针对轧辊偏心信号是混杂在各种随机干扰中含有多次谐波的复杂高频周期信号,以及FFT(Fast Fourier Transform)法对轧辊偏心信号分析的局限性,研究了一种基于四阶累积量的Root-MUSIC(Multiple Signal Classification)法和Prony法相结合的...针对轧辊偏心信号是混杂在各种随机干扰中含有多次谐波的复杂高频周期信号,以及FFT(Fast Fourier Transform)法对轧辊偏心信号分析的局限性,研究了一种基于四阶累积量的Root-MUSIC(Multiple Signal Classification)法和Prony法相结合的轧辊偏心信号估计新方法.利用基于四阶累积量的Root-MUSIC法准确估计出偏心谐波的频率及谐波的个数,同时由Root-MUSIC求得的根直接使用Prony方法估计出偏心信号的各次谐波幅值和相位.仿真结果和实验结果也验证了结合方法的可行性和有效性,在信噪比较低的情况下仍具有较高的频谱分辨率和估计精度,能准确地同时估计出偏心谐波的频率、幅值及相位,尤其在频率分辨率和抗噪声上具有FFT法无法比拟的优越性.展开更多
文摘针对轧辊偏心信号是混杂在各种随机干扰中含有多次谐波的复杂高频周期信号,以及FFT(Fast Fourier Transform)法对轧辊偏心信号分析的局限性,研究了一种基于四阶累积量的Root-MUSIC(Multiple Signal Classification)法和Prony法相结合的轧辊偏心信号估计新方法.利用基于四阶累积量的Root-MUSIC法准确估计出偏心谐波的频率及谐波的个数,同时由Root-MUSIC求得的根直接使用Prony方法估计出偏心信号的各次谐波幅值和相位.仿真结果和实验结果也验证了结合方法的可行性和有效性,在信噪比较低的情况下仍具有较高的频谱分辨率和估计精度,能准确地同时估计出偏心谐波的频率、幅值及相位,尤其在频率分辨率和抗噪声上具有FFT法无法比拟的优越性.