台基噪声功率谱估计中的Welch参数选择

Welch参数的选择对台基噪声功率谱估计结果影响较大,目前尚无统一选取标准。通过比较不同Welch参数组合下功率谱密度曲线平滑度的变化规律,研究窗口长度和重叠率对功率谱估计的影响,并提出最低重叠率和匹配重叠率的概念。研究表明,当窗口长度大于50%、重叠率取值小于最低重叠率时,功率谱估计偏差较大;特定窗口长度对应一系列匹配重叠率,在匹配重叠率下的功率谱估计更准确。

Welch功率谱估计算法仿真及分析

由于周期图法不满足一致性估计条件,因而在保证分辨力时方差性能很难满足实际应用需要.引入周期图法的一种改进算法,即Welch算法,通过对Welch算法进行研究和仿真,对算法的谱估计分辩力、方差等性能进行分析,讨论了分段长度、窗函数类型及分段重叠长度对算法性能的影响.仿真结果表明,合理的数据分段长度、窗函数类型及段间重叠,使Welch算法获得较好的分辩力及方差性能,算法在短数据信号谱估计时有一定的局限.

基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识

为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统。系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络(generalized regression neural network,GRNN)的禽蛋裂纹检测模型。实验对290枚鸡蛋进行检测(训练集200枚,测试集90枚)。结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7%和98.3%。研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的。

基于Welch算法的经典功率谱估计的Matlab分析

从经典功率谱估计周期图法原理入手,从理论上分析了其存在的局限性,借助Welch算法对其进行修正。依靠Matlab强大的数值分析和信号处理能力,进行实验仿真,比较不同的窗函数,不同的数据长度对Welch法谱估计质量的影响,并分析了造成这些影响的原因。

基于MPI的Welch功率谱估计并行算法的实现

Welch算法是一种应用很广的经典功率谱估计算法。但是面对现在日益膨胀的海量数据,单纯在串行Matlab环境下运行Welch算法势必耗费大量的运算时间。尽管Matlab也引入了并行计算工具箱,但是价格昂贵,不利于大范围推广使用。根据Welch算法的原理,在Linux集群环境及消息传递接口MPI的支持下,采用主从并行编程模式,实现了一个开源的Welch并行算法PMWelch。实验结果表明,PMWelch不仅具有Matlab下Welch算法一样的运算结果,还可以大幅减少运行时间。

Welch功率谱估计算法在相位噪声测量中的应用

针对传统的功率谱估计方法存在频谱分布不稳定、无法反映信号时变特性的问题,提出了一种基于Welch功率谱估计的相位噪声测量算法。该方法通过对不同的被测信号进行功率谱的估计,可以相应地选择Welch法数据分段和窗函数,并对相位噪声建立数学模型。随后对相位噪声与噪声功率谱之间的关系进行了分析。测试结果表明,该方法不但具有能适应噪声信号的随机性和脉冲性的优点,而且大大减小了噪声功率谱的均方误差,能很好地应用在相位噪声测量中。

Welch法谱估计和参数模型谱估计的MATLAB分析

介绍了经典谱估计中的Welch法和参数模型谱估计,比较了它们的性能指标,运用MATLAB软件进行了实例仿真与分析,得出了一些有价值的结论。

Welch法在双曲拱桥固有频率检测信号识别中的应用

随机振动法是检测桥梁信号中常用的一种方法,首先采用经典功率谱估计的方法对高速静态应变采集系统DH3817得到的数据进行处理,但频谱泄漏是不可避免的。因此采取Welch功率谱估计法,从而达到频域滑动平均的效果,去掉频域曲线中的“毛刺”,最终得出该桥的固有频率,以判断该桥梁是否需要加固。

经典功率谱估计Welch法的MATLAB仿真分析

周期图法是经典功率谱估计中的一种基本方法,但是在实际应用中难以同时保证良好的分辨力和方差性能。因此本文以周期图法原理为切入点,对改进后的Welch算法进行研究,并借助MATLAB软件强大的信号处理与数值分析能力,对Welch算法的谱估计分辨力、方差等性能进行仿真分析。讨论了不同数据分段长度、不同窗函数类型等因素对算法性能产生的影响。仿真结果表明,Welch算法由于合理的引入数据分段和窗函数,得到了较好的方差性能以及分辨能力,但在对短数据进行功率谱估计时还有一定的局限性。

