振动信号AR模型谱估计算法研究论文

合集下载

振动信号AR模型谱估计算法研究开题报告

振动信号AR模型谱估计算法研究开题报告

毕业设计(论文)中期报告题目:振动信号AR模型谱估计算法研究系别电子信息系专业通信工程班级姓名学号导师2013年12月22日参考文献[1] 张学智.数字信号处理[M].北京:兵器工业出版社,2006.9:187~208.[2] 张峰,石现峰,汽轮机振动信号的经典谱估计仿真研究[J],2010.4:932~936.[3] 张立材,王民.数字信号处理[M],北京:人民邮电出版社.2008.[4] 胡广书.数字信号处理理论、算法与实现[M],北京:清华大学出版社,2003:527~529.[5] 刘国岁.随机信号理论与应用[M],北京:兵器工业出版社,1992:268~270.[6] 吴湘淇.信号、系统与信号处理[M].北京:电子工业出版社,1996:435~440.[7] 张旭东.离散随机信号处理[M].北京:清华大学出版社,2005:145~150.[8] Kay SM,Marple SL.Spectrum analysis:a modern pertpetive. Proc IEEE 1981,69:1380~1419.[9] Hayes M H. Statistical Digital Signal Processing and Modeling. NewYork:John Wiley&So-ns,Inc. 1996:121~125.[10] 陈海英.AR模型功率谱估计常用算法的性能比较[J],漳州师范学院学报(自然科学版),2009,63(1):48~51.[11] 王凤瑛,张丽丽.功率谱估计及其MATLAB仿真[J],2006.22(11):287~289.[12] 闫庆华,程兆刚,段云龙.AR模型谱估计算法及MA TLAB实现[J],2010 (4):154~156.[13] 彭家龙,吴宏锷,刘次华.AR模型阶数的强相合估计[J].昆明理工大学学报:理工版,2009,34(3):117~124.[14] 导向科技.MA TLAB6.0程序设计与实例应用.北京:中国铁道出版社,2001.[15] 董言治,刘松涛等.基于Matlab的时间序列分析和动态数据建模.计算机工程,2003,29(12):170~172.[16] 王济,胡晓.MA TLAB在振动信号处理中的应用[M],中国水利水电出版社2006.9:387~390.。

AR模型谱估计方法研究及其应用

AR模型谱估计方法研究及其应用

AR模型谱估计方法研究及其应用摘要数字信号处理(DSP)重要的应用领域之一,是建立在周期信号和随机信号基础上的功率谱估计。

在实际应用中往往不能获得具体信号的表达式,需要根据有限的数据样本来获得较好的谱估计效果,因而谱估计被广泛的应用于各种信号处理中[1]。

本论文研究了功率谱估计的几种常用的方法,包括经典谱估计和现代谱估计的各种方法,且对每种方法的估计质量做了数学推导,并给出仿真程序及仿真图。

经典法主要包括周期图法、自相关法,但这两种方法都存在缺陷,即认为观测数据之外的数据都为零,所以对经典法中的周期图法进行了加窗、平均等修正,因此提出了周期图法的改进方法;现代谱估计的方法分类比较多,AR模型法,MA 模型法和ARMA模型法是现代功率谱估计中最主要的参数模型,本论文着重讨论了AR模型参数法[2]。

同时论文将通过对经典谱估计和现代谱估计的实现方法及仿真图的比较,得出经典功率谱估计方法的方差性较差,分辨率较低,而现代谱估计的目标正是在于努力改善谱估计的分辨率,因此能得到较好的谱估计效果,为此应用更为广泛[3]。

关键字:数字信号处理,功率谱估计,周期图法,自相关法,AR模型法ABSTRACTDigital signal processing (DSP) important application of one of the field. Actually, we can’t get the expression of a specific signal, so we need to estimate the power spectral of a signal according to some sample data sequences.So spectrum estimation which is widely used in various signal processing.In this thesis, some common methods of Power Spectral Estimation, such as classical spectral estimation and modern spectral estimation, are studied. The quality of each estimation method is derived, simulation program and simulation figure is given. Classical methods of Power Spectral Estimation mainly include the Periodogram and the BT method. But both of them have a common drawback: the data sequences, beyond the area of the observed sequences, are all presumed to zero. So the Windows and the average method are introduced to improve the quality of the Periodogram. Therefore the improvement of The Periodogram estimation method is proposed. The classification of modern spectral estimation methods are more , AR,MA, and ARMA is the most important parameters of modern spectral estimation. This thesis will focus on discussion of AR model parameters method. At the same time , It can be seen from the comparison and realization of classical spectral estimation and modern spectral estimation, classical power spectrum estimation variance is poor, low resolution .The goal of modern spectral estimation is working to improve the resolution of spectral estimation, better results of the estimation of the power spectrum can be obtained, so it is applied more widely.Keywords: digital signal processing, Power Spectrum Estimation, The Periodogram, the BT methods,AR model目录摘要 (I)1 绪论 (1)1.1功率谱简介 (1)1.2经典谱估计 (2)1.3现代谱估计 (3)1.4功率谱估计应用及用途 (4)2 谱估计简介 (5)2.1随机信号简介 (5)2.2平稳随机信号 (7)2.3估计质量的评价标准 (10)3 现代谱估计 (12)3.1平稳随机信号的参数模型 (12)3.2 AR模型的正则方程与参数计算 (13)3.3 MA模型谱估计 (16)3.4 ARMA模型谱估计 (17)3.5 AR模型功率谱估计实验 (19)3.5.1、实验内容 (19)3.5.2、实验分析 (20)3.5.3、实验结果及分析 (20)3.5.4、实验思考 (24)3.5.5、实验源代码 (25)3.6 AR模型的应用 (30)3.7 小结 (36)4论文总结 (36)参考文献 (38)1 绪论1.1功率谱简介1.功率谱估计技术渊源流长,在过去的几十年获得了飞速的发展。

