CN105865616A - 基于fft的调制谱快速细化方法 - Google Patents
基于fft的调制谱快速细化方法 Download PDFInfo
- Publication number
- CN105865616A CN105865616A CN201610193902.0A CN201610193902A CN105865616A CN 105865616 A CN105865616 A CN 105865616A CN 201610193902 A CN201610193902 A CN 201610193902A CN 105865616 A CN105865616 A CN 105865616A
- Authority
- CN
- China
- Prior art keywords
- fft
- frequency
- data
- method based
- spectral line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于FFT的调制谱快速细化方法,该方法包括如下步骤:(1)由分析频率范围初步确定采样频率;(2)设定观察窗口宽度以得到预期的采样数据个数;(3)数据分组以得到实际采样数据个数;(4)调整采样频率使观察窗口与分析频率范围对应;(5)采样数据并分组做FFT;(6)计算起始谱线,求细化谱。具有如下有益效果及优点:①本发明采用基于直接FFT与任意基FFT相结合的算法,对调制谱细微结构的分辨率与直接FFT一致、比ZFFT更高;②本发明方法的运算速度比直接FFT、ZFFT快2倍以上,针对不同应用要求通过合理选取观察窗口宽度2M、半带宽扩展系数α或采样系数β可提高到直接FFT的4倍以上。
Description
技术领域
本发明属于细化谱分析技术,具体地说是一种基于FFT的调制谱快速细化方法。
背景技术
调制谱是模拟信号调制产生的连续已调制波的频谱。信号调制就是用一个信号(调制信号)去控制另一作为载体的信号(载波信号),让后者的某一参数(幅值、频率、相位、脉冲宽度等)按前者的值变化;通常以一个高频正弦信号作为载波信号,常用的调制方法有调幅、调频、调相、脉冲调宽。在实际工程信号监测中,由于存在干扰、固有频率等调制因素,信号形式往往如附图2所示。对于附图2中信号的采集,满足Nyquist采样定理的采样角频率fs≥2(fc+αfz),而采样周期T≥1/fz;因此,FFT谱分析所需的采样数据点数N=2n≥2(fc+αfz) /fz。以旋转机械振动监测为例,载波信号通常是振动监测传感器的固有频率信号,其频率fc为几千或几十千赫兹;调制信号通常是旋转机械零部件的故障振动冲击信号,其频率fz为在零点几到几十赫兹之间;这会导致采样数据过多,使FFT的时间加长,无法满足实时性要求;且造成了大量时间和资源的浪费,因所关心的频谱仅在fc-fz到fc+fz之间。
从FFT谱分析方法中已知,频率分辨率Δf为采样频率fs与采样点数N 的比值。在对具有密集型频谱的信号进行分析时,我们希望频率分辨率Δf越小越好,同时,采样频率fs必须保持较大值以包含所有感兴趣的频率成分。要两者兼顾,必须增大采样点数。这就意味着运算速度和分析效率将大大地降低。为了解决这一矛盾,上世纪70年代后相继出现了基于不同原理的各种频率细化分析方法,其主要目的是识别谱图上的细微结构。例如:扫频窄带分析法、基于复调制的Zoom-FFT法、直接选抽法、相位补偿细化和最大频谱的局部表示法等。最常用的有复调制Zoom-FFT、相位补偿细化等方法。然而在计算效率、精度和灵活性等方面都比较理想的方法还是基于复调制的Zoom-FFT,因此得到了较多的应用。以基于复调制的ZFFT方法为例,很多人对ZFFT有个误区,事实上,ZFFT所谓的提高分辨率是针对作同样点数的离散傅立叶变换而言的,即作细化D倍的Ñ点细化谱实际上原始数据必须采N=D*Ñ点数据,这时候它比用Ñ点原始数据直接做FFT而言频率分辨率提高了D倍,但如果把N=D*Ñ点原始数据全部做FFT,那它和细化谱的分辨率是一样的。也就是说,ZFFT本质上可以说是一种快速算法,并不能提高分辨率。它通过滤波重采样来降低采样频率,这样就可以用较少点数的FFT来实现较高的频率分辨率。当然,提高速度的代价就是只能对局部频带进行细化;而如果将ZFFT利用的所有原始数据全部直接做FFT的话,它做出的是整个频域的,而且频率分辨率和细化后的一样,甚至如果考虑细化时滤波所需去掉的点,直接FFT的频率分辨率可以更高。
