓相关，就是指变量之间的线性联系或相互依赖关系。 如果信号随自变量时间的取值相似，内积结果就大。反之亦然。可定义信号的相关性度量指标。 信号x(t)的自相关函数和自相关系数定义为 自相关分析的应用 信号中的周期性分量在相应的自相关函数中不会衰减，且保持了原来的周期。因此，自相关函数可从被噪声干扰的信号中找出周期成分 在用噪声诊断机器运行状态时，正常机器噪声是由大量、无序、大小近似相等的随机成分叠加的结果，因此正常机器噪声具有较宽而均匀的频谱。当机器状态异常时，随机噪声中将出现有规则、周期性的信号，其幅度要比正常噪声的幅度大得多。用噪声诊断机器故障时，依靠自相关函数 就可在噪声中发现隐藏的周期分量，确定机器的缺陷所在 互相关函数可定义为 互相关函数 的性质如下 信号的频域分析 傅里叶变换 傅里叶逆变换 可写成 | |为信号的连续幅值谱， 为信号的连续相位谱 非周期信号的幅值谱| X(w)|和周期信号的幅值谱 Cn很相似，但两者是有差别的 Cn|的量纲与信号幅值的量纲一样； | X(w)|的量纲与信号幅值的量纲不一样，它是单位频带dw上的幅值。 傅里叶变换的性质 相干函数的工程应用 (1) 判断系统输出与某特定输入的相关程度。 利用相干函数可发现系统是否还有其它输入干扰及系统的线性程度。 (2)谱估计和系统动态特性的测量精度估计。 在计算传递函数的幅频特性及相频特性时，辅以相干函数分析，可以分析出机械系统和基础振动的传递特性，为结构动态分析提供依据。 得到新的长度为N的复序列{ Rn} 对序列 {Rn}进行FFT变换，得到中心频率为Wk 带宽W2-W1的细化谱 信号调制与解调分析 当机械出现故障时，信号中包含的故障信息往往以调制的形式出现，提取调制信号的过程就是信号的解调。 由于经典的频谱分辨率低，方差性不好，频谱能量泄露，需要较长的原始数据等不足，需要建立参数模型频谱估计 随机信号Xt的参数模型频谱估计的步骤可以分为以下三步: （1） 对给定的随机信号确定合理的参数模型； （2） 根据信号的自相关函数估计所确定的模型的参数； （3） 用估计出的模型参数计算信号的功率谱密度函数。 自回归(Auto-regressi