基于ARMA模型的振动信号建模与预测

基于ARMA模型的振动信号建模与预测

是用 A MA( , R n n一1 模 型 的一 个 递 增 系列 去 )
逐步逼 近 数据 的依 赖 关 系。 当用 残 差 平 方 和 的减小 来 作 判 断 时 , 停 留 在 这 样 一 个 n值 先 上 , n超 过 此值 时 , 种 逼 近 的 改 善 已不 明 即 这 显 。应 用这 种策 略 可 以设 计 一个 简单 的 , 能够 在 计算 机上 执行 的建模 程 序 , 只要把 数据 输 即
第2 0卷
第 6期






V0 . O No 6 12 .
21 00年 6月
J OUR NAL OF C HANGC N UN V S HU I ER I
J n O O u e2 l
基 于 A MA模 型 的 振 动信 号 建模 与预 测 R
曹 昕 燕 ,邹 英 永
系统 某测点 的输 出响应 为离散 时 间序 列 { } 。对 于 离散
时 间序列 { } 当 其 取 值 过 大或 过 小 时 , , 为保 证 计 算 精 度 、 误差 、 减少 避免溢 出 , 要对 离 散 时 问序 列 { f 行 需 进
规一化处理。即当{ } 满足均值为 五 方差为 的正态 ,
通运输 等学科 , 并发挥 着重 要 的作 用 。
本 文应用 时间序列 分析 的方 法对机 械 系统 的动 态参数 进行 了识 别 , 先对机 械系 统进行 测量 , 首 获得 响应 的时间序 列 , 后对 时间 序列建 立 A MA模 型 , 用 A M 模 型 与系统 动态 参数 的关 系对振 动信 号进 行监 然 R 利 R A
种基 于时 间序列分 析技术 的振 动信 号处理 方法 , 是在振 动信 号监 测 的基 础上 , 过 对动 态参 数进 行建 模 它 通 与预测 , 来估计 设备 故障 的传播 和发 展趋势 , 设 备 的优 劣趋 势 做 出预 测 。该 方 法具 有能 反 映 系统 的 内在 对 规律 、 预测精度 高等 特点 , 特别适 合 于对设 备的各种 未来 信 号进 行 预测 , 已被广 泛地应 用 于机械故 障诊断 、 交

振动信号AR模型谱估计算法研究中期报告(可编辑)

振动信号AR模型谱估计算法研究中期报告(可编辑)

振动信号AR模型谱估计算法研究中期报告毕业设计(论文)中期报告题目:振动信号AR模型谱估计算法研究系别电子信息系专业通信工程班级姓名学号导师2013年3月23日1. 设计(论文)进展状况1.1 主要研究内容及方案本课题的名称是振动信号AR模型谱估计算法研究。

本课题将对AR模型功率谱估计算法进行研究并设计一套仿真程序,在此基础上,基于实测振动信号进行算法性能分析,为科研项目“汽轮机振动在线监测系统”中振动信号频谱分析的实现提供基础,主要内容如下:1 了解功率谱估计的基本理论、概念、应用及实现方式;2 对AR模型功率谱估计算法进行研究;3 基于Matlab环境编程仿真实现算法;4 编写图形用户界面,并与算法程序结合,构成一套完整的仿真程序;5 将实现的算法应用于实测汽轮机振动信号的谱估计;6 对算法效果及性能进行分析。

课题的研究按以下的过程进行:1 首先对振动信号AR模型谱估计算法进行深入研究。

AR模型又称为自回归模型,建立如下的信号模型:假定所观测的数据是由一个均方误差为的零均值白噪声序列wn激励一个全极点的线性时不变离散时间系统Hz得到的。

用差分方程表示为1其中,p是AR模型的阶数,是p阶AR模型的参数.将该模型记为ARp,它的系统转移函数为2在功率谱估计中,若观测的数据是平稳随机过程,则该系统的输入wn也可认为是平稳的,因而根据线性系统对平稳随机信号的响应理论可得观测数据的功率谱为 3由上式可知,利用AR模型进行功率谱估计的实质是求解模型系数和的问题。

2 在算法研究的基础之上,用Matlab对其进行编程实现,并以模拟的信号对算法进行测试。

3 利用MATLAB的GUI编写图形用户界面程序,形成一套AR模型谱估计算法仿真程序。

4 基于实测的汽轮机振动信号对AR模型谱估计算法性能进行分析。

5 在对比的基础上,发现并提出算法的改进方向。

1.2 设计进展情况从开题到中期,课题的进展情况如下:1 查阅了课题实现的相关文献及资料,主要文献包括:《AR模型功率谱估计及MATLAB实现》、《功率谱估计及其MATLAB仿真》、《基于AR模型的功率谱估计》等等,了解了功率谱估计的的本理论、概念、应用及实现方式,着重分析了AR模型谱估计算法及其参数求解。