实际工程信号监测中,为了快速识别调制谱中的细微结构,就必须要求信号分析既要具有高的频率分辨率、又要有较宽的频率范围,且满足系统实时性;然而,常规的FFT谱、频率细化方法都难以同时兼顾。能否发明一种快速识别调制谱中细微结构的方法,目前国内外科技界一直没有解决,尚无相关的研究成果报道。
发明内容
针对目前调制谱分析中存在的不足,本发明为解决该问题提供了一种基于FFT的调制谱快速细化方法。
本发明采取如下技术方案:
基于FFT的调制谱快速细化方法包括如下步骤:
步骤一,由分析频率范围初步确定采样频率;
步骤二,设定观察窗口宽度以得到预期的采样数据个数;
步骤三,数据分组以得到实际采样数据个数;
步骤四,调整采样频率使观察窗口与分析频率范围对应;
步骤五,采样数据并分组做FFT;
步骤六,计算起始谱线,求细化谱。
在本发明中,对于调制频率fz、载波频率fc的信号,取半带宽扩展系数为α,则所需的分析频率范围是:fc-αfz到fc+αfz;初步确定满足采样定理的采样频率fi=β(fc+αfz),其中采样系数β≥2。
在本发明中,根据实际应用需要设定观察窗口宽度为2M条谱线,可知满足要求的采样数据个数Ñ=fi/Δfi,其中观察窗口预定频谱分辨率Δfi=αfz /2M-1。
在本发明中,为能观察到2M条有效谱线,据FFT对称性取Q=2M + 1,按任意基FFT原则将数据分为P=INT(Ñ/Q+0.5)组且每组Q点,则实际采样数据个数N=P×Q。
在本发明中,为使2M条有效谱线能表示所需的分析频率范围:fc-αfz到fc+αfz,需调整采样频率fs=fc*N/λ使载波频率fc的谱线位于观察窗口中心;若fs<2(fc+αfz),则返回第一步重新确定采样系数β值。观察窗口中心谱线号λ与预定频谱分辨率Δfi、数据分组大小Q的关系为λ=(INT( fc /(Δfi*Q)+0.5))*Q+2M-1。
在本发明中,按采样频率fs采样N个数据,并在采样同时分为P组Q点的形式存放,采样结束后对已采集P组Q点数据分别做直接FFT。
在本发明中,由采样频率fs和数据个数N计算观察窗起始谱线L0=INT(N*(fc-αfz)/ fs+0.5),从L0处开始按下式计算2M条谱线即为所需的细化谱
式中k=L0,
L0+1,……,L0+2M
-1;l=0, 1,……,P-1;Gl(k)=
Gl(Z*Q+y)= Gl(y),Gl(y)为P组FFT结果中的一个值,Z为正整数,0≤y≤Q-1。
本发明具有如下有益效果及优点:(1)本发明采用基于直接FFT与任意基FFT相结合的算法,对调制谱细微结构的分辨率与直接FFT一致、比ZFFT更高;(2)本发明方法的运算速度比直接FFT、ZFFT快2倍以上,针对不同应用要求通过合理选取观察窗口宽度2M、半带宽扩展系数α或采样系数β可提高到直接FFT的4倍以上。
附图说明
图1是本发明的运算模块流程图;
图2是调制谱形成示意图;
图3是本发明的实施例细化谱图。
具体实施方式
下面结合附图和实施例对本发明的方案作进一步详细说明。
结合附图1、附图2、附图3,基于FFT的调制谱快速细化方法包括如下步骤:(1)由分析频率范围初步确定采样频率;(2)设定观察窗口宽度以得到预期的采样数据个数;(3)数据分组以得到实际采样数据个数;(4)调整采样频率使观察窗口与分析频率范围对应;(5)采样数据并分组做FFT;(6)计算起始谱线,求细化谱。
步骤一,由分析频率范围初步确定采样频率
对于调制频率fz、载波频率fc的信号,取半带宽扩展系数为α,则所需的分析频率范围是:fc-αfz到fc+αfz;初步确定满足采样定理的采样频率fi=β(fc+αfz),其中采样系数β≥2。以某旋转机械的振动监测为例,振动监测传感器的固有频率为12KHz,而监测点的故障特征频率不大于11Hz,则设载波频率fc=12KHz、调制频率fz=11Hz。振动监测所关心的频谱仅在fc-fz到fc+fz之间,考虑到转速波动等因素的影响,取半带宽扩展系数为α=1.1,则所需的分析频率范围是:11987.9Hz~12012.1Hz。对该监测点信号的采集,根据奈魁斯特(Nyquist)采样定理,采样系数β≥2,取β=2.1;这样,可初步确定该监测点满足采样定理的采样频率fi=β(fc+αfz)=2.1×12012.1Hz=25225.41 Hz。
步骤二,设定观察窗口宽度以得到预期的采样数据个数
根据实际应用需要设定观察窗口宽度为2M条谱线,可知满足要求的采样数据个数Ñ=fi/Δfi,其中观察窗口预定频谱分辨率Δfi=αfz /2M-1。对于步骤一中所述的旋转机械振动监测例,取M=8,即采用宽度为28=256条谱线的观察窗口;由此得观察窗口预定频谱分辨率Δfi=2αfz /2M=αfz /2M-1=12.1 /128=0.094531Hz,可知满足此频谱分辨率要求的采样数据个数Ñ=fi/Δfi=2M-1fi/αfz=25225.41/0.094531=266847.31个。
