当前位置:主页 > 科技论文 > 信息工程论文 >

基于SFFT算法的结构动态信号分析

发布时间:2017-09-24 01:45

  本文关键词:基于SFFT算法的结构动态信号分析


  更多相关文章: 稀疏快速傅里叶变换 稀疏信号 亚线性算法 时间复杂度 降采样


【摘要】:稀疏快速傅里叶变换(Sparse Fast Fourier Transformation,SFFT)是一种利用信号频域稀疏特性,只需通过信号部分采样点就可高概率恢复信号频谱的快速傅里叶变换(Fast Fourier Transformation,FFT)算法。针对部分稀疏信号,SFFT算法比FFT算法的运行时间更短,速度更快,它是一种亚线性算法。对于结构健康监测领域来说,SFFT算法也具有很重要的理论价值和潜在的应用前景。例如,由于结构振动信号在时域上是很难看出什么特征的,但通过快速傅里叶变换,将时域信号变换到频域,就很容易看出信号的特征,得到信号中不同正弦波信号的频率、振幅和相位。利用SFFT算法代替FFT算法恢复信号频谱,会更加省时,且恢复效果也满足要求。另一方面,基于SFFT算法可以实现一种低采样率恢复稀疏信号频谱的算法,将其应用到数据采集系统,可以很方便地实现对高频信号的亚奈奎斯特采样率采样并能很好的恢复信号频谱。该算法理论最重要的特征就是硬件实现简单,相比于基于压缩感知理论降采样恢复信号频谱来说硬件实现上更加简单。本文主要研究内容如下:本文介绍并简单总结了亚线性稀疏傅里叶变换算法的发展,重点介绍了本文要研究的SFFT算法,给出了该算法的误差约束准则,详细阐述了该算法的核心技术问题,包括信号频谱重排、窗函数的设计、频域降采样,并给出该算法的整体框架。本文采用SFFT算法对结构动态信号进行分析,主要研究其对稀疏信号频谱恢复的能力和噪声对分析结果的影响。对比了SFFT算法与FFT算法计算信号频谱的时间复杂度。基于SFFT算法,研究一种低采样率恢复稀疏信号频谱的算法:BigBand算法。并将该算法与现阶段同样可以实现低采样率恢复稀疏信号频谱的压缩感知理论进行对比分析,分析对比了两者在硬件实现难易程度、频谱恢复误差、运算时间方面的差异。
【关键词】:稀疏快速傅里叶变换 稀疏信号 亚线性算法 时间复杂度 降采样
【学位授予单位】:哈尔滨工业大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TN911.6
【目录】:
  • 摘要4-5
  • Abstract5-9
  • 第1章 绪论9-15
  • 1.1 课题来源和研究目的及意义9-12
  • 1.1.1 课题来源9
  • 1.1.2 研究目的及意义9-12
  • 1.2 国内外研究现状及分析12-14
  • 1.3 本文的主要研究内容14-15
  • 第2章 稀疏快速傅里叶变换算法研究15-29
  • 2.1 引言15
  • 2.2 快速傅里叶变换15-16
  • 2.3 时间复杂度16-18
  • 2.4 SFFT算法误差约束准则18-19
  • 2.5 SFFT算法核心技术问题19-28
  • 2.5.1 SFFT算法理论框架19-20
  • 2.5.2 信号频谱重排20-22
  • 2.5.3 窗函数22-26
  • 2.5.4 频域降采样26
  • 2.5.5 SFFT算法整体框架26-28
  • 2.6 本章小结28-29
  • 第3章 基于SFFT算法的结构动态响应信号分析29-47
  • 3.1 引言29
  • 3.2 信号采集实验29-32
  • 3.2.1 三层铝合金框架加速度信号采集29-31
  • 3.2.2 平胜大桥加速度信号采集31-32
  • 3.3 SFFT算法对几组结构振动信号频谱的恢复32-38
  • 3.3.1 对铝合金框架空载加速度信号频谱的恢复32-34
  • 3.3.2 对铝合金框架一次锤击加速度信号频谱的恢复34-35
  • 3.3.3 对平胜大桥桥面加速度信号频谱的恢复35-37
  • 3.3.4 对几组结构振动信号频谱恢复效果的分析37-38
  • 3.4 噪声对SFFT算法恢复稀疏信号频谱的影响38-42
  • 3.5 SFFT算法时间复杂度分析42-43
  • 3.6 SFFT算法与FFT算法计算稀疏信号频谱时间的对比43-46
  • 3.6.1 运行时间随信号长度的变化43-44
  • 3.6.2 运算时间随稀疏度的变化44-46
  • 3.7 本章小结46-47
  • 第4章 基于SFFT算法的低采样率稀疏信号频谱恢复47-59
  • 4.1 引言47
  • 4.2 BigBand算法简介47-53
  • 4.2.1 频率混叠48-49
  • 4.2.2 频率估计49-50
  • 4.2.3 冲突检测及解决50-52
  • 4.2.4 BigBand算法流程图52-53
  • 4.3 压缩感知理论53-55
  • 4.3.1 压缩感知理论基本框架53-54
  • 4.3.2 恢复算法54-55
  • 4.4 BigBand算法恢复稀疏信号频谱的分析55-58
  • 4.4.1 降采样实现难易程度56-57
  • 4.4.2 恢复误差57
  • 4.4.3 运算时间57-58
  • 4.5 本章小结58-59
  • 结论59-60
  • 参考文献60-65
  • 致谢65


本文编号:908671

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/908671.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2487e***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com