小波包分解Welch平均法在焊接电弧声功率谱估计中的应用

对试验系统采集到的焊接电弧声进行了小波包多层分解 ,并利用周期图法、Welch平均法及AR模型法 ,对各频段信号进行功率谱估计 .根据不同谱估计方法的对比结果 ,提出小波包分解结合Welch平均法对焊接电弧声进行功率谱估计的新方法 .通过对几种规范与飞溅率下的电弧声功率谱的初步分析 ,发现其功率谱分布具有一定的规律性 。

Welch功率谱估计法在流化床风帽故障检测中的应用

利用循环流化床常见故障风帽的实际模型,在搭建的冷态鼓泡流化床的试验台上对流化床正常风帽工况和故障风帽工况下流化床炉膛内复杂多相流动的工况进行模拟。并对正常风帽和故障风帽工况下循环流化床风室内的压力波动信号进行了采集,应用Welch功率谱估计法处理采集的压力波动信号,最终得出两种工况下功率谱密度(power spectral density,PSD)的分布情况。对比正常风帽与故障风帽工况下流化床风室内压力波动信号的功率谱密度分布情况,提取故障时的特征值,来实现流化床风帽故障的检测与诊断。试验表明,该方法能对流化床风帽的故障进行检测与诊断。提出应用welch功率谱估计法对流化床风帽故障检测的方法,为流化床风帽故障的在线检测提供参考。

基于组合窗Welch法的心率变异性分析系统设计

目的:为了改善Hamming窗分辨率低的特性,提出了一种组合窗函数的方法。方法:该窗函数是由Hamming窗和矩形窗按照横向变化因子和纵向变化因子有机组合而成。结果:MATLAB仿真结果表明组合窗的分辨率较Hamming窗提升12.5%,频谱泄漏也较少,基本达到了在尽量控制频谱泄漏的前提下改善Hamming窗分辨率的目的。在改进窗函数的同时,分别在MSP430和MATLAB平台上使用组合窗的Welch算法,并计算两者之间的误差,结果表明误差均值及方差较小。归一化的功率谱密度图也表明得到的归一化功率密度整体上基本接近。结论:基本上实现了Welch算法的MSP430平台上的移植。

基于Welch功率谱的加速度积分改进方法研究

针对带噪加速度信号的积分问题,新近发展的有效频段法相对于传统的频率截止法,积分精度和抗噪性得到了较大改善。但多个分析频率范围需要人为指定,且高噪声的适应性仍较差,不利于工程实践。基于加速度信号的Welch功率谱,提出改进的有效频段法。首先针对Welch功率谱曲线,综合应用5%峰值阈值和邻近波谷频率,实现分析频率范围的自动定义。继而提出基于Welch功率谱曲线和基于Welch功率谱开方曲线的两种不同形态拟合方法,实现有效频段的自动识别。最终进行有效频段内的频域积分,得到相应的速度和位移信号。通过数值模拟算例,对比考察原有效频段法和改进方法在多频激励和随机激励下的积分效果。结果表明,相对于原方法,改进方法可以实现加速度积分的全程自动分析,且抗噪性能进一步加强,其中基于Welch功率谱曲线和基于Welch功率谱开方曲线的形态拟合分别适用于高噪声下的多频激励情况和随机激励情况。

基于Welch谱估计和能量检测(ED)的干扰信号检测技术

由于通信卫星直接暴露在自由空间中,因此很容易受到来自地面或者其他卫星转发器的有意或者无意的干扰,当卫星通信系统受到干扰时需要对干扰信号占据的频点位置进行检测。文章首先对能量检测法应用在干扰信号检测中的可能性进行论述,为干扰信号检测算法的设计奠定基础;其次对随机信号的三种功率谱密度估计技术做理论推导,以寻求最适用于干扰信号检测的谱估计技术;最后对吴珺[1-2]等人的工作做改进,设计基于Welch谱估计和能量检测的干扰信号检测技术,利用仿真实验对其检测性能进行分析。