现代谱估计在苏通大桥钢箱梁振动信号分析中的应用

现代谱估计在苏通大桥钢箱梁振动信号分析中的应用

Sg a ay i fS t n id e’ te x Gid r in lAn sso u o g Br g SS e lBo r e l
Z A G Y n ,Y E D n—e G h—i g Z A u —i H N ag U o g i, U Z i a , H O G oqn j qn g
获取 的苏 通 大桥 钢 箱 梁 三 维 变形 监 测 数 据 进 行 分 析 。首 先根 据 观测 数 据 估 计 A R参 数 模 型 , 按 照 再
加 速度 计 , 但加 速度 计存 在位 移精度 不高 、 法 连续 无
( ol efE r c ne n ni en ,H hi ne i ,N nn ,f ns 108 h a Clg at Si c adE gn r g oa irt e o h e ei U vsy af g i gu209 ,C i ) i a n
Ab ta t ti fge tsg i c n e t b an te b d e vb ain fe u n y t l nd a c rtl sr c :I s o r a in f a c o o ti h r g ir t r q e c i y a c u aey.I h s p p r he i i o me n ti a e ,t t h g ue o uo gBrd e’ te o id ri d suse c o i gt e tr e dme so a eomain d t o- i c a er l fS tn i g Sse lb x gre s ic s d a c r n o t e — i n in ld fr to aa c l me n d h h lce y GP e td b S—RTK y mial d na c l y.Ac o dn o te d fce c fta iin ls e tu e tmain ag rtm ,t e mo e c r ig t h e in y o rd t a p crm si t lo h i o o i h d m s e tu e t to g rtm ae n AR d li rp sd t ay e te s e tu o ntrn aa S oi e t y p cr m si in a o h b s d o ma l i mo e sp o o e o a lz p crm fmo ioi gd t Oa t d n i n h s f

AR模型应用于振动信号趋势预测的研究

AR模型应用于振动信号趋势预测的研究
YANG o HUANG n -h n Ha , Do g s e g
( e t o tmo i n c a ia E gn eig C a gh ie s yo ce c & T c n lg , D p. fAuo bl a d Me h nc l n ie r , h n s aUnv ri fS in e e n t e h oo y
要 求.
关键词 : 随机 信 号 ; R 模 型 ; ug算 法 ; 测 A Br 预
中 图分 类 号 : 39 0 2 文 献标 识 码 : A
A ud fA R o lBa e n Bur ih e i St y o M de s d o g Art m tc f r Tr nd Fo e a to b a i n S g l o e r c s fVi r to i nas
C agh 0 6 hn) hn sa4 0 7 ,C ia 1
Absr t Tr nd fr c s fvbrton sg l sa mpo tn r fc n ii n mo io n nd ful dig sso q pme t . tac : e o e a to i ai inasi n i ra tpa to o d to n tr ga a t a no i fe ui i n s
r k n . T e a t o s ic s e h r be f h o i g a b s a k n au rb a i g vb a in sg a s h i i e - n a i g h u h ra o ds u s st ep o l m o o sn e tr n ig v e f e r i r t i l .T s sv i l c l o n o n l

基于AR模型谱估计方法与仿真

基于AR模型谱估计方法与仿真

文献标志码: A
Spectrum Estimation Method and Simulation Based on AR Model
LU Feng
( Department of Mechanical and Electrical Engineering,Huaibei Vocational and Technical College,Huaibei 235000,China)
1 AR 模型法的基本理论
随机过程基本都可以看成一个白噪声 ω[n]激励一个线性系统,设系统函数 H( z) 为:
收稿日期: 2019-01-18 作者简介: 陆 峰( 1969—) ,男,安徽淮北人,淮北职业技术学院机电工程系高级工程师,硕士,主要从事机电信息获
取研究.
30
西安文理学院学报( 自然科学版)
功率谱估计在语音识别,雷达杂波识别,系统辨识,流体力学的内波分析以及农业地理信息系统等 许多领域得到广泛应用[1]. AR 模型功率谱估计是现代谱估计中最常用的一种方法[2 - 3]. 该模型可以把 随机信号看成由一白噪声激励经过一物理网络形成,可以通过已经检测到的数据估计出物理网络的模 型参数再进行功率谱估计,这样就克服了经典法假设未测点为 0 的不足之处[3]. AR 模型法的实现又分 Yule-Walker 法,协方差法和修正协方差法,Burg 递推法等[4 - 6].
σ2ω A( ejω)
2=
σ2ω
p
∑ 1 +
ak e -jωk 2
( 5)
k =1
若求出 σ2ω 和所有 ak 的值,就可以得到随机信号 X[n]的功率谱.
1. 1 AR 模型的 Yule-Walker 方法
X[n]的自相关函数 RX[m]表达式为

AR模型谱估计方法研究及其应用

AR模型谱估计方法研究及其应用

的功率谱密度。
Kalman滤波器的优点是能够实时处理数据,并且能够自适应
03
地调整估计精度。
最小二乘法
最小二乘法是一种常用的参数估计方法,它通 过最小化预测值与实际值之间的残差平方和来 估计模型参数。
在谱估计中,最小二乘法可以用于估计信号的 功率谱密度。
最小二乘法的优点是简单易用,但是它的估计 精度较低,可能会出现偏差。
VS
AR模型可以提取信号中的特征信息 ,从而实现信号的有效分类和识别 ,在语音识别、图像识别等领域有 着广泛的应用前景。
AR模型在信号检测中的应用
利用AR模型对信号进行检测,可以快速准确地检测出信号的 存在和变化情况,及时发现信号中的异常情况。
AR模型可以有效地提取信号中的突变信息,从而实现信号的 有效检测,在雷达、声呐、无线通信等领域有着广泛的应用 。
AR模型的优势
与其他频谱估计方法相比,AR模型具 有多个优点。首先,它可以更加准确 地估计信号的频谱特性,特别是当信 号的噪声水平较高时。其次,它可以 更加灵活地适应不同的信号和系统特 性,从而适用于更广泛的领域。此外 ,AR模型还具有计算复杂度低、易于 实现等优点。
研究内容与方法
研究内容
本文主要研究了AR模型谱估计方法的关键技术,包括 模型的建立、参数估计、性能分析和优化等。在此基 础上,本文还探讨了AR模型在信号处理中的应用,以 及其未来发展趋势和应用前景。
AR模型的参数估计可以采用多种方法,如 最小二乘法、卡尔曼滤波器等。
AR模型的一个重要应用是谱估计, 它可以用于估计信号的频谱特性。
kalman滤波器
01
Kalman滤波器是一种递归滤波器,它通过使用状态空间方法 来估计动态系统的状态变量。

