振动信号预处理方法-平滑处理及其MATLAB实现

本科生毕业论文

振动信号预处理方法-平滑处理及其MATLAB实现

作者姓名

学院：机电工程学院

专业：

班级：

学号：

指导教师：

职称（或学位）：

2016年5月1

原创性声明

本人郑重声明：所呈交的论文（设计），是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文（设计）不含任何其他个人或集体已经发表或撰写过的作品成果。对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。

学生签名：年月日

指导声明

本人指导的同学的毕业论文（设计）题目大小、难度适当，且符合该同学所学专业的培养目标的要求。本人在指导过程中，通过网上文献搜索及文献比对等方式，对其毕业论文（设计）内容进行了检查，未发现抄袭现象，特此声明。

指导教师签名：年月日

目录

1 绪论 (1)

2 振动信号预处理算法分析 (1)

2.1 算术平均值法 (2)

2.2 加权平均值法 (2)

2.3 中值法 (3)

2.4 滑动平均值法 (3)

2.5 五点三次平滑法 (4)

2.6 模糊控制算法 (6)

3 基于MATLAB的振动信号平滑处理 (6)

3.1 MATLAB简介 (6)

3.2 算例 (6)

3.3 计算代码 (7)

3.4 算法机理 (8)

4 结果分析 (9)

5 总结 (10)

致谢： (11)

参考文献： (11)

振动信号预处理方法-平滑处理及其MATLAB

实现

作者姓名（宋体四号，居中）

（机电工程学院指导教师：XXX）(楷体五号，居中)

摘要：进行振动信号测试时往往由于外界干扰的存在，使得测量信号不光滑，质量差，严重时后续分析难以展开，可见振动信号预处理是必要的步骤。本文对振动信号预处理算法进行详细分析，讨论若干种平滑处理算法，并以五点三次平滑法与滑动平均值法为例，具体讨论了平滑处理的流程。结果表明结果表明五点滑动平均法与五点三次平滑法两种算法都简单明了，可以以很小的计算量实现良好预处理效果，提高振动信号质量。两种算法都是有效的预处理方法，借助于MATLAB软件平台实现简便，因此有很强的实用价值。

关键词：振动信号；平滑处理；平均值；MATLAB

Vibration signal preprocessing methods - smoothing processing by

MATLAB

Name of author

College of Mechanical and Electrical Engineering, Advisor: XXX

Abstract:When the vibration signal is tested, the measurement signal is not smooth and low quality because of outside interference. If the situation is serious, it is difficult to carry out subsequent analysis, so vibration signal preprocessing step is necessary.This paper will dicuss the vibration signal preprocessing algorithm by the smoothing algorithms and five cubic smoothing the sliding average method. The result show that the two algorithms of five-point moving average and three fiver-point smoothing are both simple ,achieve good pretreatment effect with small amout of computation, imrove the quality of vibration signal. Both algorithms are effective pretreatment methods by using MATLAB software platform, which has a strong practical value. Keywords: Vibration signal; smoothing; mean; MATLAB

1 绪论

振动是自然界普遍存在的现象，大到地震、海啸等宏观振动，小到粒子热运动、布朗运动等微观运动。对于两个固有频率相同的物体，当一个物体发生振动时将导致另外一个物体产生相同频率振动，该现象即为共振，共振对于人类生产生活同时带来好处与危害。如何合理利用有利振动的同时克服有害振动，是人们普遍关注的问题。为更好地掌握振动规律，振动测试是必不可少的环节。

但是在振动测试过程中，往往存在多种干扰，导致测试系统得到的数据并不准确，将偏离真实数值。因此在完成振动信号测试之后，应当对采集得到的数据进行预处理，进而提高数据的真实性与可用性，并分析振动信号的随机性，从而确定具体的处理手段。仪器分析过程中为了掌握信号参数，提高信噪比，常常要求进行曲线平滑、信号求导等一系列操作。实际振动信号测试过程中，小波动往往因为随机误差而产生，同时大的波动一般拥有有用信息。为此平滑技术有重要意义。早分析仪器的平滑技术中，大多是基于最小二乘多项式平滑的。

通常经过数据采集器采样获得的振动信号大多有多种噪声，除了50Hz的工频及倍频程以外，还包含不规则的随机干扰信号，此类干扰信号频带宽，且高频成分多，使得最终得到的振动曲线出现很多毛刺，为提高振动曲线光滑度，平滑处理是极为有效的方法之一。本文将对振动信号的预处理方法进行分析，并详细讨论平均法与五点三次平滑法的运用。

2 振动信号预处理算法分析

数字滤波器在离散系统中有很强的适用性，可以对输入信号的波形以及频率进行加工，在目前振动信号预处理中得到广泛应用。信号的预处理方法主要包括两部分，即消除多项式趋势项与平滑处理两种。前者将多项式趋势项消除以后，可以将偏离基线的信号过滤掉，进而得到正确性更高的信号；后者则是将信号里的噪声除去，进而提升振动曲线光滑度。图2-1与2-2分别为振动信号原始曲线与完成消除趋势项与平滑处理以后得到的曲线。

图2-1 原始信号

图2-1 经过消除趋势项与平衡处理得到的信号

常用的振动信号预处理算法包括算术平均值法、加权平均值法、五点三次平滑法、滑动

平均值法、中值法、模糊控制法等。本章将对常用算法进行分析。

2.1 算术平均值法

算术平均值法首先确定一个值Y ，使得Y 和所有采样值误差的平方和最小，表达式如下：

}))((min{12∑=-=N

k k X Y E

利用一元函数极限的求解方法可以得到Y 值：

∑==N

k k X N Y 1)(1

通过上式实现的振动信号预处理就是算术平均值算法。假如每次测量得到信号Si 与噪声Ci ，那么完成N 次同样测量之后，就可以得到所有测量值之和：

∑=?=N i S N S

1i

通常使用均方根表征噪声强度大小，如果测量过程中的噪声是随机信号，完成N 次测量以后得到的噪声强度和如下式：

C N C N

i i ?=∑=12

用S 和C 分表代表信号与噪声的平均幅值，那么完成N 次测量以后，得到的算术平均信噪比如下：

C S N C

N S N ?=?? 算术平均值算法应用范围广泛，主要针对在某一数值上下波动频繁的信号。在振动信号测量过程中，采用算术平均值算法时如果只选取一个采样值为依据得到的结果往往不理想。这种算法在处理脉冲性干扰时效果不佳，所以在脉冲性干扰相对严重的情况下慎用。采用算术平均值算法实现振动信号预处理的平滑程度直接取决于N 的大小，当N 很大时，平滑度高，然而此时灵敏度低。

2.2 加权平均值法

加权平均值法即对多次测量所得的采样值赋予加权系数，从而有效提高测量系统对干扰的灵敏度。采用加权平均值法时，对不同采样值取得不同比重，其计算公式如下：

∑==N

k k k X C Y 1)(

式中C k 即为C1、C2……、Cn ，并且符合以下关系式：

N C C C

且C1、C2……、Cn 之和为1。C k 选取可以具体情况进行调整，最为常见的即为加权系数法，C1、C2……、Cn 分别如下取值：

?---=???

