振动信号处理与数据分析徐平pdf免费版|百度网盘下载

编者的话：振动信号处理与数据分析徐平pdf

《振动信号处理与数据分析》以工程振动信号为研究对象，以信号采集到后续处理为主线，拾取并发出振动信号，依次进行时域、频域、时域在获得的数字信号上。频域处理，小编为大家准备了振动信号处理与数据分析徐萍pdf素材，欢迎下载

简介

《振动信号处理与数据分析》以工程振动信号为研究对象，以信号采集到后续处理为主线，拾取并发出振动信号，依次进行时域、频域、时域在获得的数字信号上。频域处理。

介绍经验模态分解、全向量谱融合等新的处理算法和思想，并以振动信号监测与处理为基础，兼顾继承和发展，组织编写内容，探讨振动信号处理算法和原理。

《振动信号处理与数据分析》涉及相关知识点：傅里叶级数展开、离散傅里叶变换、Z变换、快速傅里叶变换、时域统计特性、EMD分解、全向量谱技术等理论及其应用案例在工业场所。

《振动信号处理与数据分析》可以作为普通高等学校理工科本科生的教材，也可以作为研究生和工程技术人员的自学参考书。

相关内容部分预览

目录

前言
第一章简介
1.1DSP的基本概念
1.2DSP系统及其实现
1.3振动信号及其基本描述
1.3.1周期振动信号的合成与合成分解
1.3.2 非周期振动信号的性质
1.4 信号处理的应用
1.4.1 在结构振动与设计中的应用
1.4.2 在产品质量与自动控制中的应用
1.4.3 在结构监测和故障诊断中的应用
第二章信号的分类和测量
2.1 振动信号处理的基本概念和功能
2.2 信号的分类
2.3 信号测量
2.3． 1 传感器分类
2.3.2 传感器选择原则
2.3.3 用常见振动信号测试传感器
习题
第三章振动信号处理
3.1 信号放大
3.1.1 运算放大器
3.1.2 测量放大器
3.1.3 电荷放大器plifiers
3.2 信号滤波
3.2.1 理想模拟滤波器
3.2.2 实用模拟滤波器及其基本参数
3.3 信号调制和解调
3.3.1 幅度调制
3.3 .2 频率调制
3.4 信号数字化方法
3.4.1 采样、混频和采样定理
3.4.2 量化和量化误差
3.4.3 截断、泄漏和窗函数
3.4 .4 选择 A/D 转换模块的基本规范
练习
第 4 章线性信号分析算法
4.1 傅里叶变换
4.1.1 傅里叶级数
4.1.2 傅里叶积分
4.1 .3 离散傅里叶变换的性质< br>4.1.4 卷积和相关函数
4.2 快速傅里叶变换
4.2.1 时间抽取基础——2FFT 算法
4.2.2 频率抽取基础——2FFT 算法
>4.2.3 基础―4FFT算法
4.2.4 分割基数FFT
4.2.5 进一步减少计算量的措施（蝴蝶算法）
4.3 Z-trans序列的形成
4.3.1 Z变换的定义
4.3 .2 序列特征对收敛区域的影响
4.3.3 Z逆变换
4.3.4 Z变换的性质
4.4 希尔伯特变换
4.4.1 希尔伯特变换的定义
4.4.2 希尔伯特交换的性质
4.4.3 希尔伯特变换表
练习
第五章振动信号的时域处理
5.1 时域波形的合成与分解
5.1.1 稳态和交变分量
5.1.2 偶数和奇数分量
5.1.3 实数和虚数分量
5． 1.4 正交函数分量
5.2 时域统计特征参数处理方法
5.2.1 维度幅度参数
5.2.2 无因次参数
5.2.3 高阶统计指标
5.3 幅度分布特征信号的
5.3.1 概率密度的定义
5.3.2 二维联合概率密度函数
5.3.3 典型信号的概率密度函数
5.4 相关分析方法及其应用
5.4.1 相关函数
5.4.2 自相关函数的性质及其应用
5.4.3 互相关函数的性质及其应用
习题
第6章 振动信号频域处理方法及应用其应用
6.1 频谱分析方法
6.1.1 确定性信号的频谱
6.1.2 离散傅里叶变换和快速傅里叶变换
6.1.3 信号的随机功率谱密度
6.2 应用功率SP ectral 方法
6.2.1 从经典谱估计到现代谱估计
6.2.2 谱估计的参数模型方法
6.2.3 Yule- of AR Models Walker 方程
6.2.4 稳定性AR模型及其阶次确定
6.2.5 AR谱估计性质
6.2.6 AR模型参数提取方法
6.2.7MA和ARMA模型谱估计
6.3倒谱分析方法
6.3 .1 倒谱的概念
6.3.2 倒谱和反卷积
6.3.3 倒谱的应用
6.4 细化频谱分析方法
练习
第7章振动信号的时频域分析方法和其应用
7.1 时频分析的基本概念
7.2 信号的时间宽度和带宽
7.2.1 时间宽度和带宽的概念
7.2.2 不确定性原理
7.3 信号分解
br>7.3.1 信号分解的概念
7.3.2 信号的正交分解
7.4 短时傅里叶变换
7.4 . 1 连续信号的短时傅里叶变换
7.4.2 离散信号的短时傅里叶变换
7.5 小波分析方法及其应用
7.5.1 小波变换的定义
7.5 .2 特点小波变换原理
7.5.3 离散小波变换
7.5.4 振动信号处理中常用的小波
练习
第8章 振动信号的其他处理方法及其应用
8.1 经验模态分解方法
8.1.1 EMD 的基本概念
8.1.2 EMD 方法的原理
8.1.3 EMD 方法的特点
8.1.4 EMD 方法的应用
8.2 循环统计方法
>8.2.1 振动信号的非平稳性和循环平稳性
8.2.2 循环平稳过程及其描述
8.2.3 循环谱、功率谱与时频分布的关系
8.2.4 二阶循环统计及其应用
8.3 盲源分离法
8.3.1 概述
8.3.2 独立凹痕分量分析
8.3.3 ICA快速算法
8.3.4 ICA应用
练习
第9章全向量谱算法概述
9.1平面全向量谱分析及方法
9.1.1 旋转机械动态检测现状
9.1.2 全矢量频谱技术基础
9.1.3 全矢量频谱数值计算方法
9.2 基于非平稳信号的全矢量频谱技术
br>9.2.1 全向量谱短时傅里叶变换及其应用
9.2.2 短时傅里叶变换定义
9.2.3 短时傅里叶变换窗函数的选择
9.2.4 总叶变换向量短时傅里叶分析与计算
9.3 全向量谱分析工程应用实例