步骤三,数据分组以得到实际采样数据个数
为能观察到2M条有效谱线,据FFT对称性取Q=2M + 1,按任意基FFT原则将数据分为P=INT(Ñ/Q+0.5)组且每组Q点,则实际采样数据个数N=P×Q。根据FFT的对称性,FFT谱中的前半部与后半部对称一致。对于步骤一中所述的旋转机械振动监测例,为能观察到2M=256条有效谱线,所需的数据个数应为Q=2M + 1=512;这样,以每组数据为Q点,按任意基FFT原则采用四舍五入取整方式将数据Ñ分为P组,P=INT(Ñ/Q+0.5)=INT(266847.31/512+0.5)=521,则得到实际所需的采样数据个数N=P×Q=521×512=266752个。显然,本实施例的采样数据个数N不是2的整数幂;若要进行频谱变换,有以下两种处理方法:① 通过对采样数据序列x(n)补0,使x(n)的点数成为2的整数幂以便直接FFT;② 采用任意基FFT算法,其基本思路仍然是将长点的DFT尽可能分解为短点的DFT运算。为介绍方便,以15点的数据序列x(n)说明任意基FFT的数据分组原则、运算特点,设N=P×Q=3×5=15点数据可分为3组、每组5点
一般项为x(Pr+l);r=0, 1,……,Q-1;l=0, 1,……,P-1;其DFT为
也就是说,可将分解P=3组、Q=5点的DFT,再利用的周期性将3个5点的DFT合成一个15点的DFT。
步骤四,调整采样频率使观察窗口与分析频率范围对应
为使2M条有效谱线能表示所需的分析频率范围:fc-αfz到fc+αfz,需调整采样频率fs=fc*N/λ使载波频率fc的谱线位于观察窗口中心;若fs<2(fc+αfz),则返回第一步重新确定采样系数β值;观察窗口中心谱线号λ与预定频谱分辨率Δfi、数据分组大小Q的关系为λ=(INT( fc /(Δfi*Q)+0.5))*Q+2M-1。对于步骤一中的旋转机械振动监测例,采样频率fs=fc*N/λ=fc*N/[(INT( fc/(Δfi*Q)+0.5))*Q+2M-1]
=12000*266752/[(INT(12000/512*0.094531)+0.5)*512+128]=25184.29Hz,因fs=25184.29Hz >2(fc+αfz)=24024.2Hz,则本例不需重新确定采样系数β值,频谱分辨率Δf=fs/N=25184.29/266752=0.094411 Hz。
步骤五,采样数据并分组做FFT
按采样频率fs采样N个数据,并在采样同时分为P组Q点的形式存放,采样结束后对已采集P组Q点数据分别做直接FFT。本发明采用Q为2的整数幂的任意基FFT算法,而对Q点数据则直接FFT运算,充分利用了任意基FFT和直接FFT运算的优点;对于采样数据序列x(n)的分组可以在采样数据保存时或做直接FFT运算取数时进行,这运用CPU的间接寻址、变址寻址方式很容易快速实现。
步骤六,计算起始谱线,求细化谱
由采样频率fs和数据个数N计算观察窗起始谱线L0=INT(N*(fc-αfz)/ fs+0.5),从L0处开始按下式计算2M条谱线即为所需的细化谱
式中k=L0,
L0+1,……,L0+2M
-1;l=0, 1,……,P-1;由DFT的周期性可知Gl(k)= Gl(Z*Q+y)=
Gl(y),Gl(y)为P组FFT结果中的一个复数值,Z为正整数,0≤y≤Q-1。
对于采样数据序列x(n) 的DFT计算量为N2次复数乘和N(N-1)次复数加,而FFT计算量为0.5N*(LOG(N,2))次复数乘和N*(LOG(N,2))次复数加。以N=1024为例,DFT运算需要10242=1048576次复乘,而按时间抽取的FFT算法仅需512*10=5120次复乘,两者相差200多倍。
本发明是P个Q点直接FFT与P组Q点任意基FFT的有机结合,对调制谱细微结构的分辨率与直接FFT完全一致;关于计算量的考查,以其中的复数乘计算为例,对于步骤一中的旋转机械振动监测例,其复数乘计算量为P*0.5Q*(LOG(Q,2))+