=?=ττ

)1(211N N e C e C C

上式τ代表了控制对象时产生的滞后时长。 加权平均值算法通常适用范围受限，多应用在系统的纯滞后时间常数偏大的情况下，这种情况下采样周期短，针对不同相对采样时间所测量的采样值赋予不同权重，进而对于干扰及其影响程度十分敏感。使用加权平均值算法需要不停地计算加权技术，导致控制速度缓慢，所以应用较少。

2.3 中值法

中值算法是针对某被测量进行多次连续采样，采样的次数一般为奇数次，将若干次采样值按照从小至大的顺序进行排列，然后取得其中的中间值当成本次采样值。使用中值算法能够有效避免偶然因素对结果的影响，主要是将采样器的不稳定性降至最低。但是中值算法多用于变化相对缓慢的被测参数，例如温度、液面高度等，然而针对速度、振动等信号往往效果不佳。

2.4 滑动平均值法

滑动平均值法的原理是依据某一测量点附近其他采样点的波动幅值对此点的波幅进行修正，进而使得振动曲线足够平滑，实现降噪目的。滑动平均值法通过对周围点进行简单平均，或者对附近点实现加权平均。通常取附近五个点进行平均，其依据以下公式：

∑-=-==

N N n n i n i m i x h y ),....,2,1(

其中x 代表采样所得数据值；y 代表完成平滑处理之后的数据；m 为测量数据数量；N 是平均点数；h 是加权平均因子。加权平均因子的取值符合下式：

∑-==N N n n h 1 如果采用简单平均法，则),...,2,1,0(1

21N n N h n =+=，因此有： ∑-=-+=N N

n n i i x N y 121 如果采用加权平均法，并且选择5点进行加权平均，此时N=2，则可按照如下方法取值：

),,,,(}{21012h h h h h h --=

其中h -2到h 2依次为1/9、2/9、3/9、2/9、1/9。滑动平均值法是常用的基于最小二乘法的平滑处理方法，主要针对离散数据有良好处理效果。五点滑动平均所采用的计算公式如

下所示：

???????

????????+++-=+++=++++=+++=-++=-------++--)32(51)

432(101)(51)234(101)

23(51123123121124321

243211m m m m m m m m m m i i i i i i x x x x y x x x x y x x x x y x x x x y x x x x y 其中，i 取3、4、，、……、m-2。

滑动平均值算法与算术平均值算法以及加权平均值算法有共同点，即每当完成一次有效采样值的计算以后，都要求实现多次连续采样。如果由于测量设备问题导致采样速度不够快，以及振动数据四算速率很高的情况下（比如实时系统），无论是算术平均法、加权平均法还是滑动平均值算法都难以适用。对于A/D 数据而言，进行数据采样时通常10次/秒，并且如果每秒需要输入四次数据，那么N 值应小于等于2。采用滑动平均值算法只需要一次采样，然后把这次采样得到的值与前N-1次共同求平均，进而得到有效采样值。滑动平均值算法的思想是将N 个采样数据作为同一序列，且其长度是N ，每当获得新采样值以后，需要将采样结果放置在该序列的末尾，同时将序列第一个数据删除，即实现数据的更新。

滑动平均算法的优势在于抗周期性噪声效果良好，且获得的振动曲线平滑程度很高，灵敏性优良，缺点在于无法高效地抑制了偶然性脉冲干扰的影响，因此如果脉冲干扰较多，不宜使用滑动平均算法，往往在高频振荡系统中应用较多。

2.5 五点三次平滑法

五点三次平滑法同样是处理离散数据常用的预处理手段，其主要针对等间距数值而言，并在此基础上实现数据处理。假设y 是x 的函数，任何y 均可以通过泰勒公式詹凯臣幂级数的形式，在数据测量过程中只需要前四项，因此有：

y （x ）=a 0+a 1x 1+a 2x 22+a 3x 33

因此可以计算其方差和：

∑=-+++=5

123132*********])[(),,,(i i y x a x a x a a a a a a F

依据最小二乘法原理，就可以得到下述等式关系：

????

?????=+++=+++=+++=+++∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑j j i j j j j j i j j j j j j j y x x a x a x a x a y x x a x a x a x a y x x a x a x a x a y x a x a x a a 26352412025342212041321221102132121105 由于所取数值均为等距离的数值，方便起见，可以取xi=0所对应的5个点的值。=，进而可以得到a0到a3的值分别如下：

联立方程组并将x 值带入，运用五点三次平滑法即可得到数据处理计算公式：

根据上式就可以实现振动信号的预处理，从关系式不难发现，经过处理所得到的数据仅与处理前的数据，和另外五个数值相关，且与间隔及x 的选取是无关的。所以任何等间距数据均可以用五点三次平滑法进行处理。五点三次平滑法中节点个数要求至少为5，当节点个数大于5的情况下如下：

五点三次平滑公司如下为了实现对称的目的，两端采用上述2-Y 、1-Y 、1Y 、2Y ，其余的都使用0Y 相应公式。从而实现所有子区间均采用不同的三次最小二乘多项式实现平滑处理。根据推导公式不难发现，针对等距节点而言，平滑公式仅仅是用到实验数据Y i ，而和节点X i 与节点间等距离h 无关。

2.6 模糊控制算法

在上述若干种平滑处理方法中，普遍运用了平均法的原理，只不过实现方法有差别，这些算法的计算公式均可用下式表示：

根据该式子，其中x 代表了采样数据，而y 则表示经过平滑处理之后所得的数据。M 代表总的数据点数，其窗口宽度可以用2N+1表示，h 是加权平均因子。

模糊平滑方法在近年来得到越来越多关注，并被认为是极其有发展潜力的数据处理手段，如今国内外学者相继提出模糊平滑算法、模糊加权中值算法、基于模糊逻辑的信号处理等。模糊平滑方法无论在时域还是频率上均有更多优势，尤其在振动测量中包括大量混合数据，模糊平滑方法有广阔应用前景。

本文主要对滑动平均值法与五点三次平滑法进行分析，基于MATLAB 软件实现两种方法的平滑处理。

3 基于MATLAB 的振动信号平滑处理

3.1 MATLAB 简介

MATLAB 是一款基于M 文件进行运行以及调试的软件，M 文件属于解释性语言，其语法没有计算机高级语言复杂，结构及形式更加简便，因此便于使用者更快掌握，程序调试更容易，有很强的人机交互能力。MATLAB 拥有强大的工具箱，其中绝大多数函数均通过M 文件进行编制，其中有专门针对信号处理的工具箱，在振动测试中应用广泛，信号分析能力强，且可以直接调用相关函数，满足灵活的编程需求。

本文研究主要对振动信号预处理方法进行讨论，MATLAB 提供的图形程序可以极大方便计算过程可视化，进而对振动信号预处理效果进行观察对比。数据对比需要首先经过FFT 分析，基于MATLAB 的振动信号预处理流程如下：输入原始数据文件与采样频率，分别采用五点直线滑动平均法与五点三次平滑法进行平滑处理；输入平滑次数并得到输出平滑数据文件，与原始波形进行对比；选择窗函数之后进行短时傅里叶变换，输出分析数据文件，对输出的图形进行对比，分析两种平滑处理所得数据与原始数据的差别。

3.2 算例

为验证五点直线滑动平均法和五点三次平滑法进行振动信号预处理的效果，本文分别以某实测的振动信号为例进行分析，分别用五点直线滑动平均法与五点三次平滑法对其进行平滑处理，对比处理前后效果，验证算法可行性。

3.3 计算代码

五点滑动平均法

fid = fopen('C:\ph.txt','r');

x= fscanf(fid,'%f',inf);

fclose(fid);

sf=1000;

n=length(x);

t=(0:1/sf:(n-1)/sf)';

a=x;

m=3;

for k=1:m

b(1)=1/5*(3*a(1)+2*a(2)+a(3)-a(4));

b(2)=1/10*(4*a(1)+3*a(2)+2*a(3)+a(4));

for i=3:n-2

b(i)=1/5*(a(i-2)+a(i-1)+a(i)+a(i+1)+a(i+2)); end

b(n-1)=1/10*(a(n-3)+2*a(n-2)+3*a(n-1)+4*a(n)); b(n)=1/5*(-a(n-3)+a(n-2)+2*a(n-1)+3*a(n));

a=b;

end

y=a;

subplot(2,1,1);

plot(t,x);

grid on;

subplot(2,1,2);

plot(t,y);

grid on;

