信号处理基础知识：振动信号的预处理

2017-11-23 15:25| 发布者: weixin| 查看: 1264| 评论: 0|原作者: weixin|来自: 声振之家公众号

摘要: 振动信号的预处理

　　信号y(t)由x(t)和s(t)叠加而成，当两信号的能量分别集中在不同的频率区域里——采用信号预处理中的线性滤波方法或频域分析中功率谱分析：低通、高通等滤波。如有重叠，但统计特性不同，可采用窄带滤波，如周期信号和宽带噪声的混合。

　　当要提取的分量以一定的规律作周期性的重复，另一些分量是随时间变化的噪声——用时域平均方法或相关分析，有效地处理叠加信号的分解识别。如信号和白噪声的混合。

　　当信号不是线性叠加时，如两者为相乘或者卷积的时候，可以采用同态滤波方法，即现将信号转化为相加关系，再采用线性滤波。如倒谱很清晰地分析各频率成分。

　　倒频谱分析是二次频谱分析，包括功率倒频谱和复倒频谱，对具有同族谐频、异族谐频、多成分边频等复杂信号，找出功率谱上不易发现的问题非常有效。

　　提取或去除趋势项

　　在信号分析中，一般把周期大于记录长度的频率成分叫做趋势项，它代表数据缓慢变化的趋势。这种变化由于环境条件(如温度、电压等)变化或仪器性能漂移而造成。如果是前者就要从数据中去除，如果是后者，则包含了机器状态的信息，希望提取趋势项用于诊断。去除或提取趋势项可以用模拟电路，也可用数字滤波。

　　模拟电路用各种高通、低通、带通、带阻等滤波器，数字电路滤波方法原理如下：

　　趋势项一般可以用一个多项式函数来表示，设为

　　由测量获得的一组离散数据，来拟合上式，通过保证残差最小来获得这个多项式的系数，就确定了趋势项。

　　线性滤波

　　滤波的实质是去除或抑制某些范围内的信号成分。去除或减少噪声以提高信噪比(有用信号功率与噪声功率之比)。滤波分模拟滤波和数字滤波两种。信号中有用成分与噪声的关系大体上有相加(线性滤波解决)、相乘、卷积(要用同态滤波方法)等几种关系。对于相乘和卷积关系，可以采用同态滤波方法，即先用某种方法(如取对数)将相乘和卷积转化为相加再处理。

　　对于噪声信号和有用信号的相加关系，按下面两种情况分别处理：

　　一、噪声信号和有用信号不重叠或部分重叠
　　这种情况可简单采用基本的滤波器来解决，就能取得较好的效果。基本的滤波器主要有高通、低通、带通、带阻四种。如果噪声信号和有用信号完全不重叠，可以将噪声完全的滤除;如果两者部分重叠，仍然可以提高信噪比。

　　二、噪声信号和有用信号相互重叠
　　这种情况可以采用下面三种方法进行滤波，提取周期性分量：

　　1. 窄带滤波
　　如周期分量的频率是f0，用中心频率为f0，带宽为Δf的窄带滤波器对原信号进行滤波。周期分量在滤波后不会随带宽而变化，但宽带随机噪声的能量随带宽减小而减小，从而有效地抑制了噪声。采用窄带滤波需要首先知道周期分量的频率，否则需要不断的改变中心频率来尝试。

　　2. 相关滤波
　　因为周期分量的自相关函数也是周期性的，而宽带随机噪声的自相关函数在延时足够大时将衰减掉，所以可以求原信号的自相关函数，如延时足够大而不衰减则可将明显的周期分量提取出来。因此，可以求原始信号的自相关函数，在大的时延上提取周期分量。

　　相干检波

　　相干检波——同期时间平均，从包含噪声的信号中提取周期信号。

　　从有白噪声n(t)干扰的信号x(t)中提取周期信号f(t)