采样频率说明

采样频率、采样点数、分辨率、谱线数(line)

1．最高分析频率：Fm指需要分析的最高频率，也是经过抗混滤波后的信号最高频率。根据采样定理，Fm与采样频率Fs之间的关系一般为：Fs=2.56Fm；而最高分析频率的选取决定于设备转速和预期所要判定的故障性质。

2．采样点数N与谱线数M有如下的关系：

N=2.56M 其中谱线数M与频率分辨率ΔF及最高分析频率Fm有如下的关系：ΔF=Fm/M 即：M=Fm/ΔF 所以：N=2.56Fm/ΔF

★采样点数的多少与要求多大的频率分辨率有关。例如：机器转速

3000r/min=50Hz，如果要分析的故障频率估计在8倍频以下，要求谱图上频率分辨率ΔF=1 Hz ,则采样频率和采样点数设置为：

最高分析频率Fm=8·50Hz=400Hz;

采样频率Fs=2.56·Fm=2.56 ·400Hz=1024Hz;

采样点数N=2.56·（Fm/ΔF）=2.56·（400Hz/1Hz）=1024

谱线数M=N/2.56=1024/2.56=400条

按照FFT变换，实际上得到的也是1024点的谱线，但是我们知道数学计算上存在负频率，是对称的，因此，实际上我们关注的是正频率部分对应的谱线，也就是说正频率有512线，为什么我们通常又说这种情况下是400线呢，就是因为通常情况下由于频率混叠和时域截断的影响，通常认为401线到512线的频谱精度不高而不予考虑。

另外，采样点数也不是随便设置的，即不是越大越好，反之亦然.对于旋转机械必须满足整周期采样，以消除频率畸形，单纯提高分辨率也不能消除频率畸形过去，有人以为数据越长越好，或随便定时域信号长度，其实，这样做是在某些概念上不清楚，例如，不清楚整周期采样.

不产生频率混叠的最低采样频率Fs要求在2倍最大分析频率Fm，之所以采用2.56倍主要跟计算机二进制的表示方式有关。其主要目的是避免信号混淆保证高频信号不被歪曲成低频信号。

采样长度T的选择首先要保证能反映信号的全貌，对瞬态信号应包括整个瞬态过程；对周期信号，理论上采集一个周期信号就可以了。其次需考虑频率分辩率，采样长度T在最大分析频率Fm确定的情况下与频率分辩率△f是反比关系，也就是T越长△f越小即频率分辩率越高。

一般的分析软件都是设置谱线数M，采样点数N=2.56M。信号分析中常用的采样点数是512、1024、2048、4096等。等效于我们常说的200、400、800、1600线等频谱线数,频谱分析一般采样点数选取2的整数次方。△f＝Fm/M,可见谱线数M越大频率分辩率△f越小即频率分辩率越高。

在电机的故障诊断中，为了发现边带间隔为极通频率（一般在1Hz以下)的峰值，常常需要极高的分辩率（1Hz以下），一般选择210HzFm,6400谱线。

至于整周期采样是很难实现的，必然会因为信号截断而产生泄露，为了避免这些误差，所以要采取加窗的办法。

1.频率分辨率的2种解释

解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小

频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间长度T，所以信号长度越长，频率分辨率越好。是不是采样点数越多，频率分辨力提高了呢？其实不是的，因为一段数据拿来就确定了时间T，注意：f0=1/T，而T=NTs，增加N必然减小Ts ，因此，增加N时f0是不变的。只有增加点数的同时导致增加了数据长度T才能使分辨率越好。还有容易搞混的一点，我们在做DFT时，常常在有效数据后面补零达到对频谱做某种改善的目的，我们常常认为这是增加了N，从而使频率分辨率变好了，其实不是这样的，补零并没有增加有效数据的长度，仍然为T。但是补零其实有其他好处：1.使数据N为2的整次幂，便于使用FFT。2.补零后，其实是对DFT结果做了插值，克服“栅栏”效应，使谱外观平滑化；我把“栅栏”效应形象理解为，就像站在栅栏旁边透过栅栏看外面风景，肯定有被栅栏挡住比较多风景，此时就可能漏掉较大频域分量，但是补零以后，相当于你站远了，改变了栅栏密度，风景就看的越来越清楚了。3.由于对时域数据的截短必然造成频谱泄露，因此在频谱中可能出现难以辨认的谱峰，补零在一定程度上能消除这种现象。

那么选择DFT时N参数要注意：1.由采样定理：fs>=2fh，2.频率分辨率：

f0=fs/N，所以一般情况给定了fh和f0时也就限制了N范围：N>=fs/f0。

解释二：频率分辨率也可以理解为某一个算法（比如功率谱估计方法）将原信号中的两个靠得很近的谱峰依然能保持分开的能力。这是用来比较和检验不同算法性能好坏的指标。在信号系统中我们知道，宽度为N的矩形脉冲，它的频域图

形为sinc函数，两个一阶零点之间的宽度为4π/N。由于时域信号的截短相当于时域信号乘了一个矩形窗函数，那么该信号的频域就等同卷积了一个sinc函数，也就是频域受到sinc函数的调制了，根据卷积的性质，因此两个信号圆周频率之差W0必须大于4π/N。从这里可以知道，如果增加数据点数N，即增加数据长度，也可以使频率分辨率变好，这一点与第一种解释是一样的。同时，考虑到窗函数截短数据的影响存在，当然窗函数的特性也要考虑，在频率做卷积，如果窗函数的频谱是个冲击函数最好了，那不就是相当于没截断吗？可是那不可能的，我们考虑窗函数主要是以下几点：1.主瓣宽度B最小（相当于矩形窗时的4π/N，频域两个过零点间的宽度）。2.最大边瓣峰值A最小（这样旁瓣泄露小，一些高频分量损失少了）。3.边瓣谱峰渐近衰减速度D最大（同样是减少旁瓣泄露）。在此，总结几种很常用的窗函数的优缺点：

矩形窗：B=4π/N A=-13dB D=-6dB/oct

三角窗：B=8π/N A=-27dB D=-12dB/oct

汉宁窗：B=8π/N A=-32dB D=-18dB/oct

海明窗：B=8π/N A=-43dB D=-6dB/oct

布莱克曼窗：B=12π/N A=-58dB D=-18dB/oct

可以看出，矩形窗有最窄的主瓣，但是旁瓣泄露严重。汉宁窗和海明窗虽主瓣较宽，但是旁瓣泄露少，是常选用的窗函数。

2. 采样周期与频率分辨率