五点三次平滑法

fid = fopen('C:\ph.txt','r');

x= fscanf(fid,'%f',inf);

fclose(fid);

sf=1000;

n=length(x);

a=x;

for k=1: m

b(1) = (69*a(1) +4*(a(2) +a(4)) -6*a(3) -a(5)) /70;

b(2) = (2* (a(1) +a(5)) +27*a(2) +12*a(3) -8*a(4)) /35;

for j=3:n-2

b (j) = (-3*(a(j-2) +a(j+2)) +12*(a(j-1) +a(j+1)) +17*a(j)) /35;

end

b (n-1) = (2*(a(n) +a(n-4)) +27*a(n-1) +12*a(n-2) -8*a(n-3)) /35;

b (n) = (69*a(n) +4* (a(n-1) +a(n-3)) -6*a(n-2) -a(n-4)) /70;

a=b;

end

y=a;

subplot(2,1,1);

plot(t,x);

grid on;

subplot(2,1,2);

plot(t,y);

grid on;

消除多项式趋势项

fid = fopen('C:\gfj.txt','r');

x= fscanf(fid,'%f');

fclose(fid);

sf=1000;

n=length(x);

t=(0:1/sf:(n-1)/sf)';

m=3;

a=polyfit(t,x,m);

y=x-polyval(a,t);

plot(t,y);

grid on;

3.4 算法机理

以五点直线滑动平均法为例，对算法机理进行讨论。基于MATLAB的振动信号预处理可以实现下述人机对话：将原始数据文件、采样频率（1000HZ）输入，并确定采用五点直线滑动平均法，平滑次数选择为四次，输出文件为txt格式，窗函数选择汉宁窗，输出分析文件为txt格式。

4 结果分析

由于本次实测得到的信号中存在趋势项，且趋势项的存在会对二次积分位移信号产生一定影响，因此在计算代码中进行了多项式趋势项的消除。为了更好体现出消除趋势项的作用，针对采集得到的数据增加三阶趋势项，然后采用最小二乘法消除趋势项，得到消除趋势项前后的曲线如图4-1所示。

原始波形

消除多项式趋势项

图4-1 消除多项式趋势项

从图4-1可以看出，使用最小二乘法消除趋势项之后，原始信号趋势项被消除，得到的信号更加接近实测数据，使信号得到改善。消除趋势项与五点滑动平均处理以及五点三次平滑法相结合的预处理方法才能最大程度改善信号质量。利用最小二乘法消除高阶趋势项以后信号均值与方差对比如下：

表4-1 最小二乘法消除高阶趋势项后信号均值与方差对比

原始振动信号加三阶趋势项后信号消除趋势项后信号均值 1.8549 37.7346 0

方差1612.8184 1620.8273 1612.6456 进行最小二乘法消除趋势项以后，然后分别采用五点滑动平均法与五点三次平滑法对信号进行平滑处理，处理结果分别如图4-1与图4-2所示。从原始波形图中发现，存在较多高频成分，波形图中毛刺较多，可见受外界干扰十分严重，该数据只有进行处理后方可使用。五点三次平滑法与五点滑动平均法都是有效的振动信号预处理方法，实现了平滑处理，进而使得测得振动信号质量更高。由于在进行本次实验之前完成了多项式趋势的消除，使得波形数据和实测数据更加符合。

五点三次法有效提高波形图平滑程度，质量更高、而且五点三次法能够降低高频随机噪声，并且使得模态参数识别过程中提高拟合效果。五点平滑平均法导致谱曲线峰值有所下降，而

且体型更宽，这就容易导致识别参数时误差变大。总而言之，本次实验有效地利用两种平滑算法对含噪声的信号进行平滑处理，降低了噪声信号不可预测性与高破坏性对信号结果的影响，进而提高信号处理结果可靠性，但两种平滑处理方法均使得部分信息丢失，五点三次平滑处理得到的波形相比五点滑动平均法保留了更多重要信息，在实际工程中应根据实际需求选择合理的平滑次数，从而使处理得到的波形数据与实际情况吻合度更高。

图4-1 五点滑动平均法的平滑处理分析结果

图4-2 基于五点三次平滑动法的平滑处理分析结果

5 总结

振动信号测试时往往由于干扰的存在，使得测量数据与真实数值之间存在误差，为此需要对所测数据实现预处理，进而提升数据的真实性与可用性。常见的预处理方法包括标定变换、消除多项式趋势项以及平滑处理，本文分析了常用的平滑处理手段，并以五点滑动平均法与五点三次平滑法为例分析振动信号预处理的过程及具体算法实现。

为对比两种平滑处理方法，本文进行两个算例的对比。结果表明五点滑动平均法与五点三次平滑法两种算法都简单明了，可以以很小的计算量实现良好预处理效果，提高振动信号质量。但是，通过对两种算法的实现过程进行对比，直线滑动平均法平滑次数更少一些，采用五点三次平滑法需要同时针对时域与频域信号进行处理，才可以实现模态参数识别时更佳拟合效果。两种算法都是有效的预处理方法，借助于MATLAB软件平台实现简便，因此有很强的实用价值。

致谢：

本论文从选题到终稿均在导师XXX的悉心指导下一步步完成，XXX教授严谨的学术风格与扎实的理论均对我的成长起到积极作用，也使我对专业知识有了更深入的认识，再次诚挚感谢XXX老师这段时间以来对我的指导与关心。

本文的完成也离不开学校图书馆的帮助，查阅书籍以及文献资料是本文写作过程中必不可少的一部分。在此对学校、学院在四年来为我学习提供的优渥条件表示感谢。

最后，我还要感谢XXX、XXX，你们在我论文写作过程中给予不少支持与帮助，没有你们的帮助本文将无法如期完成。

参考文献：

[1] 陈苏,陈国兴,戚承志等.振动信号批处理软件平台的搭建与应用[J].南京工业大学学报（自然科学版）,2014,36(4):89-94.

[2] 袁芳.多通道振动信号分析系统研究与设计[D].南京理工大学,2014.

[3] 姬玉芳,孙运强,姚爱琴等.基于MATLAB的某产品振动信号处理[J].电子测试,2010,(5):89-92.

[4] 唐世振.基于MATLAB的振动信号采集与分析系统的研究[D].中国海洋大学,2007.

[5] 于志伟,程圣国.一种用于三维滑坡模型试验数据处理的新方法[J].长江科学院院报,2014,31(5):39-42,51.

[6] 许福友,陈艾荣.信号预处理对桥梁颤振导数识别结果影响分析[J].武汉理工大学学报,2008,32(5):783-785.

[7] 高亚东,张曾锠.某旋翼试验台振动信号的采集与预处理系统[J].数据采集与处理,2008,9(23):163-167

有效振动分析的信号处理

有效振动分析的信号处理 摘要 有效的振动分析首先始于从工业标准的振动传感器，如加速度传感器获得一个准确的时域变化的信号。一个手持式数字仪器一般接入原始的模拟信号，并为用户的多种要求进行处理。根据用户对分析的要求和原始信号的最初单位，信号可被直接处理或经由数学积分器变换成振动测量的其他单位。根据感兴趣的频率，信号可能要经过一系列高通滤波器和低通滤波器的调理。根据期望得到的结果，信号可能被多次采样和平均。如果在数字仪器中需进行时间波形分析，那么确定采样点数和采样速率是必要的。观察的时间长度等于采样周期乘以采样点数。大部分手持式仪器也具有FFT(快速傅里叶变换)处理方法，把全局时变输入信号采样分解为其单独的频率分量。在老式模拟仪器中，这个分析功能是由扫频滤波器来实现的。 定义FFT处理时要考虑很多设置参数：（1）分辨率线数；（2）最大频率；（3）平均类型；（4）平均次数，和（5）窗类型。这些参数互相作用影响得到的结果，并且需要在信息质量和完成数据采集所耗时间之间进行折中考虑。 预知维修的成功依赖于数据采集和变换过程中的几个要素：（1）总振动水平的趋势；（2）复合振动信号各个频率分量的幅值和频率；（3）在相同运行条件下，机器某一部分的振动信号相对于机器上另一个测量的相位关系。 本文将带领读者从振动传感器的输出，经过典型的现代数字技术振动测量仪器所完成的信号处理流程的各个阶段。并且，本文重点介绍了预知维修领域为完成准确分析而进行的快速有效的振动数据采集中所需的多个数据采集设置参数和折中考虑。 关乎振动分析成功的几项内容，将给予详细论述：模拟信号采样和调理；抗混淆测量；噪声滤波器技术；频带-低通，高通，带通；数据平均方法；和FFT频率转换。 1.讨论 振动分析始于传感器输出的时变物理信号。从此信号的输入到振动测量仪器，有很多可能的选择去分析信号。本文的目的是关注内部信号处理路径，以及它和原始振动问题的最终根源分析之间的关系。首先，我们看如图1所示的仪器中典型信号路径的框图。 2.时间波形 图2.所示是一个典型的来自加速度传感器的模拟时间波形信号。

