非零奇异值和频率的关系及其在信号分解中的应用
【图文】:
电子学报2017年一起的,因此奇异值的选择必须从奇数序号开始,到偶数序号结束.例如选择σ2和σ3进行配对是错误的,虽然它们在序号上是连续的,但是它们并不属于同一个频率,σ1和σ2才属于同一个频率,而σ3和σ4属于另一个频率.4对模拟信号的分离实例对信号x(t)=sin(2π·2t)+sin(2π·3t+0.78)+cos(2π·7t)+cos(2π·19t+1.21)以采样频率512Hz采集1024点数据,结果如图3(a)所示,其幅值谱如图3(b).现在利用非零奇异值与频率的内在联系来分离x(t)中的这4个频率成分.首先不添加噪声,直接利用x(t)构造512×513的Hankel矩阵并进行SVD,得到x(t)的奇异值结果如图4所示,在图中用‘o’表示,可见x(t)只有8个非零奇异值,这与x(t)中含4个频率的情况相符.现分别选取σ1和σ2、σ3和σ4、σ5和σ6、σ7和σ8这四对奇异值进行SVD重构,即有:Hi=∑2ij=2i-1σjujvTj,i=1,2,3,4(7)采用平均法[11]从Hi中恢复出信号,得到四个分量信号如图5.从图5可见,此时SVD对单个频率成分的分离效果很差,在每个分量信号中至少都有两个频率成分存在,而在第1个分量信号中四个频率成分全都存在,显然此时的频率分离效果是很糟糕的.现在向原始信号x(t)中添加零均值的白噪声,信号和噪声能量之比为6.4588,得到含噪信号及其幅值谱如图6所示.利用这含噪信号构造512×513的Han-kel矩阵并进行SVD,将得到的奇异值同样绘于图4中,在图中用‘*’表示,可见其前8个非零奇异值位于原信号的非零奇异值附近,但是存在一定扰动.将这前8个非零奇异值分成四对,根据式(7)进行重构,同样利2012
电子学报2017年一起的,因此奇异值的选择必须从奇数序号开始,到偶数序号结束.例如选择σ2和σ3进行配对是错误的,虽然它们在序号上是连续的,但是它们并不属于同一个频率,σ1和σ2才属于同一个频率,而σ3和σ4属于另一个频率.4对模拟信号的分离实例对信号x(t)=sin(2π·2t)+sin(2π·3t+0.78)+cos(2π·7t)+cos(2π·19t+1.21)以采样频率512Hz采集1024点数据,结果如图3(a)所示,其幅值谱如图3(b).现在利用非零奇异值与频率的内在联系来分离x(t)中的这4个频率成分.首先不添加噪声,直接利用x(t)构造512×513的Hankel矩阵并进行SVD,得到x(t)的奇异值结果如图4所示,在图中用‘o’表示,可见x(t)只有8个非零奇异值,这与x(t)中含4个频率的情况相符.现分别选取σ1和σ2、σ3和σ4、σ5和σ6、σ7和σ8这四对奇异值进行SVD重构,即有:Hi=∑2ij=2i-1σjujvTj,i=1,2,3,4(7)采用平均法[11]从Hi中恢复出信号,得到四个分量信号如图5.从图5可见,此时SVD对单个频率成分的分离效果很差,在每个分量信号中至少都有两个频率成分存在,而在第1个分量信号中四个频率成分全都存在,显然此时的频率分离效果是很糟糕的.现在向原始信号x(t)中添加零均值的白噪声,信号和噪声能量之比为6.4588,得到含噪信号及其幅值谱如图6所示.利用这含噪信号构造512×513的Han-kel矩阵并进行SVD,,将得到的奇异值同样绘于图4中,在图中用‘*’表示,可见其前8个非零奇异值位于原信号的非零奇异值附近,但是存在一定扰动.将这前8个非零奇异值分成四对,根据式(7)进行重构,同样利2012
【作者单位】: 华南理工大学机械与汽车工程学院;
【基金】:国家自然科学基金(No.51375178) 广东省自然科学基金(No.S2012010008789)
【分类号】:TN911.7
【相似文献】
相关期刊论文 前10条
1 赵学智;叶邦彦;陈统坚;;基于奇异值曲率谱的有效奇异值选择[J];华南理工大学学报(自然科学版);2010年06期
2 冯广斌;朱云博;孙华刚;齐伟伟;;一种有效奇异值选择方法在微弱信号特征提取中的应用[J];机械科学与技术;2012年09期
3 孙振华;田学民;;一种新型信号奇异值预处理方法[J];江南大学学报(自然科学版);2010年04期
4 赵学智;向可;叶邦彦;陈统坚;;基于二次样条小波细节信号峰值的有效奇异值确定[J];振动与冲击;2010年11期
5 陈桂明;杨斌;何庆飞;;一种基于奇异值的小波包改进算法[J];噪声与振动控制;2013年01期
6 曹新容;黄联芬;赵毅峰;;一种最小二乘/奇异值分解算法[J];计算机工程;2009年16期
7 庄海军;杨飞;;基于小波分析与PCA联合算法对信号奇异值的检测[J];黑龙江科技信息;2008年32期
8 胡三高;安宏文;马志勇;柳亦兵;滕伟;;基于小波奇异值分析的汽轮机碰磨特征提取[J];动力工程学报;2013年03期
9 宁宁;张骏;秦文娟;;基于EMMD和AR奇异值熵的故障特征提取方法研究[J];测控技术;2008年09期
10 李庆;宋万清;;IMF奇异值熵的刀具磨损状态诊断[J];制造业自动化;2013年24期
相关会议论文 前1条
1 杨乾堂;周辉;李慧明;;奇异值相减消噪算法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
相关硕士学位论文 前1条
1 冯富强;基于奇异值滤波的医学CT图像噪声和伪影去除研究[D];南京邮电大学;2013年
本文编号:2548077
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2548077.html