现代信号处理论文(1)

现代信号处理论文(1)

AR 模型的功率谱估计BURG 算法的分析与仿真钱平(信号与信息处理 S101904010)一.引言现代谱估计法主要以随机过程的参数模型为基础,也可以称其为参数模型方法或简称模型方法。

现代谱估计技术的研究和应用主要起始于20世纪60年代,在分辨率的可靠性和滤波性能方面有较大进步。

目前,现代谱估计研究侧重于一维谱分析,其他如多维谱估计、多通道谱估计、高阶谱估计等的研究正在兴起,特别是双谱和三谱估计的研究受到重视,人们希望这些新方法能在提取信息、估计相位和描述非线性等方面获得更多的应用。

现代谱估计从方法上大致可分为参数模型谱估计和非参数模型谱估计两种。

基于参数建摸的功率谱估计是现代功率谱估计的重要内容,其目的就是为了改善功率谱估计的频率分辨率,它主要包括AR 模型、MA 模型、ARMA 模型,其中基于AR 模型的功率谱估计是现代功率谱估计中最常用的一种方法,这是因为AR 模型参数的精确估计可以通过解一组线性方程求得,而对于MA 和ARMA 模型功率谱估计来说,其参数的精确估计需要解一组高阶的非线性方程。

在利用AR 模型进行功率谱估计时,必须计算出AR 模型的参数和激励白噪声序列的方差。

这些参数的提取算法主要包括自相关法、Burg 算法、协方差法、 改进的协方差法,以及最大似然估计法。

本章主要针对采用AR 模型的两种方法:Levinson-Durbin 递推算法、Burg 递推算法。

实际中,数字信号的功率谱只能用所得的有限次记录的有限长数据来予以估计,这就产生了功率谱估计这一研究领域。

功率谱的估计大致可分为经典功率谱估计和现代功率谱估计,针对经典谱估计的分辨率低和方差性能不好等问题提出了现代谱估计,AR 模型谱估计就是现代谱估计常用的方法之一。

信号的频谱分析是研究信号特性的重要手段之一,通常是求其功率谱来进行频谱分析。

功率谱反映了随机信号各频率成份功率能量的分布情况,可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信息,在许多领域都发挥了重要作用。

振动信号处理中的模型与算法

振动信号处理中的模型与算法

振动信号处理中的模型与算法振动信号处理是一门研究机械运行状态的技术,广泛应用于航空、能源、运输、制造等领域。

振动信号处理旨在通过分析机械振动信号的频谱、波形等特征,检测并预测机械故障,提高机械运行的可靠性和安全性。

本文将对振动信号处理中的模型和算法进行探讨和总结。

一、振动信号模型振动信号可以用不同的方式进行表征,如时域、频域、小波域等。

在时域分析中,通常采用傅里叶变换将振动信号从时域转换到频域,从而获得振动信号的频谱图。

在频谱分析中,通常采用功率谱密度函数(PSD)来描述振动信号的频谱特征。

在振动信号处理中,常用的模型有AR模型、MA模型、ARMA模型和ARIMA模型等。

AR模型指自回归模型,是一种将当前观测值与先前观测值之间的线性关系表示为自回归方程的模型。

MA模型指滑动平均模型,是一种将当前观测值与随机误差之间的线性关系表示为一个滑动平均方程的模型。

ARMA模型指自回归滑动平均模型,是AR模型和MA模型的结合。

ARIMA模型指差分自回归滑动平均模型,是ARMA模型在时间序列非平稳时的扩展。

二、振动信号处理算法1.时域分析法时域分析法常常用于计算振动信号的均方根(RMS)、峰峰值、峰值因数、偏度等特征,并通过对比标准值来进行故障诊断。

时域分析法最大的优势是简单易懂,可以快速确定机器故障的类型和严重程度。

然而,该方法有一个明显的缺点:无法识别机器故障的特征频率。

2.频域分析法频域分析法使用快速傅里叶变换(FFT)将振动信号从时域转换到频域,使用功率谱密度函数(PSD)描述振动信号的频谱特征。

该方法可以明确地给出机器故障的特征频率、幅值和相位。

此外,功率谱分析法还可以检测非线性系统的变化,例如机械故障时系统的弹性扭曲或冲击。

3.小波分析法小波分析法是一种时频分析法,它通过使用母小波对振动信号进行多尺度分解,可将振动信号分解为不同级数的小波系数,然后仅保留其中的一些子带系数,最终得到一个高分辨率的频谱图。

现代信号处理论文_AR模型的功率谱估计BURG算法的分析与仿真

现代信号处理论文_AR模型的功率谱估计BURG算法的分析与仿真

AR 模型的功率谱估计BURG 算法的分析与仿真一.引言现代谱估计法主要以随机过程的参数模型为基础,也可以称其为参数模型方法或简称模型方法。

现代谱估计技术的研究和应用主要起始于20世纪60年代,在分辨率的可靠性和滤波性能方面有较大进步。

目前,现代谱估计研究侧重于一维谱分析,其他如多维谱估计、多通道谱估计、高阶谱估计等的研究正在兴起,特别是双谱和三谱估计的研究受到重视,人们希望这些新方法能在提取信息、估计相位和描述非线性等方面获得更多的应用。