基于Matlab的脑电波信号处理

做脑电波信号处理滴嘿嘿。。Matlab addicted Codes %FEATURE EXTRACTER function [features] = EEGfeaturetrainmod(filename,m) a = 4; b = 7; d = 12; e = 30; signals = 0; for index = 1:9; % read in the first ten EEG data because the files are numbered as ha11test01 rather than ha11test1. s = [filename '0' num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0; signals = signal; else signals = [signals signal]; end end for index = 10:1:m/2; % read in the rest of the EEG training data s = [filename num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0;

signals = signal; else signals = [signals signal]; end end %%%%% modification just for varying the training testing ratio ------ for index = 25:1:25+m/2; % read in the rest of the EEG training data s = [filename num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0; signals = signal; else signals = [signals signal]; end end %%%%%end of modification just for varying the training testing ratio----- for l = 1:m % exrating features (power of each kind of EEG wave forms) [Pxx,f]=pwelch(signals(:,l)-mean(signals(:,l)), [], [], [], 200); % relative power fdelta(l) = sum(Pxx(find(fa))); falpha(l) = sum(Pxx(find(fb))); fbeta(l) = sum(Pxx(find(fd))); fgama(l)= sum(Pxx(find(f>e))); % gama wave included for additional work

005,振动信号的分析方法

振动信号的分析方法 在对设备进行监测和故障诊断中，大多都采用对设备进行振动状态监测，所以对振动信号进行有效地分析，使用不同的分析方法来获得振动信号的特性参数，这种方法是机械设备实现故障诊断的主要措施。常用的振动信号分析方法有时域分析法，频域分析法，阶次跟踪分析法，经验模态分析法和包络解调分析法，下面逐个对这五种分析方法进行详细说明。 1时域分析法 振动时域参数分析是对风力发电机组进行故障检测和诊断的简易方法，时域波形是经过DSP数据处理器去噪处理后的信号，包含较多的信息量。在时域诊断中，采用的参数有:均值、均方根值、峭度值、峰值、脉冲因子、裕度系数……通过监测这些特征参数是否超过设定的_值来诊断传动部件是否发生机械故障。幅域参数一般分为有量纲和无量纲2种类型的指标。均值、均方根值等为有量纲的时域参数。无量纲的时域参数包含偏态系数、波形因子、峰态系数、脉冲因子、裕度系数……现对时域分析中所涉及的主要釆用的参数进行简要介绍。 (1)均值:平均值又可称为直流分量，是用来评价信号是否稳定。表征了振 动信号变化的中心波动，是信号的常量分量，其表达式为 其中，n为总的采样点数;表示振动信号的样本函数。 (2)均方根值:均方根值，也叫方均根值，它是对信号先平方，再求取平均值后开方得到的，是对没有规律的信号比较有用。其表达式为 (3)峭度:峭度值是可以直接体现概率密度的一种可靠参数，概率密度函数分布形态偏移越大，峭度值的绝对值就越大。 峭度值可以反映概率密度图形的对称性。概率密度函数分布形态偏移越大，

峭度值的绝对值越大。 除此之外，还有几种比较常见的时域参数， 2频域分析法 时域振动信号的频谱分析是目前所知的研究故障特征方法中基础的方法之一，可以在频谱中，获得比较全面的故障信息。在频域中，主要从幅值频谱、功率频谱、倒频谱3个基本的频谱进行分析。频谱的功能是用来分析原始信号中轴承内圈、外圈的固有频率和故障频率，以及齿轮箱齿轮互相哨合产生的哨合频率;倒频谱的功能是用于容易地获得频谱的边频带中的周期成分，并确定故障发生的位置。 1.幅值谱分析 幅值频谱就是对传感器釆样所得的原始信号经处理后的振动信号进行一次傅立叶变换(FFT)，计算并画出该时域振动信号的频率图谱，傅立叶变化的表达式为：

基于MATLAB的语音信号处理系统设计(程序+仿真图)--毕业设计

语音信号处理系统设计 摘要：语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科。语音信号处理的目的是得到某些参数以便高效传输或存储,或者是用于某种应用，如人工合成出语音、辨识出讲话者、识别出讲话内容、进行语音增强等。本文简要介绍了语音信号采集与分析以及语音信号的特征、采集与分析方法，并在采集语音信号后，在MATLAB 软件平台上进行频谱分析,并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号。利用MATLAB来读入（采集）语音信号，将它赋值给某一向量，再将该向量看作一个普通的信号，对其进行FFT变换实现频谱分析，再依据实际情况对它进行滤波，然后我们还可以通过sound命令来对语音信号进行回放，以便在听觉上来感受声音的变化。 关键词：Matlab，语音信号，傅里叶变换，滤波器 1课程设计的目的和意义 本设计课题主要研究语音信号初步分析的软件实现方法、滤波器的设计及应用。通过完成本课题的设计，拟主要达到以下几个目的： 1.1．了解Matlab软件的特点和使用方法。 1.2．掌握利用Matlab分析信号和系统的时域、频域特性的方法； 1.3．掌握数字滤波器的设计方法及应用。 1.4．了解语音信号的特性及分析方法。 1.5．通过本课题的设计，培养学生运用所学知识分析和解决实际问题的能力。 2 设计任务及技术指标 设计一个简单的语音信号分析系统，实现对语音信号时域波形显示、进行频谱分析，

利用滤波器滤除噪声、对语音信号的参数进行提取分析等功能。采用Matlab设计语言信号分析相关程序，并且利用GUI设计图形用户界面。具体任务是： 2.1．采集语音信号。 2.2．对原始语音信号加入干扰噪声，对原始语音信号及带噪语音信号进行时频域分析。 2.3．针对语音信号频谱及噪声频率，设计合适的数字滤波器滤除噪声。 2.4．对噪声滤除前后的语音进行时频域分析。 2.5.对语音信号进行重采样，回放并与原始信号进行比较。 2.6．对语音信号部分时域参数进行提取。 2.7．设计图形用户界面（包含以上功能）。 3 设计方案论证 3.1语音信号的采集 使用电脑的声卡设备采集一段语音信号，并将其保存在电脑中。 3.2语音信号的处理 语音信号的处理主要包括信号的提取播放、信号的重采样、信号加入噪声、信号的傅里叶变换和滤波等，以及GUI图形用户界面设计。 Ⅰ.语音信号的时域分析 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在与方便有效的提取并表示语音信号所携带的信息。语音信号分析可以分为时域和变换域等处理方法，其中时域分析是最简单的方法。 Ⅱ.语音信号的频域分析 信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更

