CN108613737A - 基于小波包与stft的飞行器多频振动信号的辨识方法 - Google Patents

基于小波包与stft的飞行器多频振动信号的辨识方法 Download PDF

Info

Publication number
CN108613737A
CN108613737A CN201810457718.1A CN201810457718A CN108613737A CN 108613737 A CN108613737 A CN 108613737A CN 201810457718 A CN201810457718 A CN 201810457718A CN 108613737 A CN108613737 A CN 108613737A
Authority
CN
China
Prior art keywords
vibration signal
frequency band
aircraft
frequency
wavelet packet
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.)
Pending
Application number
CN201810457718.1A
Other languages
English (en)
Inventor
丁萌
姚伟
吴利平
吴少文
郭毓
朱锐
虞文杰
郭健
吴益飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201810457718.1A priority Critical patent/CN108613737A/zh
Publication of CN108613737A publication Critical patent/CN108613737A/zh
Pending legal-status Critical Current

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提出了一种基于小波包与STFT的飞行器多频振动信号的辨识方法，首先采用小波函数，对飞行器复杂振动信号进行小波包分解；再计算分解后的各频带能量：计算分解后的各频带能量以及各频带能量占总能量的百分比；再对能量最大的频带进行重构，提取出能量最大的频带，将频带中的小波包系数重构为信号分量；最后通过窗函数对飞行器振动信号频率集中所在的频段进行STFT分析，辨识出飞行器振动信号中所含的主要频率；本发明的飞行器多频振动信号的辨识方法能够辨识出飞行器复杂振动信号中的频率，以提高飞行器的稳定性和可靠性。

