【资源内容介绍】：
【1】构建点频信号模型；
【2】周期图法估计；
【3】时域加窗后进行周期图法；
【4】AR时域谱估计（基于Burg算法）；
【5】Capon谱估计；
【适应对象】：
雷达专业、信号处理专业学生；
【资源特点】：
编程规范，注释明细；
【使用建议】：
此资源为较基础的时域信号处理算法，建议结合算法的理论知识，了解代码实现的技巧和过程。
【关于售后】：
如果对代码有不理解的地方，可以在CSDN平台私信我，有时间都会回复。
感谢支持！
2022-06-09 09:04:24
3KB
如何减少各冲击信号间的干扰,使得信号特征突显出来是问题的关键。小波包分解可以对检测信号进行多通道滤波,通过不同频率的小波与检测信号相互作用,将信号划分成不同的频段,减少了信号间的干扰,同时,AR谱估计具有外推功能,可以有效地分析短样本信号。
通过上述分析,在分析小波包分解原理和AR谱估计特点的基础上,对6种不同磨损状况下的东风EQ2102汽车变速器轴承振动信号进行小波包分解,重构各频段信号并进行AR谱估计,最后计算故障轴承与新轴承的散度值,有效地提取出变速器轴承信号的故障特征信息。
(1)振动信号的采集。
(2)小波包分解。
(3)分频段重构时域信号。
(4)AR谱分析。对每一频段重构的信号进行AR谱估计,得到仅含特定频率信息的AR谱。
(5)计算小波包-AR谱频带能量,分析各频带能量与轴承间隙变化的规律。
2022-05-11 09:07:04
396KB
LMSLMSDFTLMSDCT卡尔曼滤波AR谱分析和小波变换的程序-自己编的.rar
本学期结束，编了一些小程序，很是费劲，希望能对大家有所帮助，不解释。
在DFT和DCT中是采用的滑动DFT和滑动DCT。
2022-04-11 13:52:48
3KB
1
LMSLMSDFTLMSDCT卡尔曼滤波AR谱分析和小波变换的程序-报告.doc
本学期结束，编了一些小程序，很是费劲，希望能对大家有所帮助，不解释。
在DFT和DCT中是采用的滑动DFT和滑动DCT。
2022-04-11 11:48:12
221KB
1
针对轴承故障信号的非平稳性和非线性的特点，采用小波包分解和自回归（auto-regressive，AR）谱估计相结合的方法提取振动信号特征值；为了提高诊断结果的精度，提出用深度信念网络（deep believe network，DBN）进行诊断模型训练。首先，对轴承振动信号进行小波包分解和自回归谱估计，计算不同频段的能量实现轴承故障特征提取；其次，将提取到的特征值作为深度信念网络的输入向量，进行模型训练；最后，用训练好的模型进行故障诊断。为验证所提方法的有效性，采用美国凯斯西储大学提供的旋转轴承数据集，将提出的算法与三种故障诊断方法进行对比实验。实验结果表明，所提方法具有更好的诊断性能。
2019-12-21 21:40:09
1.4MB
1
（一）信号
三个不同幅度、不同频率、相位为0~2PI均匀分布的正弦信号之和加上一个幅度为正弦信号总幅度50%，方差为1的正弦随机信号。
（二）要求
1. 分别用直接法、间接法和AR谱进行功率谱估计（包括平均运算）；
2. 列出公式，画出所有图谱；
3. 数据长度，采样频率自定；
4. 根据结果讨论三种功率谱分析方法的特点；
5. 给出MATLAB程序。
2019-12-21 20:26:42
331KB
1