振动信号的采集与预处理

振动信号的采集与预处理 几乎所有的物理现象都可看作是信号，但这里我们特指动态振动信号。 振动信号采集与一般性模拟信号采集虽有共同之处，但存在的差异更多，因此，在采集振动信号时应注意以下几点： 1. 振动信号采集模式取决于机组当时的工作状态，如稳态、瞬态等； 2. 变转速运行设备的振动信号采集在有条件时应采取同步整周期采集； 3. 所有工作状态下振动信号采集均应符合采样定理。 对信号预处理具有特定要求是振动信号本身的特性所致。信号预处理的功能在一定程度上说是影响后续信号分析的重要因素。预处理方法的选择也要注意以下条件： 1. 在涉及相位计算或显示时尽量不采用抗混滤波； 2. 在计算频谱时采用低通抗混滤波； 3. 在处理瞬态过程中1X矢量、2X矢量的快速处理时采用矢量滤波。 上述第3条是保障瞬态过程符合采样定理的基本条件。在瞬态振动信号采集时，机组转速变化率较高，若依靠采集动态信号（一般需要若干周期）通过后处理获得1X和2X矢量数据，除了效率低下以外，计算机（服务器）资源利用率也不高，且无法做到高分辨分析数据。机组瞬态特征（以波德图、极坐标图和三维频谱图等型式表示）是固有的，当组成这些图谱的数据间隔过大（分辨率过低）时，除许多微小的变化无法表达出来，也会得出误差很大的分析结论，影响故障诊断的准确度。一般来说，三维频谱图要求数据的组数（△rpm分辨率）较少，太多了反而影响对图形的正确识别；但对前面两种分析图谱，则要求较高的分辨率。目前公认的方式是每采集10组静态数据采集1组动态数据，可很好地解决不同图谱对数据分辨率的要求差异。 影响振动信号采集精度的因素包括采集方式、采样频率、量化精度三个因素，采样方式不同，采集信号的精度不同，其中以同步整周期采集为最佳方式；采样频率受制于信号最高频率；量化精度取决于A/D转换的位数，一般采用12位，部分系统采用16位甚至24位。 振动信号的采样过程，严格来说应包含几个方面： 1. 信号适调 由于目前采用的数据采集系统是一种数字化系统，所采用的A/D芯片对信号输入量程有严格限制，为了保证信号转换具有较高的信噪比，信号进入A/D以前，均需进行信号适调。适调包括大信号的衰减处理和弱信号的放大处理，或者对一些直流信号进行偏置处理，使其满足A/D输入量程要求。 2. A/D转换

汽轮机轴振动监测中的数据采集与处理

汽轮机轴振动监测中的数据采集与处理 【摘要】本文详细地说明了轴心轨迹振动信号的预处理过程，对振动信号采样和滤波简单的分析了轴心轨迹信号频谱。通过对轴心轨迹特征的识别为轴心轨迹的稳定性及机组的在线监测系统提供 依据，对现场汽轮机发电机组的安全平稳运行有重大的意义。 【关键词】汽轮机组；轨迹识别；滤波；故障诊断 近年来，状态监测和故障诊断技术与系统的研究得到了高速发展。随着电力工业的发展，汽轮发电机组的总装机容量和单机容量都得到了迅速提高，机组轴系也越来越复杂，诱发机组振动的潜在因素也相应增加。振动问题在机组安全运行中的影响越来越大，人们也越来越关注机组振动对于生产安全稳定经济运行的影响。 1.研究意义 结合兰州石化公司动力厂背压发电装置，发电装置的各监控仪器仪表中，没有对整个机组在运行中的振动进行直接的监控。操作人员只能通过机组在运行过程中，对轴瓦的温度监控或是通过机组运行时所产生的声音进行经验性判断。因此，针对汽轮发电机组振动监测的数据采集和预处理做出大胆的设计。 本设计的实施对发电装置的生产运行的意义： （1）避免汽轮机转子发生重大安全事故而造成的巨大经济损失，保证转子在规定的期间内无故障安全可靠运行。 （2）振动监测诊断系统可及时判断转子是否有故障，并能够迅速

查明故障原因、部位、预测故障影响，提高汽轮机转子的维修管理水平，而本文所做的汽轮机发电机组振动监测的数据采集和预处理工作正是振动监测诊断系统的基础。它将对今后的汽轮发电机组进行全面远程监控及自动化改造提供可靠的数据来源。 2.振动信号采集 旋转机械轴系振动信号是以转速为基频的周期信号。在转子系统的振动检测中，需要对振动信号进行整周期采样来避免由于泄露、栅栏等不良效应带来的相位严重失真。传统振动分析方法通过硬件电路锁相倍频法来实现整周期采样，该方法的核心是锁相倍频电路的应用。键相信号经锁相电路倍频后，产生采样脉冲序列，控制采样电路的触发与关闭。该方法的优点在于同步性能好，结合并行采样/保持电路，可自动实现对各个通道振动信号的实时同步采样。但这种方法需要专用的数据采集卡，因此系统硬件成本比较高，开发周期长，且适应能力及硬件升级能力较差。 伪同步采样法充分发挥了通用数据采集卡中数据采集通道资源多的特点，将键相信号与振动信号进行同步采样，对振动信号的整周期截取则在采集后通过数据处理来实现。结合对柔性转子实验系统进行动平衡的实验结果表明：这种伪同步采样方法可有效满足转子振动信号处理对信号采样的要求。 3.振动信号的处理 在机械设备状态监测和故障诊断过程中，传感器的输出信号经采

基于MATLAB的语音信号采集与处理

工程设计论文 题目：基于MATLAB的语音信号采集与处理 姓名： 班级： 学号： 指导老师：

一.选题背景 1、实践意义： 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。所以理解并掌握语音信号的时域和频域特性是非常重要的。 通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。 语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话容,进行语音增强等. 语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,

是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系. 语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值. 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展，受到人们越来越多的重视。数字滤波器可以通过数值运算实现滤波，所以数字滤波器处理精度高、稳定、体积小、重量轻、灵活不存在阻抗匹配问题，可以实现模拟滤波器无法实现的特殊功能。数字滤波器种类很多，根据其实现的网络结构或者其冲激响应函数的时域特性，可分为两种，即有限冲激响应( FIR，Finite Impulse Response)滤波器和无限冲激响应( IIR，Infinite Impulse Response)滤波器。 FIR滤波器结构上主要是非递归结构，没有输出到输入的反馈，系统函数H (z)在处收敛，极点全部在z = 0处（因果系统），因而只能

004-振动信号的采集与预处理

004-振动信号的采集与预处理

振动信号的采集与预处理 1振动信号的采集 振动信号采集与一般性模拟信号采集虽有共同之处，但存在的差异更多。在采集振动信号时应注意以下几点： 1.振动信号采集模式取决于机组当时的工作状态，如稳态、瞬态等； 2.变转速运行设备的振动信号采集在有条件时应采取同步整周期采集； 3.所有工作状态下振动信号采集均应符合采样定理。 1.1 信号适调 由于目前采用的数据采集系统是一种数字化系统，所采用的A/D芯片对信号输入量程有严格限制，为了保证信号转换具有较高的信噪比，信号进入A/D以前，均需进行信号适调。适调包括大信号的衰减处理和弱信号的放大处理，或者对一些直流信号进行偏置处理，使其满足A/D输入量程要求。 1.2 A/D转换 A/D转换包括采样、量化和编码三个组成部分。 1.2.1采样 采样（抽样），是利用采样脉冲序列p(t)从模拟信号x(t)中抽取一系列离散样值，使之成为采样信号x(n△t)（n=0,1,2,…）的过程。△t称为采样间隔，其倒数称1/△t＝f s之为采样频率。采样频率的选择必须符合采样定理要求。 1.2.2量化 由于计算机对数据位数进行了规定，采样信号x(n△t)经舍入的方法变为只有有限个有效数