现代谱估计从方法上大致可分为参数模型谱估计和非参数模型谱估计两种。

基于参数建摸的功率谱估计是现代功率谱估计的重要内容,其目的就是为了改善功率谱估计的频率分辨率,它主要包括AR 模型、MA 模型、ARMA 模型,其中基于AR 模型的功率谱估计是现代功率谱估计中最常用的一种方法,这是因为AR 模型参数的精确估计可以通过解一组线性方程求得,而对于MA 和ARMA 模型功率谱估计来说,其参数的精确估计需要解一组高阶的非线性方程。

在利用AR 模型进行功率谱估计时,必须计算出AR 模型的参数和激励白噪声序列的方差。

这些参数的提取算法主要包括自相关法、Burg 算法、协方差法、 改进的协方差法,以及最大似然估计法。

本章主要针对采用AR 模型的两种方法:Levinson-Durbin 递推算法、Burg 递推算法。

实际中,数字信号的功率谱只能用所得的有限次记录的有限长数据来予以估计,这就产生了功率谱估计这一研究领域。

功率谱的估计大致可分为经典功率谱估计和现代功率谱估计,针对经典谱估计的分辨率低和方差性能不好等问题提出了现代谱估计,AR 模型谱估计就是现代谱估计常用的方法之一。

信号的频谱分析是研究信号特性的重要手段之一,通常是求其功率谱来进行频谱分析。

功率谱反映了随机信号各频率成份功率能量的分布情况,可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信息,在许多领域都发挥了重要作用。

AR模型的功率谱估计方法及在故障检测中的应用

AR模型的功率谱估计方法及在故障检测中的应用

2 . Y a n s h a n U n i v e r s i t y ,Q i n h u a n g d a o H e b e i 0 6 6 0 0 4,C h i n a )
Ab s t r a c t :Ai mi n g a t t h e p r o b l e m o f f a u l t f e a t u r e e x t r a c t i o n o f r o t a t i n g ma c h i n e r y,d y r v a c u u m p u mp wa s r e g a r d e d a s t h e r e s e rc a h
Y A0 Z h i f e i .J I ANG Wa n l u 。Z HU Yo n g
( 1 . H e b e i R a d i o a n d r I V U n i v e r s i t y ,S h i j i a z h u a n g H e b e i 0 5 0 0 9 0 ,C h i n a ;
2 0 1 3年 3 月 第4 1 卷 第 5期
机床与液压
M ACHI NE T O0L & HYDRAUL I CS
Ma L 2 01 3
Vo 1 . 4 1 No . 5
D O I : 1 0 . 3 9 6 9 / j . i s s n . 1 0 0 1 — 3 8 8 1 . 2 0 1 3 . 0 5 . 0 4 5
o p t i mu m o r d e r w a s d e t e r mi n e d .T h e AR p o w e r s p e c t r u m w a s c lc a u l a t e d .T h e c o n d i t i o n o f t h e r o l l i n g b e a r i n g wa s i d e n t i i f e d .T h e e x — p e r i me n t a l r e s u l  ̄s h o w t h a t t h e me t h o d c a n b e u s e d t o e x t r a c t f a u l t f e a t u r e ̄ e q u e n c y e f e c t i v e l y .I t i s a v li a d me t h o d f o r f a u l t d e t e c t i o n

AR模型谱估计算法分析

AR模型谱估计算法分析

信息量准则在AR模型谱估计算法分析绪论雷达杂波的建模与仿真,是雷达目标环境模拟中的重要组成部分,杂波建模的好坏将直接影响到最终模拟效果。

统计建模是目前较为成熟和常用的杂波建模方法,在建立统计性模型时,杂波通常用相关非高斯分布随机过程来描述,其主要模拟方法有三种:外部模型法、广义维纳过程的零记忆非线性变换法(ZMNL)和球不变随机过程法(SIRP)。

使用这三种方法的前提都是要先产生具有指定功率谱特性的相关高斯随机过程。

相对于杂波的空间相关性,杂波在时间上的相关性由其功率谱特性来描述。

地面雷达环境杂波的功率谱主要用高斯谱或n 次方谱来描述,分析这两种分布特性不难发现,杂波功率大部分集中在半功率点或特征频率范围内,具有一定程度的极值函数特征, 因此,可以用有限阶自回归(AR)过程模拟近似。

也就是说,可以将杂波看成是一个具有指定功率谱特性的自回归随机过程。

这样,相关高斯杂波的模拟问题就转换为对给定功率谱求解其AR 模型的参数和阶数问题。

AR 模型定阶准则可以分为两类: 线性代数法和信息量准则法。

线性代数法需要计算矩阵的秩, 计算量大,不易于工程实时实现。

文献[1]给出了一种修正的LEVISON算法来确定AR阶数,得到的阶数与实际AR 阶数较为接近,但前提是需要事先选择一个取值理想的收敛因子,这给实际工作带来了不确定性。