Description

基于小波包与STFT的飞行器多频振动信号的辨识方法
技术领域
本发明属于复杂振动信号检测领域，特别是一种基于小波包与STFT的飞行器多频振动信号的辨识方法。
背景技术
在飞行器飞行过程中，飞行器的姿态受到复杂气流、飞行器横向过载变化产生的冲击等干扰因素影响，导致非平稳振动信号的产生。而且，由于新型飞行器需要具备高速、高机动性、长寿命的特点，它们将会遭受更剧烈和复杂的振动。振动信号的非平稳性给飞行器安全性测试和后续分析带来了很大困难。因而对这类非平稳的振动信号进行多频率辨识，可为减振滤波器设计、高性能控制方法研究和控制系统设计提供可靠的依据。
经典的傅里叶变换在整体上将信号分解为不同的频率分量，能够对信号的时域或频域进行全局性的变换，但缺乏局域性信息，不具备局部分析能力。此外，传统观点用平稳高斯分布来近似任意随机振动，但很多实际振动信号是非平稳的，不能近似为平稳高斯分布。
基于上述情况，目前迫切需要一种新的飞行器复杂振动信号多频率辨识方法，能够对非平稳的振动信号进行多频率辨识，并提高辨识结果准确性。但是现有技术中尚无相关描述。
发明内容
本发明所解决的技术问题在于提供一种基于小波包与STFT的飞行器多频振动信号的辨识方法，以辨识出飞行器复杂振动信号中的频率，以提高飞行器的稳定性和可靠性。
实现本发明目的的技术解决方案为：
一种基于小波包与STFT的飞行器多频振动信号的辨识方法，包括以下步骤：
步骤1、采用小波函数，对飞行器复杂振动信号进行小波包分解：
步骤2、计算分解后的各频带能量：计算分解后的各频带能量以及各频带能量占总能量的百分比；
第i个频带能量Ei的计算公式为：
式中，xi(k)为第i个频带中第k个小波包系数离散值，频带中共有n个小波包系数离散值；
第i个频带能量占总能量的百分比pi计算公式：
步骤3、对能量最大的频带进行重构，提取出能量最大的频带，将频带中的小波包系数重构为信号分量；
步骤4、通过窗函数对飞行器振动信号频率集中所在的频段进行STFT分析，辨识出飞行器振动信号中所含的主要频率。
本发明与现有技术相比，其显著优点：
(1)本发明的基于小波包与STFT的飞行器多频振动信号的辨识方法，能够辨识出飞行器复杂振动信号中的频率，为滤波器设计环节和控制器设计提供依据。
(2)本发明的基于小波包与STFT的飞行器多频振动信号的辨识方法，利用小波包变换对频带划分精准性的优点，对信号进行频带划分，提高了频率辨识的准确性。
(3)本发明的基于小波包与STFT的飞行器多频振动信号的辨识方法，对能量最大的频带即包含主要频率的频带进行分析，缩小了频率分析范围，提高了频率辨识精度。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明的基于小波包与STFT的飞行器多频振动信号的辨识方法流程图。
图2为本发明的小波包三层分解示意图。
图3为本发明的对飞行器多频振动信号进行小波包分解频带图。
图4为本发明的飞行器多频振动信号的频带能量分布情况图。
图5为本发明的飞行器多频振动信号的最大能量频带的重构信号图。
图6为本发明的飞行器多频振动信号的第一个频带进行STFT分析的频谱图。
图7为本发明的飞行器多频振动信号的第二个频带进行STFT分析的频谱图。
具体实施方式
为了说明本发明的技术方案及技术目的，下面结合附图及具体实施例对本发明做进一步的介绍。
结合图1，本发明的一种基于小波包与STFT的飞行器多频振动信号的辨识方法包括以下步骤：
步骤1、采用小波函数，对飞行器复杂振动信号进行小波包分解：为了降低其他小波函数划分频带不严格、频谱泄露严重的影响，优选sym7小波函数；相较于小波分解，小波包分解不仅得到低频信息也得到高频信息，频带划分更为精准，因而对飞行器振动信号进行三层小波包分解，将整个信号频段划分为8个频带，频带内为小波包系数。
步骤2、计算分解后的各频带能量：频带内小波包系数越大，则表明分解后频带包含信息与被分析的振动信号所含信息越接近，进而计算分解后的各频带能量以及各频带能量占总能量的百分比；
第i个频带能量Ei的计算公式为：
式中，xi(k)为第i个频带中第k个小波包系数离散值，频带中共有n个小波包系数离散值。
第i个频带能量占总能量的百分比pi计算公式：
步骤3、对能量最大的频带进行重构：基于步骤2中的频带能量计算结果，频带能量越大，表明该频带中包含飞行器振动信号频率越多，从而缩小频率范围，提高辨识结果的精度。提取出能量最大的频带，对该频带内含有的小波包系数进行小波包重构，即将频带中的小波包系数重构为信号分量；
步骤4、通过窗函数对飞行器振动信号频率集中所在的频段进行STFT(短时傅里叶变换)分析：根据高斯窗不改变信号大小，主瓣及分辨率都适合的特性，选用高斯窗作为窗函数，再对飞行器振动信号频率集中所在的频段进行STFT，从而准确辨识出飞行器振动信号中所含的主要频率，为后续滤波器及控制器设计提供依据，提高飞行器的稳定性和可靠性。
实施例1：
飞行器飞行某环节中产生一系列的复杂振动信号，其采样时间为0.005秒，在一段时间内对复杂振动信号进行采样，得到2500个采样信号数据，利用本发明中的辨识方法对采样信号在MATLAB仿真平台上进行仿真分析。
步骤1、采用小波函数，对飞行器复杂振动信号进行小波包分解：
采用sym7小波函数对飞行器复杂振动信号进行三层分解后，小波包三层分解示意图如图2所示，小波包树第三层结点对应的频率范围如表1所示。
表1.小波包树第三层对应频率范围
结点 频率范围(Hz)
(3,0) 0-12.5
(3,1) 12.5-25
(3,2) 25-37.5
(3,3) 37.5-50
(3,4) 50-62.5
(3,5) 62.5-75
(3,6) 75-87.5
(3,7) 87.5-100
步骤2、计算分解后的各频带能量：
小波包分解结果的仿真图如图3、4所示，其中图3为小波包分解后的8个频带信息，图4为频带的能量分布情况，其中第一个频带与第二个频带的能量百分比最大，说明该飞行器振动信号包含的主要频率在0-25Hz范围内。
步骤3、对能量最大的频带进行重构：
将能量最大的两个频带小波包系数提取出来，进行小波包重构，重构后的信号仿真图如图5所示。
步骤4、通过窗函数对飞行器振动信号频率集中所在的频段进行STFT分析：
选用高斯窗作为窗函数，对重构后的两个频带信号分别进行STFT仿真分析，得到第一个频带信号的频谱图如6所示，第二个频带信号的频谱图如7所示。结合图6和图7，根据提取出的点的坐标，读出此飞行器复杂振动信号所含主要频率如表2的数据所示。根据辨识结果，不论是滤波器设计环节还是控制器设计环节，都可做出相应的处理，以提高飞行器的稳定性和可靠性。在设计滤波器环节，通过前馈控制消除振动模态的影响；在控制器设计环节，根据辨识所得的振动信号频率，设计补偿器，对外界干扰进行补偿，提高飞行器的稳定性和可靠性。
表2.频率辨识结果
1 2 3 4 5 6
频率(Hz) 0.5865 14.6628 1.9550 5.0831 8.0156 10.1662
幅值 218.5 187 133.1 107.5 83.62 80.94