字的数，这个过程称为量化。由于抽样间隔长度是固定的（对当前数据来说），当采样信号落入某一小间隔内，经舍入方法而变为有限值时，则 产生量化误差。如8位二进制为28 ＝256，即量化增量为所测信号最大电压幅值的1/256。 1.2.3 编码 振动信号经过采样和量化后，量化后的数据按照一定的协议进行编码，成为处理器可以处理的数据。 采样定理解决的问题是确定合理的采样间隔△t 以及合理的采样长度T ，保障采样所得的数字信号能真实地代表原来的连续信号x(t)。 衡量采样速度高低的指标称为采样频率f s 。一般来说，采样频率f s 越高，采样点越密，所获得的数字信号越逼近原信号。为了兼顾计算机存储量和计算工作量，一般保证信号不丢失或歪曲原信号信息就可以满足实际需要了。这个基本要求就是所谓的采样定理，是由Shannon 提出的，也称为Shannon 采样定理。 Shannon 采样定理规定了带限信号不丢失信息的最低采样频率为： 2s m f f ≥或2s m ωω≥ 式中f m 为原信号中最高频率成分的频率。 采集的数据量大小N 为： T N t =? 因此，当采样长度一定时，采样频率越高，采集的数据量就越大。 使用采样频率时有几个问题需要注意。 一， 正确估计原信号中最高频率成分的频率，对于采用电涡流传感器测振的系统来说，一

实验一 基于Matlab的数字信号处理基本

实验一 基于Matlab 的数字信号处理基本操作 一、 实验目的：学会运用MA TLAB 表示的常用离散时间信号；学会运用MA TLAB 实现离 散时间信号的基本运算。 二、 实验仪器：电脑一台，MATLAB6.5或更高级版本软件一套。 三、 实验内容： （一） 离散时间信号在MATLAB 中的表示 离散时间信号是指在离散时刻才有定义的信号，简称离散信号，或者序列。离散序列通常用)(n x 来表示，自变量必须是整数。 离散时间信号的波形绘制在MATLAB 中一般用stem 函数。stem 函数的基本用法和plot 函数一样，它绘制的波形图的每个样本点上有一个小圆圈，默认是空心的。如果要实心，需使用参数“fill ”、“filled ”，或者参数“.”。由于MATLAB 中矩阵元素的个数有限，所以MA TLAB 只能表示一定时间范围内有限长度的序列；而对于无限序列，也只能在一定时间范围内表示出来。类似于连续时间信号，离散时间信号也有一些典型的离散时间信号。 1. 单位取样序列 单位取样序列)(n δ，也称为单位冲激序列，定义为 ) 0() 0(0 1)(≠=?? ?=n n n δ 要注意，单位冲激序列不是单位冲激函数的简单离散抽样，它在n =0处是取确定的值1。在MATLAB 中，冲激序列可以通过编写以下的impDT .m 文件来实现，即 function y=impDT(n) y=(n==0); %当参数为0时冲激为1,否则为0 调用该函数时n 必须为整数或整数向量。 【实例1-1】 利用MATLAB 的impDT 函数绘出单位冲激序列的波形图。 解：MATLAB 源程序为 >>n=-3:3; >>x=impDT(n); >>stem(n,x,'fill'),xlabel('n'),grid on >>title('单位冲激序列') >>axis([-3 3 -0.1 1.1]) 程序运行结果如图1-1所示。 图1-1 单位冲激序列

MATLAB在机械振动信号中的应用

MATLAB在机械振动信号中的应用 申振 （山东理工大学交通与车辆工程学院） 摘要：综述了现代信号分析处理理论、方法如时域分析（包括时域参数识别、相关分析等）、频域分析（包括傅立叶变换、功率谱分解等），并结合MATLAB中的相关函数来对所拟合的振动信号进行时域分析和频域分析，并对绘出的频谱图进行说明。 关键词：时域分析频域分析 MATLAB 信号是信息的载体，采用合适的信号分析处理方法以获取隐藏于传感观测信号中的重要信息(包括时域与频域信息等)，对于许多工程应用领域均具有重要意义。对获取振动噪声信号的分析处理，是进行状态监测、故障诊断、质量检查、源识别、机器产品的动态性能测试与优化设计等工作的重要环节，它可以预先发现机械部件的磨损和缺陷等故障，从而可以提高产品的质量，降低维护费用。随着测试技术的迅速发展，各种信号分析方法也随之涌现，并广泛应用在各个领域[1]。 时域描述简单直观，只能反映信号的幅值随时间的变化，而不能明确的揭示信号随时间的变化关系。为了研究信号的频率组成和各频率成分的幅值大小、相位关系，应对信号进行频谱分析，即把时域信号通过适当的数学方法处理变成频率f（或角频率 ）为独立变量，相应的幅值或相位为因变量的频域描述。频域分析法将时域分析法中的微分或差分方程转换为代数方程，有利于问题的分析[2]。 MATLAB是MathWorks公司于1982年推出的一种功能强大、效率高、交互性好的数值计算和可视化计算机高级语言，它将数值分析、矩阵运算、信号处理和图形显示有机地融合为一体，形成了一个极其方便、用户界面良好的操作环境。随着其自身版本的不断提高，MATLAB的功能越来越强大，应用范围也越来越广，如广泛应用于信号处理、数字图像处理、仿真、自动化控制、小波分析及神经网络等领域[3]。 本文主要运用了MATLAB R2014a对机械振动信号进行分析。分析过程包括时域分析和频域分析两大部分，时域分析的指标包括随机信号的均值、方差以及均方值。频域分析的性能指标包括对功率谱分析、倒频谱分析。在进行上述分析之前先要对振动信号进

基于LabVIEW的陀螺仪振动信号采集与分析

基于LabVIEW 的陀螺仪振动信号采集与分析 窦修朋，尤传富，欧阳国鑫 （长春工业大学电气与电子工程学院，吉林长春130012） 摘 要：针对陀螺马达振动信号的微弱性，通过数据采集卡检测到的信号要进行大量复杂的线形系统分析，要求数 据准确，根据虚拟仪器设计思想在PC 下利用图形化编辑语言LabVIEW 对陀螺马达的振动信号进行过采样数据采集、波形显示、时域分析、数字滤波、数据存储、频域分析，从而实现对振动信号的多通道信号采集和实时分析。系统逻辑图形清晰，可以有效的防止波形失真，误差小，起到了很好的故障诊断分析作用，在工程应用中实用性强。 关键词：LabVIEW 系统；虚拟仪器；过采样；时域分析；频域分析中图分类号：TP311.52；TP274+.2 文献标识码：A 文章编号：1674-5124（2009）02-0064-03 Acquisition and analysis of gyroscopic vibration signal based on LabVIEW DOU Xiu-peng ，YOU Chuan-fu ，OUYANG Guo-xin （School of Electric and Electricity Engineering ，Changchun University of Technology ，Changchun 130012，China ）Abstract:According to the weakness of the vibration signal of gyroscope motors ，a large number of complex linear system analyses needed to process the signal detected by data acquisition card ，and the data must be precise ，those of the gyroscope motor vibration signal such as data acquisition ，waveform display ，time domain analysis ，digital filtering ，data storage and frequency -domain and so on were analyzed according to the virtual instrument design with graphical progamming software LabVIEW on PC to realize the multi -channel signal acquisition and real -time analysis of the vibration signal.The logic diagrams of this system are clear ，the waveform distortion can be effectively prevented ，and the error can be reduced.Thus ，this system can play a very important role in the fault diagnosis and has very practical impacts on engineering. Key words:LabVIEW ；Virtual instrument ；Over-sampling ；Time-domain analysis ；Frequency domain analysis 收稿日期：2008-09-05；收到修改稿日期：2008-11-30作者简介：窦修朋（1982-），男，河北沧州市人，硕士研究生， 专业方向为信号分析及处理。 1引言 随着科学的不断发展，人们对惯性导航系统的 陀螺仪要求越来越高。 陀螺马达是陀螺仪的心脏，要使陀螺定向精度高，必须保证陀螺马达在工作过程中正常工作，尽量减少无规则振动和噪声。转子要保持高度的动态平衡，除此之外，马达轴承在高速旋转时也产生振动信号，转子高速旋转引起风阻和由此引起的噪声会诱导转子转动。而信号往往淹没在机械本体几信号处理电路包含的大量噪声中[1]，这些振动和噪声都会影响陀螺罗盘的定向性能。因此，在陀螺马达的设计和安装高度中，非常需要明确振源，是由转子不平衡引起，还是轴承振动或风阻噪声引起的。 振动测试及分析系统主要用来分析陀螺转子的振动情况。引起陀螺转子振动的因素可分为质心 偏移因素和非质心偏移因素，质心偏移因素可通过 动平衡消除，而非质心偏移因素多数是由轴承（特别是滚珠轴承）引起的，无法通过动平衡消除。振动大的陀螺在系统使用中会对系统性能产生较大影 响。因此， 在陀螺总装前对陀螺马达进行振动测试和分析十分必要。 计算机和仪器的密切结合而成的虚拟仪器是目前仪器发展的一个重要方向。虚拟仪器的最突出的特点可以发挥出计算机的能力，具有强大的数值处理功能，可以根据自己的需要创造出功能强大的 仪器。在这一领域内， 使用较为广泛的计算机和开发环境的是美国NI 公司的LabVIEW 。整个系统只有输入、输出端，其他仪器功能键都在可视软件板上完成，操作简单方便[2]，并且能进行远程控制[3]。 2系统硬件设计 如图1所示，陀螺仪振动的信号由传感器接收，经信号调理、数据采集卡后传递到虚拟仪器控制面版，其主要功能如下。 第35卷第2期2009年3月中国测试 CHINA MEASUREMENT &TEST Vol.35No.2Mar.2009