信息量准则法是设定一个与AR阶数、线形预测误差方差相关的性能指标,选择使这个性能指标达到最小的阶数,依此作为定阶原则来确定AR 阶数。

它的优点是计算量小,易于实现,不需要选择不确定性因素,而且这种基于信息量准则的方法具有明确的物理意义。

采用模型仿真相关高斯序列,具有灵活性强,效率高的优点,但如何选择合适的阶数一直是模型谱估计中的关键问题。

本文从介绍功率谱的估计原理入手分析了经典谱估计和现代谱估计两类估计方法的原理,根据现代谱估计中的线性预测自回归模型法(AR模型法)估计功率谱的原理,讨论了Levlnsion-Durbin算法和四种基于信息量准则的AR模型定阶准则:AIC、FPE、CAT和MDL,计算AR模型参数、估计功率谱并利用进行了实例计算和分析。

AR模型论文

AR模型论文

摘要:本文在AR模型(自回归模型)功率谱估计方法的基础上,对其在抗干扰领域中的应用进行了研究,提出了自适应滤除干扰信号的方案,并对该方案进行了DSP实现。

实验结果表明,该方案在自适应去除多个干扰信号方面是行之有效的。

关键词:功率谱估计;自回归模型;抗干扰;数字信号处理器DSP Realization of AR Model Power Spectrum Estimation in Anti-jammingJIANG Lei1,2,CHENG Ren2 ,LIU Yi-de2(1.Electronics and Information Institute, Northwest Polytechnical University, Xi'an 710072,China;2.Telecommunication Engineering Institute, Air Force Engineering University,Xi'an 710077,China)Abstract:The application of AR model power spectrum esti mation in the field of anti-jamming is studied. The scheme of adaptiv ely filtering jamming signal is also proposed and is realized based on DSPs. The experiment result shows that this scheme is effective t o filter multi-jamming signal.Keywords:Power spectrum estimation;AR model;Anti-jamming;DSP一、引言参数模型功率谱估计方法较经典功率谱估计方法无论是在方差性能还是在分辨率方面都有明显的优势,因而成为现代谱估计技术的主要内容,被广泛地应用到各个领域。

电动机振动数值预测研究

电动机振动数值预测研究

电动机振动数值预测研究摘要:电动机在正常运行状态及故障检测状态,都会发生振动现象。

而振动速度、振动加速度、振动位移是电动机运行状态检测的重要来源。

因此,本文根据石油天然气企业电动机基础情况,结合电动机振动数值计算流程,构建了一个基于LabVIEW的AR自回归模型模型,通过对感应电动机振动数值的预测分析,介绍了电动机振动特性,阐述了电动机振动故障判定方法,以期为石油天然气企业电动机稳定运行提供有效的借鉴。

关键词:电动机;振动;数值;预测前言:某石油天然气企业生产厂机组配置了两台6000V轴瓦空压电机,其中一台轴瓦电机为备用。

该轴瓦电机为卧式安装,主要为汽轮发动机组辅助设备,通过将凝气设备中凝结水加压,经低压加热器传输到氧气去除模块。

轴瓦电机驱动电动机功率为300kw,转速为2600r/min,泵端轴承型号为SKF6336,自由端轴承型号为SKF7445。

本文对该轴瓦卧式电动机振动数值进行了预测分析。

一、电动机振动数值计算流程电动机电磁振动主要是在电磁力的驱动下,通过定子齿振动引起的整体电动机振动。

因此,在电动机振动数值计算过程中,首选需要对定子齿表层电磁力数值进行计算。

在具体操作过程中,由于现阶段调速电动机大多为变频器供电模式,而变频器内部电流具有不同类型的谐波。

因此考虑到电流谐波与电磁振动之间的联系,可利用电流传感器对电机三相电流进行测量。

随后将实测电流信号数值纳入电磁力有限元模型中。

即依据石油天然气企业空压电动机振动检测标准,在定子齿表层设置振动监测点。

其次,根据检测数值,构建基于电磁力计算的电磁有限元模型[1]。

为了避免电动机端部效应对整体计算结果的影响,在实际计算过程中,可利用LabVIEW构建AR自回归模型假定电磁力与电动机轴运动方向一致,随后逐步扩展AR自回归模型,最终形成完整的电动机三维电磁力模型。

最后,通过电动机三维电磁力模型倒谱等效分析,可得出具体电动机振动试验结果。

二、基于LabVIEW的电动机振动数据收集1.石油天然气企业空压电动机振动检测标准石油天然气企业空压电动机振动评测主要包括测量参数、测量仪器、测点布置、测试设备类型、测试技术要求等几个模块。

AR模型在爆破震动信号频谱分析中的应用

AR模型在爆破震动信号频谱分析中的应用

爆破震动信号是一种典型强非线性 、非平稳 的 随机信号 ,爆破震 动信号频谱分析是研究爆破震动 特 性 的重要 手段 之 一 。、功率谱 是信 号 频谱 分析 的 主 要手段 ,其反映了信号 的功率能量在频域上 的分布 情况 ,进而揭示了信号 的功率谱峰及隐含 的周期性
收稿 日期 :2015—11—14 作者简 介:孙新建 (1976一),男 ,山东鄄城 ,博士后 、副教 授 ,主要 从
Abstract: The method of spectrum analysis of blasting vibration signal is a classical spectral estimation method mainly based on Fourier transform ,which has some disadvantages,including poor performance of variance easier to
sis.The spectrum analysis of the vibration signals of different types of projects was carried out through classical and
AR model spectral estimation method.Results show that spectr u m curve of blasting vibration signa l with AR m odel spectrum estimation method has the following characteristics such as smoothing,small variance clear dominant fre.