0.5Q *(P-1)=521*256*(LOG(512,2))+ 256 *(521-1)=1402880次,由上式可知:通过减少Q可降低前半部直接FFT的运算量、但后半部任意基FFT的运算量增加,通过增加Q可降低后半部任意基FFT的运算量、但前半部直接FFT的运算量增加,根据DFT的周期性,Q的大小与分析窗口宽度2M并无直接关系,本发明取Q=2M+1是运算量最优的情况;若对同样数据个数N=P×Q=521×512=266752直接FFT,因218<N<219,则需补0到219个数,复数乘为218*(LOG(219,2))=4980736次;在该实施例中,直接FFT的复数乘是本发明方法的3.7倍。附图3是步骤一中的旋转机械振动监测例,图中上半部分为测点监测的时域信号,从中难以判断被监测机械的运行状态;下半部分为细化谱图,分析频率范围是:11987.9154Hz~12012.0846Hz,图中可明显观察到3.3Hz的机械运行状态特征谱线,若仅为重复该特征谱线,可观察窗口缩小为原来的1/3、其它不变,则直接FFT的复数乘将是本发明方法的4.0倍。因此,针对不同应用要求,通过合理选取观察窗口宽度2M、半带宽扩展系数α或采样系数β可使本发明方法的运算速度比直接FFT快4倍以上。
对于步骤一中的旋转机械振动监测例,若采用ZFFT来实现频谱细化。同样取采样频率fs=25184.29Hz,设频谱窗口宽度2M=256,需要Q=512点数据来自采样原始数据,则其FFT的频谱分辨率Δfa=fs/Q=25184.29/512=49.1880664 Hz,要使谱分辨率提高到Δf=0.094411 Hz,细化倍数D=Δfa/Δf≈521,所需的原始采样数为N=D×Q=521×512=266752点数据,可见采样数据与本发明方法一致。计算量以基于复解析滤波的ZFFT方法为例,D=521为细化倍数,令M= 4D=2084为滤波器的半阶数,Q=512为FFT分析数据点数,则细化需要的采样序列为x(n)
,其中n =0,1,2,……,DQ+2M-1。从采样序列x(n)中选抽g(r)的方法是:①频移,为了将感兴趣的频段的下限频率移至原来的零频率位置,以便有可能将感兴趣频段放大到整个频率显示范围上,需首先对信号进行频率调制。一般采用的是复数调制法,如果欲将某一频率fx=fc-fz移至原来的零频处,则以原信号xi与e-j 2 π× f x × k /N ×Δ f相调制得:实部为xi×cos(2π×fx×k/N×Δf),虚部为-xi×sin(2π×fx×k/N×Δf);②选抽,确定选抽位置为[r=2M,2M+D,2M+2D,……,2M+(Q-1)D],取每个选抽位置以前的2M个采样数据;③波器,用设计好的复解析滤波器对2M个采样数据滤波后得到g(r)中一个数据的实部、虚部;④ 对②、③步重复Q次,即可选抽得到g(r);⑤ 对g(r)作FFT。可见,频移需作N=D×Q次复乘,滤波需作2M×Q=8DQ次复乘,做Q点的直接FFT需0.5Q*(LOG(Q,2))次复乘,共需复乘次数9DQ+0.5Q*(LOG(Q,2));对于步骤一中的旋转机械振动监测例,D=521,Q=512,其复乘次数为2403072次,是本发明方法复乘次数的1.713倍;考虑复数加、移频与滤波系数计算等,本发明方法整体可比ZFFT快2倍以上;且ZFFT要通过复调制移频、经复解析滤波减少参与FFT的数据点,不可避免的会损失一些频率成分,所得到频谱的分辨率没有直接FFT的高。
Claims (8)
1.一种基于FFT的调制谱快速细化方法,其特征在于:
步骤一,由分析频率范围初步确定采样频率;
步骤二,设定观察窗口宽度以得到预期的采样数据个数;
步骤三,数据分组以得到实际采样数据个数;
步骤四,调整采样频率使观察窗口与分析频率范围对应;
步骤五,采样数据并分组做FFT;
步骤六,计算起始谱线,求细化谱。
2.根据权利要求1所述的基于FFT的调制谱快速细化方法,其特征在于:对于调制频率fz、载波频率fc的信号,取半带宽扩展系数为α,则所需的分析频率范围是:fc-αfz到fc+αfz;初步确定满足采样定理的采样频率fi=β(fc+αfz),其中采样系数β≥2。
3.根据权利要求1所述的基于FFT的调制谱快速细化方法,其特征在于:根据实际应用需要设定观察窗口宽度为2M条谱线,可知满足要求的采样数据个数Ñ=fi/Δfi,其中观察窗口预定频谱分辨率Δfi=αfz /2M-1。
4.根据权利要求1所述的基于FFT的调制谱快速细化方法,其特征在于:为能观察到2M条有效谱线,据FFT对称性取Q=2M +1,按任意基FFT原则将数据分为P=INT(Ñ/Q+0.5)组且每组Q点,则实际采样数据个数N=P×Q。
5.根据权利要求1所述的基于FFT的调制谱快速细化方法,其特征在于:为使2M条有效谱线能表示所需的分析频率范围:fc-αfz到fc+αfz,需调整采样频率fs=fc*N/λ使载波频率fc的谱线位于观察窗口中心;若fs<2(fc+αfz),则返回第一步重新确定采样系数β值。
