2025《振动噪声信号的分析方法综述》1300字.docxVIP

PAGE

PAGE1

振动噪声信号的分析方法综述

目录

TOC\o1-3\h\u19514振动噪声信号的分析方法综述 1

240771傅里叶变换 1

66402短时傅里叶变换 1

18912连续小波变换 2

153954离散小波变换 3

1傅里叶变换

傅里叶分析一般使用傅里叶变换或者傅里叶级数。传统傅里叶变换具体如式（3.1）和式（3.2）。

（3.1）

（3.2）

式（3.1）和式（3.2）中，原始信号可以用表示，变换后的信号可以用表示。

不过式（3.1）和式（3.2）的使用范围有限，仅可以应用于能量有限的信号中，究其原因，是因为其机理为令周期信号的傅里叶级数无限延长。其中，可以被理解为e指数的系数，其同周期信号有区别，区别在于为有傅里叶级数中的系数乘以周期T转换而来，因此可以将此叫做频谱密度的概念。不过，于傅里叶级数相同，同样能够表示比例，这个比例为信号内所有频率的成分比例情况。所以，能够利用对的分析去确定原始信号内所有频率的成分比例情况。

2短时傅里叶变换

直接使用傅里叶变换存在很多局限性，例如时频信息使用这种方式难以获得。因此，人们便对其进行了深入研究，并发现了可以攻克这个局限性的短时傅里叶变换。

短时傅里叶变换的主要特点就是添加了一个窗函数，这个窗函数是有限支撑的，并且其在时间轴上平移。以下便进行分析，加窗傅里叶函数变换形式如式（3.3）和式（3.4）：

（3.3）

（3.4）

式（3.3）和式（3.4）中，“窗函数”为；平移因子用ｂ表示。时，则称之为Gabor变换。“窗函数”的添加，让信号的分析能够按照段来开展，其可以看做是时频分割，这也让信号分析更加细致系统，提升了剧本分析能力。

2连续小波变换

若窗函数为定值，窗口则可以看做固定窗口，频率无论如何变化，分析能力都不会变化。但在本文中，需要高频率分辨力的频率是低频，需要高时间分辨力的频率是高频。于是，连续小波变换便产生了，具体如式（3.5）：

，（3.5）

式（3.5）中，ａ为尺度因子，可以理解为傅里叶变换中的频率，其可以表示信号频率信息，实质相同。ｂ为时间因子，可以从中得出时间信息。图3-1表明了，ａ的增加让时频单元的频率分辨力增高；反之，该值降低。如此一来，这种特性正是本课题所需要的。

如果能够达成满足，就有这样的逆变换：

（3.6）

工程环境中，其还能够等价于

（3.7）

这个条件要求并不苛刻，如此一来，分析能力能够大幅度提高，逆变换也更加方便，因此连续小波变换在使用中具有很强的优势。

ａ）短时傅里叶变换时频分割ｂ）小波变换时频分割

图3.1加窗傅里叶变换和小波变换的时频分割

4离散小波变换

在实际应用的工程中，小波变换的应用并不同于理论中，实际工程中要进行离散化处理。设定存在事件t，其存在一个平移因子和尺度因子，分别表示为b和a，这两个因子均需要进行离散化处理，且还需满足进行离散化后可以正交变换和完全重构。如此一来，获得这样的小波基就很难了。很多科学家表示其并不存在，不过Daubechies等人通过研究得出，这种小波基是真实存在的，并且实际构建出了这种小波基。S·Mallat和Y·Meyer则对此进行了深化，研究得出了Mallat算法。

多分辨率分析可以理解为某L2(R)中的大量子空间，让L2(R)空间进行分解，并获得了很多子空间｛｝，其可以达成的条件，是的正交补，能够达成条件。如此的子空间的基还可以满足很多性质，这些性质包含分辨率分析性质。随后进行分解操作，即可完成任务获得小波函数。

Mallat算法中能够低通区域由组成，带通区域由组成。