AR模型功率谱估计的典型算法比较及MATLAB实现

AR模型功率谱估计的典型算法比较及MATLAB实现
nfft=2048;
%随机信号xn subplot(41 1);plot(n,xn);title(’仿真信号x(n)’) %自相关法功率谱估计 【pxl,f1]=pyulear(xn,30,nfft,fs);subplot(412); plot(fl,pxl);title(’自相关法功率谱估计’) %Burg算法功率谱估计 [px2,f2]=pburg(xn,30,nfft,fs);subplot(4 1 3); plot(f2,px2);title(’Burg算法功率谱估计’) %改进协方差算法功率谱估计 [px3,f3]=pmcov(xn,30,nfft,fs);subplot(414); plot(f3,px3);title(’改进协方差算法功率谱估计’)
●I
如对本文内容有任何观点或评论,请发E—mail至sjtx@210n.com
参考文献
[1]张旭东.离散随机信号处理.北京:清华大学出版社,2005 [2]胡广书.数字信号处理理论算法实现.北京:清华大学出版社,2003 [3]傅广操.MATLAB在现代功率谱估计中的应用.电脑学习,2003,12(6)6~7
(上接78页)
Contrast of the Typical Algorith ms of PS D Esti mation Based on AR ModeI and the Simulation in MATLAB
Chu Binbin,Wang Chen,Qi Dening
(Department of Information Engineering,Artillery Academy,PLA,Hefei 23003 1,China)
关 ——.。—键 ———.词 ...—F—.S..K..调 ..—。制 —.,.—解 ..…—调 ————器 —一.—伪 ——~~随 ..一—机 —..——序 。.一一列 .——...一。.一————..一——。.——————————。.一————————————————。。——————————————————…—。————————.…———.———.,一——……一一—.…~——..——。.一I

基于AR模型的Burg算法功率谱估计

基于AR模型的Burg算法功率谱估计

三种功率谱估计方法性能研究1.前言:我们已经知道一个随机信号本身的傅里叶变换并不存在,因此无法像确定性信号一样用数字表达式来精确表达它,而只能用各种统计平均量来表征它. 其中,自相关函数最能完整地表它他的统计平均量值.而一个随机信号的功率谱密度正是自相关函数的傅里叶变换,可以用功率谱密度来表征它的统计平均谱密度(PSD). 跟据维纳辛钦定理,广义平稳随机过程的功率谱是自相关函数的傅里叶变换,它取决于无数多个自相关函数值. 但对于许多实际应用中,可资利用的观测数据往往是有限的,所以要准确计算功率谱通常是不可能的.比较合理的目标是设法得到功率谱的一个好的估值,这就是功率谱估计. 也就是说,功率谱估计是根据平稳随机过程的有限个观测值,来估计该随机过程的功率谱密度.功率谱估计的评价指标包括客观度量和统计度量. 在客观度量中,谱分析特性是一个主要指标.谱分析是指估计普对真实谱中两个靠的很近的谱峰的分辨能力.统计度量是指估计的偏差,方差,均方误差,一致性等评价指标.但需要注意的是,对统计特性的分析方法只适用于长数据记录.所以,利用统计度量对不同的谱估计方法进行比较是不妥当的,只能用来对某种谱估计方法进行描述,并且一般只用来描述古典谱估计方法,因为现代谱估计方法往往用于短数据情况.功率谱估计可以分为经典谱估计(非参数估计)和现代谱估计(参数估计)。

通常将傅里叶变换为理论基础的谱估计方法叫做古典谱估计或经典谱估计;把不同于傅里叶分析的新的谱估计方法叫做现代谱估计或近代谱估计.前者主要有周期图法,自相关法及其改进方法. 现代功率谱估计方法主要有基于参数模型的自相关法、Burg 算法、改进的协方差方法等,基于非参数模型的MUSIC 算法、特征向量方法等。

本文选取比较有代表性周期图法, Burg 算法、Yule-Wallker 法(自相关法)算法进行计算机仿真,通过仿真发现了这些算法各自的优缺点,并进行归纳总结。

2三种算法的基本理论2.1 周期图法周期图法又称直接法,其具体步骤如下:第一步: 由获得的N 点数据构成的有限长序列()x Nn 直接求傅里叶变换,得频谱()x i N e ω,即()()-1-=0x =N i i N Nn ex n eωω∑ (1)第二步: 取频谱幅度的平方,并除以N,以此作为对()x n 的真实功率谱()i x S eω的估计,即()()21ˆ=i i xN S e X eNωω(2)综上所述,先用FFT 求出宿疾随机离散信号N 点的DFT ,再计算幅频特性的平方,然后除以N ,即得出该随机信号得功率谱估计。

AR模型在爆破震动信号频谱分析中的应用

AR模型在爆破震动信号频谱分析中的应用

AR模型在爆破震动信号频谱分析中的应用孙新建;曾亚平;苏振妍【摘要】The method of spectrum analysis of blasting vibration signal is a classical spectral estimation method mainly based on Fourier transform,which has some disadvantages,including poor performance of variance,easier to produce false peak and high curve fluctuation. While AR model spectrum estimation method has the advantages of high accuracy and simplicity,and makes up for the shortcomings of the classical spectrum estimation in signal analy-sis. The spectrum analysis of the vibration signals of different types of projects was carried out through classical and AR model spectral estimation method. Results show that spectrum curve of blasting vibration signal with AR model spectrum estimation method has the following characteristics such as smoothing,small variance,clear dominant fre-quency and no false peak near the dominant frequency. Therefore,the AR model modern spectrum estimation method is more superior to the classical spectral estimation method on Spectrum analysis of blasting vibration signals.%爆破震动信号的频谱分析以傅氏变换为基础的经典谱估计方法为主,该方法存在方差性能差、易产生虚假峰值、谱曲线起伏大等缺点。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