6.根据权利要求5所述的基于FFT的调制谱快速细化方法,其特征在于:观察窗口中心谱线号λ与预定频谱分辨率Δfi、数据分组大小Q的关系为λ=(INT( fc /(Δfi*Q)+0.5))*Q+2M-1。
7.根据权利要求1 所述的基于FFT的调制谱快速细化方法,其特征在于:按采样频率fs采样N个数据,并在采样同时分为P组Q点的形式存放,采样结束后对已采集P组Q点数据分别做直接FFT。
8.根据权利要求1 所述的基于FFT的调制谱快速细化方法,其特征在于:由采样频率fs和数据个数N计算观察窗起始谱线L0=INT(N*(fc-αfz)/ fs+0.5),从L0处开始按下式计算2M条谱线即为所需的细化谱
式中k=L0, L0+1,……,L0+2M -1;l=0, 1,……,P-1;Gl(k)= Gl(Z*Q+y)= Gl(y),Gl(y)为P组FFT结果中的一个值,Z为正整数,0≤y≤Q-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610193902.0A CN105865616B (zh) | 2016-03-31 | 2016-03-31 | 基于fft的调制谱快速细化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610193902.0A CN105865616B (zh) | 2016-03-31 | 2016-03-31 | 基于fft的调制谱快速细化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105865616A true CN105865616A (zh) | 2016-08-17 |
CN105865616B CN105865616B (zh) | 2018-10-12 |
Family
ID=56626485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610193902.0A Active CN105865616B (zh) | 2016-03-31 | 2016-03-31 | 基于fft的调制谱快速细化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105865616B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007493A (zh) * | 2019-12-16 | 2020-04-14 | 武汉大学 | 一种提高海流速度分辨率的时间分段快速傅里叶变换方法 |
CN112067874A (zh) * | 2019-06-11 | 2020-12-11 | 广州汽车集团股份有限公司 | 一种适用于车辆传感器信号的滤波方法、装置和存储介质 |
CN112213560A (zh) * | 2020-09-01 | 2021-01-12 | 东南大学 | 一种基于z-adaline的高精度电网宽频信号测量方法 |
CN112817250A (zh) * | 2020-12-28 | 2021-05-18 | 深圳市翌日科技有限公司 | 传感器数据采集方法及电路 |
CN113419288A (zh) * | 2021-05-29 | 2021-09-21 | 湖南科技大学 | 地下掩体反演的数据探测与预处理方法 |
CN113433521A (zh) * | 2021-05-29 | 2021-09-24 | 湖南科技大学 | 雷场目标同步探测的频谱细化方法 |
CN114252698A (zh) * | 2020-09-24 | 2022-03-29 | 广州慧睿思通科技股份有限公司 | 一种频谱处理方法、系统、电子设备及存储介质 |
CN117311300A (zh) * | 2023-11-29 | 2023-12-29 | 西安热工研究院有限公司 | 分散控制系统动态调整采样频率的方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0996244A2 (de) * | 1998-10-23 | 2000-04-26 | Abb Research Ltd. | Vorrichtung und Verfahren zum Orten von Störstellen in elektrischen Verteilnetzen |