Claims (4)

1.一种基于小波包与STFT的飞行器多频振动信号的辨识方法，其特征在于，包括以下步骤：
步骤1、采用小波函数，对飞行器复杂振动信号进行小波包分解：
步骤2、计算分解后的各频带能量：计算分解后的各频带能量以及各频带能量占总能量的百分比；
第i个频带能量Ei的计算公式为：
式中，xi(k)为第i个频带中第k个小波包系数离散值，频带中共有n个小波包系数离散值；
第i个频带能量占总能量的百分比pi计算公式：
步骤3、对能量最大的频带进行重构，提取出能量最大的频带，将频带中的小波包系数重构为信号分量；
步骤4、通过窗函数对飞行器振动信号频率集中所在的频段进行STFT分析，辨识出飞行器振动信号中所含的主要频率。
2.根据权利要求1所述的基于小波包与STFT的飞行器多频振动信号的辨识方法，其特征在于，步骤1小波函数采用sym7小波函数。
3.根据权利要求2所述的基于小波包与STFT的飞行器多频振动信号的辨识方法，其特征在于，对飞行器振动信号进行三层小波包分解，将整个信号频段划分为多个频带。
4.根据权利要求2所述的基于小波包与STFT的飞行器多频振动信号的辨识方法，其特征在于，选用高斯窗作为窗函数对飞行器振动信号频率集中所在的频段进行STFT分析。
CN201810457718.1A 2018-05-14 2018-05-14 基于小波包与stft的飞行器多频振动信号的辨识方法 Pending CN108613737A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810457718.1A CN108613737A (zh) 2018-05-14 2018-05-14 基于小波包与stft的飞行器多频振动信号的辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810457718.1A CN108613737A (zh) 2018-05-14 2018-05-14 基于小波包与stft的飞行器多频振动信号的辨识方法

Publications (1)

Publication Number Publication Date
CN108613737A true CN108613737A (zh) 2018-10-02

Family

ID=63663150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810457718.1A Pending CN108613737A (zh) 2018-05-14 2018-05-14 基于小波包与stft的飞行器多频振动信号的辨识方法

Country Status (1)

