第四章非平稳信号处理方法的时频分析及应用.PDFVIP

第四章 非平稳信号处理方法的时频分析及应用 众所周知，任何信号可表示为不同频率的正弦波的迭加，经典的傅立叶分析能够完美地 描绘正弦信号。但对于不连续的信号，如语音信号，就难以正确地予以描绘[1] 。传统的谱分析 提供了平均的频谱系数，这些系数只与频率有关，而与时间无关。传统谱分析要求所分析的 随机过程是平稳的，即过程的统计特性不随时间的推移而改变。然而，许多随机过程从本质 上来讲是非平稳的，例如记录下来的语音或音乐的声压信号；振动中的冲击响应信号；机组 启、停机信号等等。当然，非平稳信号的谱密度也可以用传统的谱分析方法来计算，可是所 [2][3] 得到的频率分量是对信号历程平均化的计算结果，并不能恰当地反映非平稳信号的特征 。 传统的快速傅里叶变换（FFT ）方法是我们长期使用的有效工具，它是用平稳的正弦波作 为基函数ej 2π ft ( ej 2π ft cos 2πft +j sin 2πft )去变换信号x(t) ，得到其频谱X (f ) ，即 ÷∞ +∞ −j 2π ft j 2πft ∗ X (f )= ∫−∞x (t)e dt ∫−∞x (t)(e ) dt (4.1) 这里∗表示共轭，j −1 。这一变换建立了一个从时域到频域的通道。频谱X (f ) 显示了用 正弦基函数分解出包含在x(t) 中的任一正弦频率f 的总强度，是统计平均的结果，且没有任何 时间信息。为了克服傅立叶变换不能同时进行时频分析的不足，对于非平稳、非正弦的机电 设备动态信号的分析，必须寻找既能够反映时域特征又能够反映频域特征的新方法，才能提 供故障特征全貌，正确有效地进行故障诊断。作为非平稳时频分析比较有效的方法除了第三 章已介绍过的Wigner-Ville 分布以外，在本章介绍短时傅立叶变换、小波变换和小波包分析等 方法的特点及其在机电设备状态监测与故障诊断中的应用。 4.1 短时傅立叶变换 如果将非平稳过程视为由一系列短时平稳信号组成，任意一短时信号就可应用式(4.1)的傅 立叶变换进行分析。1946 年，Gabor 提出了窗口傅里叶变换概念[4] ，用一个在时间上可滑移的 时窗来进行傅里叶变换，从而实现了在时间域和频率域上都具有较好局部性的分析方法，这 种方法称为短时傅里叶变换（Short time Fourier transform, STFT）。 设h(t) 是中心位于τ 宽度有限的时窗函数，x (t) 是通过h(t) 所观察到的平稳信号。由加 * 窗信号x (t)h (t −τ) 的傅立叶变换便产生短时傅里叶变换 +∞ +∞ ∗ * −j 2πft [ j 2πft ] STFT (τ, f ) x (t) h (t −τ) e dt x (t) h(t −τ)e dt (4.1.1) x ∫−∞ ∫−∞ 这一变换将信号x (t) 影射到时频二维平面(τ, f ) 上。这里h(t −τ)ej 2πft 是STFT 的基函数。参 数f 可视为傅立叶变换中的频率，傅立叶变换中的许多性质都可应用于短时傅立叶变换。这 里，窗函数h(t) 的选取是关键。由于高斯函数的傅立叶变换仍然是高斯函数，因此，最优时 4-1 间局部化的窗函数是高斯函数。 2