CN1487273A (zh) * | 2003-08-28 | 2004-04-07 | 北京航空航天大学 | 便携式智能测振仪 |
CN101388001A (zh) * | 2008-06-25 | 2009-03-18 | 天津大学 | 基于全相位fft的高精度瞬间相位估计方法 |
US20100246653A1 (en) * | 2009-03-31 | 2010-09-30 | Sunao Ronte | Amplitude probability distribution measurement apparatus |
CN102841880A (zh) * | 2012-09-06 | 2012-12-26 | 天津市德力电子仪器有限公司 | 一种基于数字信号处理器快速频谱细化的方法 |
CN103454495A (zh) * | 2013-09-13 | 2013-12-18 | 电子科技大学 | 自适应高精度快速频谱分析方法 |
CN103646011A (zh) * | 2013-12-09 | 2014-03-19 | 中国电子科技集团公司第四十一研究所 | 一种基于线性调频z变换的信号频谱细化方法 |
CN104375111A (zh) * | 2014-11-16 | 2015-02-25 | 甘肃省机械科学研究院 | 对密集频谱进行快速高精度细化校正的方法 |
-
2016
- 2016-03-31 CN CN201610193902.0A patent/CN105865616B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0996244A2 (de) * | 1998-10-23 | 2000-04-26 | Abb Research Ltd. | Vorrichtung und Verfahren zum Orten von Störstellen in elektrischen Verteilnetzen |
CN1487273A (zh) * | 2003-08-28 | 2004-04-07 | 北京航空航天大学 | 便携式智能测振仪 |
CN101388001A (zh) * | 2008-06-25 | 2009-03-18 | 天津大学 | 基于全相位fft的高精度瞬间相位估计方法 |
US20100246653A1 (en) * | 2009-03-31 | 2010-09-30 | Sunao Ronte | Amplitude probability distribution measurement apparatus |
CN102841880A (zh) * | 2012-09-06 | 2012-12-26 | 天津市德力电子仪器有限公司 | 一种基于数字信号处理器快速频谱细化的方法 |
CN103454495A (zh) * | 2013-09-13 | 2013-12-18 | 电子科技大学 | 自适应高精度快速频谱分析方法 |
CN103646011A (zh) * | 2013-12-09 | 2014-03-19 | 中国电子科技集团公司第四十一研究所 | 一种基于线性调频z变换的信号频谱细化方法 |
CN104375111A (zh) * | 2014-11-16 | 2015-02-25 | 甘肃省机械科学研究院 | 对密集频谱进行快速高精度细化校正的方法 |
Non-Patent Citations (6)
Title |
---|
万灵达: "《基于FFT的高精度频率估计算法研究》", 《中国优秀硕士论文全文数据库 信息科技辑》 * |
周华: "《地下磁流体探测方法研究与仪器开发》", 《中国优秀硕士论文全文数据库 工程科技Ⅱ辑》 * |
肖玮等: "《DTFT频谱细化特性分析及其快速算法设计》", 《电子与信息学报》 * |
邢鑫: "《基于快速傅里叶变换频谱细化算法的研究》", 《中国优秀硕士论文全文数据库 信息科技辑》 * |
郝重阳等: "《一种快速局部细化频谱分析新方法---SSA》", 《电子学报》 * |
黄采伦等: "《基于频谱细化的列车轮对轴承故障在线检测》", 《中国工程科学》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067874A (zh) * | 2019-06-11 | 2020-12-11 | 广州汽车集团股份有限公司 | 一种适用于车辆传感器信号的滤波方法、装置和存储介质 |
CN111007493A (zh) * | 2019-12-16 | 2020-04-14 | 武汉大学 | 一种提高海流速度分辨率的时间分段快速傅里叶变换方法 |
