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。

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.

利用Welch功率谱估计方法求埋深的参数选择

研究了采用Welch谱估计方法求异常体埋深时,窗函数类型、窗口长度、FFT点数、重叠采样点数对结果的影响;应用Matlab中的PSD函数,以无限长水平圆柱体为例作了分析。根据分析结果,提出了采用Welch谱估计方法计算异常体埋深时,关于窗函数、窗长度、FFT点数和重叠采样点数选择的建议。

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功率谱估计方法的参数选择

研究了welch谱估计方法中窗函数和窗长度及FFT点数对谱估计结果的影响,应用Matlab中的Pwelch函数,作了仿真分析。根据分析结果,提出了有关窗函数、窗长度和FFT点数确定问题的建议。

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。

相干测风激光雷达功率谱估计硬件系统综述

相干测风激光雷达探测回来的回波信号需要使用FFT(Fast Fourier Transform,快速傅里叶变换)进行功率谱估计,在这个过程中离不开硬件系统的参与。在介绍了FFT算法对硬件需求的基础上,对应用于FFT算法的计算机和硬件电路板的研究进展和优缺点进行了分析。结果表明,随着对数据处理的精度以及软件复杂度的提高,计算机存在着无法改变的缺点;随着芯片技术的发展,以Zynq为核心的硬件电路板是最有发展前途的。最后对相干测风激光雷达FFT功率谱估计硬件系统进行了总结与展望。

基于机器学习的随机信号缺失数据功率谱估计

为了解决随机信号在传递接收过程中可能出现的数据不规则、不完整的问题,提出了一种极值梯度提升树-支持向量回归(XGBoost-SVR)与门控循环单元神经网络结合的预测方法,用于稀疏随机信号的缺失数据填补。先使用极值梯度提升树和支持向量回归结合对原始数据集填补,再使用门控循环单元模型进行训练并预测出缺失的数据,最后通过傅里叶变换和小波变换,实现功率谱估计。数值分析结果表明:在含有噪声干扰的情况下,即使数据缺失高达70%,该预测方法仍然可以很好地还原目标功率谱。该方法处理的缺失数据可以更好地还原随机信号的特征,为信号预测和灾害预防提供有力支持。

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功率谱与卷积神经网络结合的滚动轴承故障诊断

针对滚动轴承故障诊断在小训练样本下和强噪声下无法取得高精度识别的问题,提出一种基于Welch功率谱结合卷积神经网络进行诊断的方法。该方法以原始时域振动信号作为输入,用Welch功率谱转换数据形态同时对高强度噪声进行抑制,再用得到的功率谱训练卷积神经网络,最后将训练好的模型用于轴承的故障诊断。与WDCNN[1]等方法进行对比,实验发现在混合负载下,该方法平均识别率正确达到99%,其它方法达到这个精度至少需要20倍以上的训练样本量,明显优于WDCNN等方法。抗噪实验结果表明噪声对信号的干扰越强烈,该方法的抗噪表现越好,其抗噪性能要显著优于WDCNN等方法。

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。

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 。

基于Welch算法的功率谱估计的实现

在经典谱估计领域,由Welch提出的修正周期图法由于其简单,易于理解,便于计算等优点,获得了有效的应用,在多数情况下,其频率分辨率、估计方差能满足实际应用.运用MATLAB软件进行Welch算法仿真,并重点分析了窗函数对谱估计的影响.

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。

基于Matlab的Welch法功率谱估计

在经典谱估计领域,由Welch提出的修正周期图法获得了有效的应用,在多数情况下,其频率分辨率、估计方差能满足实际应用.运用Matlab软件进行Welch算法仿真与分析,从而得出一些有价值的结论.

基于FPGA的测风激光雷达功率谱估计系统设计

为了从测风激光雷达回波信号中获il取i大气径i向风速信息,本文设计了一套基于FPGA的测风激光雷达功率谱估计系统。系统采用14位250MSPS的AD芯片进行高速采样,以X部触发、数据存储、功率谱估计以及数据通信等系列功能。通过对系统进行功能仿真和实验验证,对比分析出其功率谱估计与MATLAB计算结果最大相对误差在10-4量级,验证了本系统设计的正确性和可靠性。

脉冲调制信号相位噪声测量中的功率谱估计方法

针对脉冲调制信号相位噪声测量中的噪声功率谱估计问题,建立了信号相位噪声的数学模型,分析了信号相位噪声与噪声功率谱之间的关系,提出了一种基于Welch法的噪声谱估计方法.该方法依据被测信号脉冲调制参数选择Welch法的数据分段和窗函数长度.仿真实验结果表明,该方法较传统的快速傅里叶变换方法或自相关法具有更好的谱估计性能.

随机信号的功率谱估计及Matlab的实现

从介绍功率谱的估计原理入手 ,分析了经典谱估计和现代谱估计两类估计方法的原理、各自特点及在Matlab中的实现方法 。