基于MATLAB的脑电信号处理

南京航空航天大学基于Matlab的脑电信号处理 姓名陆想想 专业领域生物医学工程 课程名称数字信号处理 二О一三年四月

摘要：脑电信号属于非平稳随机信号，且易受到各种噪声干扰。本文基于Matlab仿真系统，主要研究了小波变换在脑电信号处理方面的应用，包括小波变换自动阈值去噪处理、强制去噪处理，以α波为例，提取小波分解得到的各层频率段的信号，并做了一定的分析和评价。关键词：脑电信号；小波变换；去噪重构；频谱分析 0引言 脑电信号EEG(Electroencephalograph)是人体一种基本生理信号，蕴涵着丰富的生理、心理及病理信息，脑电信号的分析及处理无论是在临床上对一些脑疾病的诊断和治疗，还是在脑认知科学研究领域都是十分重要的。由于脑电信号的非平稳性且极易受到各种噪声干扰，特别是工频干扰。因此消除原始脑电数据中的噪声，更好地获取反映大脑活动和状态的有用信息是进行脑电分析的一个重要前提。本文的研究目的是利用脑电采集仪器获得的脑电信号，利用Fourier变换、小波变换等方法对脑电信号进行分析处理，以提取脑电信号α波的“梭形”节律，并对脑电信号进行功率谱分析和去噪重构。 1实验原理和方法 1.1实验原理 1.1.1脑电信号 根据频率和振幅的不同，可以将脑电波分为4种基本类型[1]，即δ波、θ波、α波、β波。4种波形的起源和功能也不相同，如图1所示。 图1脑电图的四种基本波形 α波的频率为8~13Hz，振幅为为20~100μV，它是节律性脑电波中最明显的波，整个皮层均可产生α波。正常成人在清醒、安静、闭目时，波幅呈现有小变大，再由大变小，如此反复进行，形成所谓α节律的“梭形”。每一“梭形”持续时间约为1~2s。当被试者睁眼、警觉、思考问题或接受其他刺激时，α波立即消失而代之以快波，这种现象称之为“α波阻断”。一般

平稳和非平稳振动信号的处理方法综述

平稳和非平稳振动信号的处理方法 周景成 （东华大学机械工程学院，上海 201620） 摘要：本文主要综述了当前对于平稳和非平稳振动信号的处理方法及其优缺点，同时列举了目前振动信号处理的研究热点和方向。 关键词：稳态非稳态振动信号处理；方法；优缺点。 1．稳态与非稳态振动信号的界定 稳态振动信号是指频率、幅值和相位不变的动态信号，频率、幅值和相位做周期性变化的信号称为准稳态信号，而对于频率、幅值和相位做随机变化的信号则称为非稳态信号。 2. 稳态或准稳态振动信号的主要处理方法及其优势与局限 对于稳态振动信号，主要的分析方法有离散频谱分析和校正理论、细化选带频谱分析和高阶谱分析。对于准稳态信号主要采用的是解调分析。对于非稳态振动信号主要采用加Hanning窗转速跟踪分析、短时傅里叶变换、Wigner-Ville 分布和小波变换等。对于任一种信号处理方法都有其优势和劣势，没有完美的，具体在工程实际中采用哪一种分析方法得看具体的工程情况而定，不能一概而论。 2. 1 离散频谱分析与校正 离散频谱分析是处理稳态振动信号的常用方法，离散频谱分析实现了信号从时域到频域分析的转变。FFT成为数字信号分析的基础，广泛应用于工程技术领域。通过离散傅里叶变换将振动信号从时域变换到频域上将会获得信号更多的信息。对于这一方法，提高信号处理的速度和精度是当下两个主要的研究方向。由于计算机只能对有限多个样本进行运算，FFT 和谱分析也只能在有限区间内进行，这就不可避免地存在由于时域截断产生的能量泄漏，离散频谱的幅值、相位和频率都可能产生较大的误差，所以提高精度成为近一段时间主要的研究方向。上世纪70年代中期，有关学者开始致力于离散频谱校正方法的研究。目前国内外有四种对幅值谱或功率谱进行校正的方法：(1)比值校正法(内插法)；(2)能量重心校正法；(3)FFT+FT谱连续细化分析傅立叶变换法；(4)相位差法。四种校正方法的原理和特点见表1[1]. 从理论上分析，在不含噪声的情况下，比值法和相位差法是精确的校正法，而能量重心法和FFT+FT谱连续细化分析傅立叶变换法是精度很高的近似方法。随着频谱校正技术的发展和不断完善，越来越广泛地被应用于分析各种实际问题和各类动态信号分析系统中，根据应用对象特点的不同，采用不同的校正方法。一般在只需要较高幅值精度时，多采用方法简便的三点卷积幅值法；需要精确的频率和相位采用比值法；在噪声较大时，采用相位差校正法或FFT+FT谱连续细化分析傅立叶变换法。 2. 2 细化选带频谱分析 振动信号中, 对密集型频谱的分析采用细化选带频谱分析方法, 该方法有 多种, 如复调制细化、相位补偿细化、Chirp- Z 变换、最大熵谱分析等, 其中

基于matlab的信号分析与处理

山东建筑大学 课程设计说明书题目：基于MATLAB的信号分析与处理课程：数字信号处理课程设计 院（部）：信息与电气工程学院 专业：通信工程 班级：通信111班 学生姓名： 学号： 指导教师： 完成日期：2014年1月

目录 摘要 (Ⅰ) 1 设计目的和要求 (1) 2 设计原理 (2) 3 设计内容 (3) 3.1 程序源代码 (4) 3.2 调试分析与过程描述 (7) 3.3 结果分析 (12) 总结 (13) 致谢 (14) 参考文献 (15)