Country Link
CN (1) CN108613737A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057583A (zh) * 2019-03-01 2019-07-26 西人马(西安)测控科技有限公司 一种轴承故障识别方法、装置及计算机设备
CN110174281A (zh) * 2019-06-05 2019-08-27 北京博识创智科技发展有限公司 一种机电设备故障诊断方法及系统
CN110851781A (zh) * 2019-11-01 2020-02-28 东南大学 基于频域能量和群延时筛选的信道脉冲响应窗口估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101634589A (zh) * 2009-08-21 2010-01-27 武汉钢铁(集团)公司 一种设备振动信号的处理方法
CN102034111A (zh) * 2010-12-15 2011-04-27 北京航空航天大学 一种对飞行器结构损伤状态进行多元化识别与检测的方法
CN106203359A (zh) * 2016-07-15 2016-12-07 重庆邮电大学 基于小波包分析和k邻近算法的内燃机故障诊断方法
CN106556457A (zh) * 2016-11-11 2017-04-05 中国科学院长春光学精密机械与物理研究所 用于小型飞行器的数据记录系统
US20170223196A1 (en) * 2016-02-02 2017-08-03 Fuji Xerox Co., Ltd. Diagnostic apparatus, diagnostic system, and non-transitory computer readable medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101634589A (zh) * 2009-08-21 2010-01-27 武汉钢铁(集团)公司 一种设备振动信号的处理方法
CN102034111A (zh) * 2010-12-15 2011-04-27 北京航空航天大学 一种对飞行器结构损伤状态进行多元化识别与检测的方法
US20170223196A1 (en) * 2016-02-02 2017-08-03 Fuji Xerox Co., Ltd. Diagnostic apparatus, diagnostic system, and non-transitory computer readable medium
CN106203359A (zh) * 2016-07-15 2016-12-07 重庆邮电大学 基于小波包分析和k邻近算法的内燃机故障诊断方法
CN106556457A (zh) * 2016-11-11 2017-04-05 中国科学院长春光学精密机械与物理研究所 用于小型飞行器的数据记录系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李舜酩等: "《振动信号现代分析技术与应用》", 30 November 2008 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057583A (zh) * 2019-03-01 2019-07-26 西人马(西安)测控科技有限公司 一种轴承故障识别方法、装置及计算机设备
CN110174281A (zh) * 2019-06-05 2019-08-27 北京博识创智科技发展有限公司 一种机电设备故障诊断方法及系统
CN110851781A (zh) * 2019-11-01 2020-02-28 东南大学 基于频域能量和群延时筛选的信道脉冲响应窗口估计方法
CN110851781B (zh) * 2019-11-01 2020-08-11 东南大学 基于频域能量和群延时筛选的信道脉冲响应窗口估计方法

Similar Documents

Publication Publication Date Title
CN102279390B (zh) 一种低信噪比雷达辐射源信号脉内调制识别方法
CN107576943B (zh) 基于瑞利熵的自适应时频同步压缩方法
CN104133198B (zh) 一种高频地波雷达中电离层干扰抑制方法
CN108613737A (zh) 基于小波包与stft的飞行器多频振动信号的辨识方法
CN110110738A (zh) 一种基于多特征融合的雷达辐射源识别方法
CN106842164B (zh) 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法
US20130229310A1 (en) System and method for geo-locating and detecting source of electromagnetic emissions
CN109344772A (zh) 基于谱图和深度卷积网络的超短波特定信号侦察方法
CN104849590B (zh) 一种混合噪声干扰下微弱脉冲信号检测方法
CN105044701B (zh) 基于稳健性时频特征的地面目标分类方法
CN105974376B (zh) 一种sar射频干扰抑制方法
CN109085549A (zh) 外辐射源雷达中多普勒维模糊副峰抑制方法
CN107894586A (zh) 一种基于同步压缩变换的激光雷达回波信号去噪方法
Huang et al. A practical fundamental frequency extraction algorithm for motion parameters estimation of moving targets
RU2579353C1 (ru) Способ сопровождения воздушной цели из класса "самолёт с турбореактивным двигателем" при воздействии уводящей по скорости помехи
CN108931766A (zh) 一种基于稀疏重构的非均匀stap干扰目标滤除方法
CN109934101A (zh) 基于卷积神经网络的雷达杂波识别方法
CN110146876A (zh) 基于信息熵进行人体目标定位的方法
CN113887398A (zh) 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法
Chin et al. A fast clutter cancellation method in quadrature Doppler radar for noncontact vital signal detection
Lu et al. Ionospheric decontamination and sea clutter suppression for HF skywave radars
CN108089159A (zh) 一种mimo雷达旁瓣抑制方法
CN109446910A (zh) 一种通信辐射源信号分类识别方法
Quach et al. Automatic target detection using a ground-based passive acoustic sensor
CN112649882A (zh) 低频磁信号增强方法及使用其的航空磁测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181002

RJ01 Rejection of invention patent application after publication