CN112213560A (zh) * | 2020-09-01 | 2021-01-12 | 东南大学 | 一种基于z-adaline的高精度电网宽频信号测量方法 |
CN114252698A (zh) * | 2020-09-24 | 2022-03-29 | 广州慧睿思通科技股份有限公司 | 一种频谱处理方法、系统、电子设备及存储介质 |
CN112817250A (zh) * | 2020-12-28 | 2021-05-18 | 深圳市翌日科技有限公司 | 传感器数据采集方法及电路 |
CN113419288A (zh) * | 2021-05-29 | 2021-09-21 | 湖南科技大学 | 地下掩体反演的数据探测与预处理方法 |
CN113433521A (zh) * | 2021-05-29 | 2021-09-24 | 湖南科技大学 | 雷场目标同步探测的频谱细化方法 |
CN117311300A (zh) * | 2023-11-29 | 2023-12-29 | 西安热工研究院有限公司 | 分散控制系统动态调整采样频率的方法、装置及电子设备 |
CN117311300B (zh) * | 2023-11-29 | 2024-02-13 | 西安热工研究院有限公司 | 分散控制系统动态调整采样频率的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105865616B (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105865616A (zh) | 基于fft的调制谱快速细化方法 | |
AU2020203291B2 (en) | Method and system for detecting insulation aging degree of PPLP of superconducting cable | |
CN103245832B (zh) | 基于快速s变换的谐波时频特性参数估计方法及分析仪 | |
CN105223434A (zh) | 电能质量混合检测方法 | |
CN103308804A (zh) | 基于快速k-s变换电能质量扰动信号时频参数提取方法 | |
CN103116064A (zh) | 一种基于能量算子和频谱校正的电压波动与闪变检测方法及装置 | |
CN102288807A (zh) | 一种测量电网电压闪变的方法 | |
CN108761117B (zh) | 便携式电流检测转速测试仪 | |
CN101806832A (zh) | 一种低频率信号的频率测量方法 | |
CN102435860B (zh) | 一种介质损耗电流测试仪的工作方法 | |
CN109459131A (zh) | 一种旋转机械多通道振动信号的时频特征提取方法及装置 | |
CN103575984A (zh) | 基于凯塞窗双谱线插值fft的谐波分析方法 | |
CN108051189A (zh) | 一种旋转机械故障特征提取方法及装置 | |
CN104034412A (zh) | 一种基于分数阶全息原理的旋转机械故障特征提取方法 | |
CN102998110A (zh) | 一种基于阶比-全息谱原理的旋转机械故障特征提取方法 | |
CN102269803B (zh) | 基于时间延迟的离散频谱低频成分的校正方法 | |
CN101320060A (zh) | 快速相位计 | |
CN102043091A (zh) | 数字化高精度相位检测器 | |
Yi et al. | Second-order Synchrosqueezing Modified S Transform for wind turbine fault diagnosis | |
CN103983849A (zh) | 一种实时高精度的电力谐波分析方法 | |
CN104198811B (zh) | 低频信号频率测量方法和装置 | |
CN101806835B (zh) | 基于包络分解的间谐波测量仪 | |
CN104678170B (zh) | 一种基于谐波分析仪的电力谐波分析方法和谐波分析仪 | |
CN106483375B (zh) | 一种多频率分次谐波检测方法 | |
CN108181486A (zh) | 加速度信号的处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |