位置: IT常识 - 正文

一维信号的频域特征分析python(一维频率分布表)

编辑:rootadmin
一维信号的频域特征分析python 频域分析是按照频率观察信号特征。在一般情况下,我们分析信号习惯从时域方向开始,因为时域的分析更加直观,但频域的表示更加简洁,从这方面去分析对信号了解更加深刻。通过分析振动信号的频域特征准确地表征信号频谱信息,然后获悉在不同工况下部件运行时的健康状态。目前常用的频域特征参数包括重心频率、平均频率、均方根频率以及频率标准差。进行频域分析通常利用傅里叶变换开始。

推荐整理分享一维信号的频域特征分析python(一维频率分布表),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:一维信号的傅里叶变换,一维信号的频域是指,一维频率分布表,一维频率域数字滤波有哪些步骤,一维信号处理,一维信号的频域是什么,一维信号的频域是指,一维信号的频域是什么,内容如对您有帮助,希望把文章链接给更多的朋友!

首先来介绍一下计算频域特征的一个重要参量——功率谱,由于功率谱对功率信号还有其他随机信号的普遍适用性,故不采用简单频谱作为参考依据。但对于普通随机信号是可以直接采用频谱的。

功率谱定义:功率谱是原信号傅立叶变换的平方并除以采样点数N,称功率谱密度函数,被定义为单位频带内的信号功率,即表示了信号功率随着频率的变化情况。而维纳-辛钦定理也指出:一个信号的功率谱密度就是该信号自相关函数的傅里叶变换。

一维信号的频域特征分析python(一维频率分布表)

功率谱单位为W/Hz。

import numpy as npdef get_fft_power_spectrum(y_values, N, f_s, f): f_values = np.linspace(0.0, f_s/f, N/f) fft_values_ = np.abs(fft(y_values)) fft_values = 2.0/N * (fft_values_[0:N/2]) # 频率真实幅值分布,单边频谱图,再把所有点频率大小表示出来*2 # power spectrum 直接周期法 ps_values = fft_values**2 / N # 自相关傅里叶变换法 cor_x = np.correlate(y_values, y_values, 'same') # 自相关 cor_X = fft(cor_x, N) ps_cor = np.abs(cor_X) ps_cor_values = 10*np.log10(ps_cor[0:N/2] / np.max(ps_cor)) return f_values, fft_values, ps_values, ps_cor_values

上述式中返回值,f_values设置的范围,fft_values为所有信号点的傅里叶变换值,ps_values是直接周期法功率, ps_cor_values是自相关下的对数功率。

1. 重心频率:用来描述信号在频谱中分量较大的信号成分的频率,反映信号功率谱的分布情况。即对于给定的频带范围,低于重心频率的频率范围内包含的能量是信号总能量的一半。

其中P(k)为对应功率谱值,fk为对应点的频率幅值大小。低频幅值较大时,重心距离原点较近

x = np.loadtxt(./.txt)N = len(x)f_s = 12000f_values, fft_values, ps_values, ps_cor_values = get_fft_power_spectrum(x, N, f_s, 2)# 直接取周期法功率P = ps_valuesf = fft_valuesS = []for i in range(N//2): P1 = P[i] f1 = fft_values[i] s1 = P1*f1 S.append(s1)# 求取重心频率S1 = np.sum(S)/np.sum(P)2. 平均频率:功率谱值平均值。

S2 = np.sum(P)/N #这个N是P的个数,并不是采样点数3.频率标准差:重心频率为中心的惯性半径。我的理解是信号频率分布越离散,这个均方根频率越大。

  其中S1为重心频率。

S = []for i in range(N//2): P1 = P[i] f1 = fft_values[i] s2 = P1*((f1-S1)**2) S.append(s2)S3 = np.sqrt(np.sum(S) / np.sum(P))4.  均方根频率:均方频率的算数平方根。均方根频率可以看做惯性半径,可以反馈出信号的频率分布。

公式:

S = []for i in range(N//2): P1 = P[i] f1 = fft_values[i] s2 = P1*(f1**2) S.append(s2)S4 = np.sqrt(np.sum(S) / np.sum(P))

以上便是几种常用的频域特征及其python实现,希望多交流学习。

本文链接地址:https://www.jiuchutong.com/zhishi/299060.html 转载请保留说明!

上一篇:【网络安全】文件包含漏洞--使用session进行文件包含(网络安全文章1000字)

下一篇:ChatGPT 编写模式:如何高效地将思维框架赋予 AI ?

  • 发票丢失第一联盖章能用么
  • 个税汇算清缴可以修改收入吗
  • 6个点税如何计算方法
  • 每年税务师考试几次
  • 抵扣认证的发票开红字有影响吗
  • 运输服务有3%的税率吗
  • 商贸企业加工费包括哪些
  • 小企业以前年度损益调整科目取消了吗
  • 一次性奖金并入综合所得
  • 企业职工薪酬的个人所得税纳税筹划研究
  • 旧公司库存如何管理
  • 事业单位购入三年期国债的会计分录怎么做?
  • 银行内部转账会计分录
  • 没有税收编码的发票怎么开具红字票
  • 国税退税需要多长时间
  • 白酒出口税收
  • 物流公司通行票抵税比例是多少
  • 增值税科目设置的凭证处理方面的特殊要求
  • 高档化妆品消费税的计算公式
  • 的商品编码
  • 建筑企业能申请小微企业吗
  • 小规模纳税人需要做账吗
  • 公司设备没开票维修时配件能开票吗?
  • 行政罚款计入什么会计科目
  • 政府补贴物业公司
  • 个税7月申报7月怎么填
  • 购买汽车分期付款利息怎么算
  • 小规模查账征收增值税怎么算
  • 库存商品转结
  • 在win10中怎么从edge旧ie浏览器
  • 苹果iphone支持在哪
  • laravel learnku
  • 工程施工科目借贷方向
  • 代垫运费会计分录怎么写
  • 怎样会被税
  • vue-html
  • 借款是经营性负债吗
  • vue经典案例
  • 可供出售金融资产的会计处理
  • 超市发票是普票还是专票
  • 培训公司要交哪些税
  • php swoole框架
  • yii框架搜索分页modle写法
  • php支付宝和微信在线支付
  • php绘图库
  • ps填头发
  • 红冲费用如何处理
  • 交易性金融资产包括哪些项目
  • php headers
  • 六税一费和六税两费的区别
  • 公对私转账有什么风险
  • 增值税税控维护费
  • 研发人员差旅费可以资本化吗
  • 什么单位需要
  • 报销电话费计入什么科目
  • 公司租赁个人车辆租金多少合适
  • 公司员工垫付款项
  • 出租车费用分录
  • 银行日记账怎么导出
  • 房地产企业资产减值损失
  • sqlserver如何更改数据类型
  • 如何手动添加开机密码
  • centos7修改远程登录端口
  • winde.exe - winde进程是什么意思
  • hyper-v搭建
  • windows10 uac关闭
  • windows 10 mobile--移动版
  • windows10周年更新
  • 四个版本的雪国开头翻译
  • win7操作系统的主要功能
  • jquery虚拟dom
  • cocos2dx游戏开发
  • 自动断开网络共享怎么办
  • shell正则表达式语法
  • jquery事件的响应
  • 浅谈python中的实例方法、类方法和静态方法
  • python怎么做脚本
  • jquery 3d旋转
  • 键盘事件有三个 分别是
  • python tcp连接
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设