基于welch功率谱估计的地磁GM4秒数据频段分析

基于welch算法的经典功率谱估计对新疆区域内乌鲁木齐台、喀什台和且末台的3台GM4磁通门磁力仪磁扰日时段的秒数据进行分析。实验首先分别对3台GM4秒数据的高频数据进行FFT分析,磁扰日时段3台GM4秒数据受磁扰较为明显的频段均集中在0. 005～0. 025 Hz,此频段内振幅较大,突跳点较多。实验基于welch算法的功率谱估计对3台GM4秒数据进行功率谱分析,频率域采用受磁扰较为集中的频段,结果表明:3台GM4秒数据受到的干扰主要为地磁场的高频部分,干扰的频段范围集中在0. 002～0. 006 Hz内,H分量数据波动较大,在该频段内数据曲线出现毛刺和高频震荡现象; D分量在此频段内有轻微波动; Z分量数据整体较为平滑,受扰最小。

基于Welch算法故障电弧电流信号功率谱的特征与电弧故障诊断

为实现低压配电系统电弧故障准确诊断,依据碳电极电弧故障试验结果,基于Welch算法分析混合负载条件时故障电弧电流信号的功率谱,提出故障电弧电流信号功率谱的3个特征。根据功率谱的3个特征,提出一种新型电弧故障诊断方法——面积变化率法。研究表明,可采用所提方法诊断居民配电系统中的电弧故障,并可为发展电弧故障诊断提供理论指导。

基于Welch功率谱和卷积神经网络的通信辐射源个体识别

针对低信噪比条件下通信辐射源个体识别率低的问题,提出了一种基于Welch功率谱和卷积神经网络的通信辐射源个体识别方法。构建了由20个基于ZigBee协议的物联网设备组成的测试平台,将ZigBee信号前同步码部分的Welch功率谱数据作为辐射源指纹特征送入卷积神经网络进行分类。该方法在低信噪比条件下很好地保留了辐射源的指纹特征,结合卷积神经网络强大的微特征提取能力,对辐射源进行了有效分类。实验结果证明,在瑞利信道及低信噪比条件下,所提方法的识别效果明显优于其他方法。

小波包分解Welch算法在鼾声谱估计中的研究

目的利用鼾声信号各频带的功率谱估计特征,诊断鼾声的阻塞部位。方法针对Welch功率谱估计法处理典型非平稳信号时是单一分辨率分析的问题,提出了一种小波包分解的Welch算法对鼾声信号功率谱估计的新方法。首先对采集的鼾声信号进行小波包多层分解,然后对分解系数重构,最后参照人耳听觉模型并结合各频带信号时频分布的特点,对各频带信号采用Welch算法结合不同的窗宽进行功率谱估计,同时初步分析了不同阻塞部位鼾声各频带的功率谱估计特性。结果该方法在对鼾声信号功率谱估计时,信号中低频和高频部分具有不同的频率和时间分辨率,3000~5000 Hz频带有无功率谱分布可以作为判断鼾声阻塞部位的依据。结论实验结果验证了该方法有效性,同时针对不同阻塞部位导致的鼾声,初步分析了其不同频带的功率谱估计特点.

基于Welch和柔性形态学的LPI信号噪声基底处理

针对因噪声基底估计不准而导致的现有雷达信号处理算法精度不高的问题,提出了Welch和柔性形态学联合处理雷达信号噪声基底的算法。首先对采样频谱进行分段插值处理,而后采用基于柔性形态学的带比例系数的腐蚀和膨胀操作,以降低固定尺度对算法准确度产生的影响。最后,用原信号减去估计噪声序列,得到运算结果的同时,控制了算法的计算量。

Welch功率谱估计中窗函数的选择与算法分析

以Matlab为平台对Welch算法中窗函数的选择与使用进行了分析。从频谱分辨率、噪声水平等方面对窗函数特性进行分析,其中矩形窗与凯撒窗频谱分辨率较高,但信号频率附近噪声水平较高。分析认为矩形窗与凯撒窗适用于高信号信噪比的高精度频谱估计。汉宁窗与切比雪夫窗对频谱泄漏抑制效果较好,信号频率附近噪声水平未受影响,但其分辨率相对较低。分析认为汉宁窗与切比雪夫窗适用于信噪比较低的信号频率的大致估计。Welch功率谱估计算法针对短信号使用的研究认为,直接对短信号进行Welch功率谱估计不仅频谱分辨率低,信号也容易被噪声干扰导致探测失败。短信号功率谱的估计无法直接通过Welch功率谱估计法来实现。