摘要 这次是基于MATLAB的信号分析与处理。所谓数字滤波器，就是输入、输出都是数字信号的，通过数值计算处理改变输入信号所含频率成分的相对比例，或者滤除某些频率成分的数字器件或程序。常用的经典滤波器有低通、高通、带通、带阻。 首先产生一个连续信号，包含低频、中频、高频分量；对其进行采样，得到数字信号；对数字信号进行FFT频谱分析，绘制其频谱图；根据信号频谱分析的结果，分别设计高通、低通、带通滤波器，绘制滤波器的幅频及相频特性；用所设计的滤波器对信号滤波，并绘制出滤波后的频谱图。 关键词：MATLAB; FFT;滤波器；信号产生；频谱分析

1设计目的和要求 产生一个连续信号，包含低频，中频，高频分量，对其进行采样，进行频谱分析，分别设计三种高通，低通，带通滤波器对信号进行滤波处理，观察滤波后信号的频谱。 2设计原理 信号的采样要符合奈奎斯特采样定律，一般为被采信号最高频率的2倍，只有这样，才能保证频域不混叠，也就是采样出来数字信号中包含了被采信号的所有信息，而且没有引入干扰。这就是信号的时域采样。 频谱分析是指对信号进行频域谱的分析，观察其频域的各个分量的功率大小，其理论基础是傅立叶变换，现在一般采用数字的方法，也就是将时域信号数字化后做FFT，可以得到频域的波形。 数字滤波器是一种用来过滤时间离散信号的数字系统，通过对抽样数据进行数学处理来达到频域滤波的目的。可以设计系统的频率响应，让它满足一定的要求，从而对通过该系统的信号的某些特定的频率成分进行过滤，这就是滤波器的基本原理。 IIR滤波器的设计原理： IIR数字滤波器的设计一般是利用目前已经很成熟的模拟滤波器的设计方法来进行设计，通常采用模拟滤波器原型有butterworth函数、chebyshev函数、bessel函数、椭圆滤波器函数等。 IIR数字滤波器的设计步骤： （1）按照一定规则把给定的滤波器技术指标转换为模拟低通滤波器的技术指标； （2）根据模拟滤波器技术指标设计为响应的模拟低通滤波器； （3）很据脉冲响应不变法和双线性不变法把模拟滤波器转换为数字滤波器； （4）如果要设计的滤波器是高通、带通或带阻滤波器，则首先把它们的技术指标转化为模拟低通滤波器的技术指标，设计为数字低通滤波器，最后通过频率转换的方法来得到所要的滤波器。 本课程设计设计思想：首先利用MATLAB分别产生低频、中频、高频信号，然后进行叠加得到连续时间信号；对所产生的连续时间信号进行采样，得到数字信号；对信号进行FFT频谱分析，绘制其频谱图；根据信号频谱分析的结果，分别设计高通，低通，带通滤波器，得到滤波器的幅频及相频特性。

振动信号处理仪器的主要分类

振动信号处理仪器的主要分类 传感器检测到的振动信号是时域信号，它只能给出振动强度的概念，只有经过频谱分析后，才可以估计其振动的根源和干扰，并用于故障诊断和分析。振动信号处理仪器主要有测振仪、频谱分析仪、传递函数分析仪和综合分析仪。 1. 测振仪 测振仪是用来直接显示位移、速度、加速度等振动量的峰值、峰峰值、平均值或方均根值的仪器。它主要由积分、微分电路、放大器、电压检波器和表头组成。 一般意义上的测振仪只能使人们获得振动的总强度而无法获得振动的其他方面信息，但祺迈KM生产的测振仪VIB05却可以除了基础的振动检测，还可以进行轴承状态的检测与红外测温，兼具了测振仪、轴承检测仪与测温仪于一体，是一款多功能型的振动和轴承状态检测仪。 2. 频谱分析仪 频谱分析仪是把振动信号的时间历程转换为频域描述的一种仪器。要分析产生振动的原因，研究振动对人类和其他结构的影响及研究结构的动态特性等，都要进行频谱分析。频谱分析仪的种类很多，之前有接触过VIB07多功能型机械状态分析仪，在中石油网上也看到过推荐的文章，功能比较多，一些小功能如听诊、测温也都很实用。

3. 频率特性与传递函数分析仪 由频率特性分析仪或传递函数分析仪为核心组成的测试系统，通常都采用稳态正弦激振法来测定机械结构的频率响应或机械阻抗等数据。 4. 数字信号处理系统 近年来，由于微电子技术和信号处理技术的迅速发展、快速傅里叶变换(FFT)算法的推广，在工程测试中，数字信号处理方法得到越来越广泛的应用，出现了各种各样的信号分析和数据处理仪器。这种具有高速控制环节和运算环节的实时数字信号处理系统和信号处理器，具有多种功能，因此又称为综合振动分析仪。如KMbalacner II是一款全功能、高效能的双通道的FFT振动分析及现场动平衡仪。它可以应用在众多行业的设备状态监测领域，如造纸业，石化，发电厂，机械制造等。KMbalancerⅡ可以采集各种现场数据，如振动值，轴承状态，频谱图和时域波形等，并可以通过KMVS Pro数据采集分析软件进一步整合分析设备故障。

滚动轴承的振动信号特征分析报告

南昌航空大学实验报告 课程名称：数字信号处理 实验名称：滚动轴承的振动信号特征分析实验时间： 2013年5月14日 班级： 100421 学号： 10042134 姓名：吴涌涛 成绩：

滚动轴承的振动信号特征分析 一、实验目的 利用《数字信号处理》课程中学习的序列运算、周期信号知识、DFT 知识，对给定的正常轴承数据、内圈故障轴承数据、外圈故障轴承数据、滚珠故障轴承数据进行时域特征或频域特征提取和分析，找出能区分四种状态（滚动轴承的外圈故障、内圈故障、滚珠故障和正常状态）的特征。 二、实验原理 振动机理分析：机械在运动时，由于旋转件的不平衡、负载的不均匀、结构刚度的各向异性、间隙、润滑不良、支撑松动等因素，总是伴随着各种振动。 振动的幅值、频率和相位是振动的三个基本参数，称为振动三要素。 幅值：幅值是振动强度的标志，它可以用峰值、有效值、平均值等方法来表示。 频率：不同的频率成分反映系统内不同的振源。通过频谱分析可以确定主要频率成分及其幅值大小，从而寻找振源，采取相应的措施。 相位：振动信号的相位信息十分重要，如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。对于复杂振动的波形分析，各谐波的相位关系是不可缺少的。 在振动测量时，应合理选择测量参数，如振动位移是研究强度和变形的重要依据；振动加速度与作用力或载荷成正比，是研究动力强度和疲劳的重要依据；振动速度决定了噪声的高低，人对机械振动的敏感程度在很大频率范围内是由速度决定的。速度又与能量和功率有关，并决定动量的大小。 提取振动信号的幅域、时域、频域、时频域特征，根据特征进行故

障有无、故障类型和故障程度三个层次的判断。 三、 实验内容 Step1、使用importdata （）函数导入振动数据。 Step2、把大量数据分割成周期为单元的数据，分割方法为： 设振动信号为{x k }(k =1,2,3,…,n )采样频率为f s ，传动轴的转动速率为V r 。 采样间隔为： 1 s t f ?= （1） 旋转频率为： 60 r r V f = （2） 传动轴的转动周期为： 1 r T f = （3） 由式（1）和（3）可推出振动信号一个周期内采样点数N ： 1 1s r r s f f T N t f f = ==? （4） 由式（2）可得到传动轴的转动基频f r =29.95Hz ，再由式（3）可得到一个周期内采样点数N=400.67，取N =400。 Step3、提取振动信号的特征，分析方法包括： 1、时域统计分析指标（波形指标(Shape Factor)、峰值指标(Crest Factor)、脉冲指标(Impulse Factor)、裕度指标(Clearance Factor)、峭度指标(KurtosisValue) ）等，相关计算公式如下： （1）波形指标： P f X WK X = (5) 其中，P X 为峰值，X 为均值。p X 计算公式如下：