数字信号处理的基本概念

什么是数字信号处理

我们都知道，在汽车NVH的开发过程中，经常会进行各种测试工作。国内最常用的数据采集设备是LMS提供的各种数据采集设备。信息收集完毕后，工程师将进行相关数据处理。

计算机处理的信号都是数字信号，因为计算机不能存储连续的信号，只能将信号离散化成“片”或“样本”，也就是我们所说的样本。

虽然采集的数据是时域信号，即采集的物理量随采集时间而变化。但在我们的实际工作中，我们经常关心物理量和频率的关系，尤其是在振动和噪声的分析中。

上图左边是时域信号，右边是频域信号。傅里叶变换是一种用于将时域信号转换为频域信号的数学工具。

数字信号处理的基本概念

无论是时域信号还是频域信号，了解数字信号处理中的基本概念将有助于我们更好地完成测试分析工作。

还是这个图，我们解释下图中的6个术语。

1 时域信号

采样率（Fs）

Sampling Rate 是采样频率（Fs），指的是每秒采集的数据数量。例如，2000 的采样频率意味着每秒收集 2000 个离散数据。

采样频率很重要，它决定了能否捕捉到振动波形的最大幅度，能否描述波形。

如上图所示，为了捕捉实时域信号的峰值，采样频率应至少比感兴趣的频率高10倍。对于 100Hz 的正弦波，最低采样频率需要在 1000 以上。

值得一提的是，在频域中获得正确的幅度只需要对感兴趣的最高频率进行两倍的采样。事实上，大多数数据采集系统中的抗混叠滤波器（一种低通滤波器）需要的频率是感兴趣频率的 2.5 倍。

采样频率和采样间隔Δt互为倒数。

块大小（N）

块大小是指用于傅里叶变换的时域信号中所有点的数量。

框架尺寸（T）

帧大小（T）是指获取一个数据块所需的时间。帧大小等于块大小除以采样频率。

同时，Frame size也等于Block size乘以采样间隔Δt。

2频域信号

带宽（Fmax）

Bandwidth (Fmax) 带宽，是指可以分析的最大频率，等于采样频率的一半。奈奎斯特采样标准要求将采样频率设置为感兴趣的最大频率的两倍。

1000Hz带宽，其采样频率需要设置为2000。

实际上，即使采样频率设置为2000，可用带宽也会小于理论值1000。这是因为在很多数据采集系统中，有抗混叠滤波器最多只能应用80%的带宽。

光谱线 (SL)

经过傅里叶变换后，谱线（SL）是指频域中所有数据点的个数，等于块大小的一半。

每条谱线有2个值，幅度和相位，如下图所示。

频率分辨率（Δf）

频率分辨率（Δf），指频域中两个数据点之间的差异。它等于带宽除以谱线。

例如，带宽为 16Hz 和 8 个谱线点，频率分辨率为 2Hz。

转换关系

上面介绍了六个基本概念，我们总结一下这些概念之间的关系。

最后我们得到了数字信号处理中的一个“黄金公式”，就是帧大小（T）和频率分辨率（Δf）的关系：

这意味着：

1、所需的频率分辨率越高，所需的采样时间越长
2．采样时间越短，频率分辨率越低

频率分辨率对于正确理解和分析数字信号极为重要。在下图中，两个正弦信号（分别为 100Hz\101Hz）以不同的频率分辨率（1Hz\0.5Hz）进行傅里叶变换。

在0.5Hz的频率分辨率下，右图显示有两个峰值，1Hz的分辨率无法区分100Hz\101Hz的信号。

那么问题来了，是不是频率分辨率越高越好？当然不是，这涉及到实践中的妥协。根据“黄金公式”，10Hz 的分布只需要 0.1 秒的数据，1Hz 的分辨率需要 1 秒的数据，0.01Hz 的分辨率需要 100 秒的数据。对于一些问题，甚至超过 10 秒的数据都难以获取。