本科毕业设计(论文) 题目:振动信号AR模型谱估计算法研究如需要完整文档及cad图等其他文件,请加球球:一九八五六三九七五五2013年06月摘要振动信号的功率谱估计技术在电力、化工、冶金、矿山、船运等行业应用广泛,是相关领域中故障诊断及在线监测系统实施的基础。

针对经典功率谱估计算法应用于振动信号谱估计存在方差与分辨力性能矛盾而导致谱估计质量不高的问题,论文研究了如何将现代谱估计算法中的AR模型谱估计算法应用于振动信号谱估计中。

AR模型谱估计算法属于参数模型谱估计范畴,论文首先对AR模型功率谱估计算法进行了深入研究与分析,包括算法模型、模型参数计算的Levision-Durbin递推算法和Burg算法,以及最优模型阶次确定的AIC(Akalke Information Criterion)准则。

在理论分析的基础上,基于MATLAB进行了AR 模型谱估计算法的仿真程序的编写。

最后,基于MATLAB的GUI编程设计了图形用户界面,形成了一套完整的振动信号AR模型谱估计算法程序。

论文研究所设计的算法程序基于实测汽轮机振动信号进行了测试及性能分析。

理论分析及仿真结果表明,AR模型谱估计算法在阶次合适的情况下,能够取得较好的方差及分辨力性能,适合于振动信号的功率谱估计,且AIC准则为确定合理的模型阶次提供了有效依据。

关键词:振动信号;AR模型谱估计;Levision-Durbin递推算法;Burg算法;MATLAB;信息论准则Research of Vibration S ignal’s AR Model SpectralEstimation AlgorithmAbstractThe power spectrum estimation techniques of the vibration signal are widely used in electric power, chemical industry, metallurgy, mining, shipping and other industries, is the basis for the implementation of fault diagnosis and online monitoring system in the related fields. Classic power spectrum estimation algorithm is applied to the vibration signal contradictions which led to the problem of spectral estimation is not high quality, the paper studies how modern spectral estimation algorithm AR model spectrum estimation algorithm applied to the vibration signal spectrum estimation.AR model spectrum estimation algorithm is parameter model spectrum estimation category Firstly, the AR model power spectrum estimation algorithm is researched and analyzed in depth, including the algorithm model, the model parameters Levision-Durbin recursive algorithm and Burg algorithm, and the AIC(Akaike Information Criterion) criterion of determine the optimal model order .The preparation of the AR model spectrum estimation algorithm simulation program , on the basis of theoretical analysis, based on MATLAB, MATLAB-based GUI programming designed graphical user interface, a complete set of vibration signal AR model spectrum estimation algorithm.The algorithm program designed by the paper is tested and the performance is analyzed based on the real measured steam turbine’s vibration signals. Theory analysis and simulation show that the AR model spectrum estimation algorithm under the condition of the order appropriate, can make for good variance and resolution performance,suitable for vibration signal power spectral estimation, and the AIC criterion order an effective basis to determine a reasonable model order.Key Words:Vibration signal; AR model spectrum estimation; Levision-Durbin recursive algorithm; Burg algorithm; MATLAB; Akaike Information Criterion目录1 绪论 (1)1.1 前言 (1)1.2 课题研究的意义 (1)1.3 相关技术现状 (2)1.3.1 功率谱估计技术 (2)1.3.2 算法仿真工具 (3)1.3.4 GUI技术 (3)1.4 课题的主要研究内容 (4)1.5 课题研究的重难点 (5)1.5.1 课题研究的重点 (5)1.5.2 课题研究的难点 (5)1.6 论文结构安排 (6)2 算法研究方案 (7)2.1 研究目标及指标要求 (7)2.2 方案研究思路 (7)2.3 相关技术选择 (8)2.3.1 模型参数计算基于Yule-Walker方程进行 (8)2.3.2 AR模型谱估计最优阶次使用AIC准则 (8)2.3.3 算法仿真编程基于MATLAB进行 (9)2.3.4 图形用户界面基于MATLAB的GUI工具进行 (10)3 相关技术介绍 ................................................... 错误!未定义书签。

3.1 周期图功率谱估计算法 ................................................... 错误!未定义书签。

3.2 AR模型功率谱估计算法.................................................. 错误!未定义书签。

3.3 AR模型谱估计参数的计算方法...................................... 错误!未定义书签。

3.3.1 Levision-Durbin递推算法.......................................... 错误!未定义书签。

3.3.2 Burg算法.................................................................. 错误!未定义书签。

3.4 最佳阶次确定的AIC准则 .............................................. 错误!未定义书签。

3.5 Matlab的GUI编程........................................................... 错误!未定义书签。

4 AR模型功率谱估计算法实现 ........................ 错误!未定义书签。

4.1 周期图功率谱估计算法 ................................................... 错误!未定义书签。

4.2 AR模型谱估计算法.......................................................... 错误!未定义书签。

4.2.1 AR模型功率谱估计算法流程................................... 错误!未定义书签。

4.2.2 基于AIC准则确定最优阶次.................................... 错误!未定义书签。

4.2.3 基于L-D 递推算法的AR模型谱估计 ................... 错误!未定义书签。

4.2.4 基于Burg算法的AR模型谱估计........................... 错误!未定义书签。

5 GUI界面及程序设计....................................... 错误!未定义书签。

5.1 界面设计目的 ................................................................... 错误!未定义书签。

5.2 界面设计方法 ................................................................... 错误!未定义书签。

5.3 图形用户界面编写 ........................................................... 错误!未定义书签。

5.4 GUI程序设计.................................................................... 错误!未定义书签。

5.4.1 信号选择功能的实现................................................. 错误!未定义书签。

相关文档
最新文档