Fourier变换Gabor变换Wigner分布小波变换实例分析Word文档格式.docx
- 文档编号:6443572
- 上传时间:2023-05-06
- 格式:DOCX
- 页数:19
- 大小:778.63KB
Fourier变换Gabor变换Wigner分布小波变换实例分析Word文档格式.docx
《Fourier变换Gabor变换Wigner分布小波变换实例分析Word文档格式.docx》由会员分享,可在线阅读,更多相关《Fourier变换Gabor变换Wigner分布小波变换实例分析Word文档格式.docx(19页珍藏版)》请在冰点文库上搜索。
stem(f1,mag1);
%绘制N点DFI的幅频特性图
xlabel('
f1'
);
ylabel('
幅值’);
axis([0,256,0,2*max(abs(y1))]);
%x,y的范围
figure(3)
h=window(321,'
hamming'
sig=x1;
tfrstft(sig'
1:
512,512,h);
%短时Fourier变换
时间(秒)'
频率(Hz)'
figure(4)
q=16;
h=window(211,'
gauss'
h=h/norm(h);
tfrgabor(x1'
128,q,h);
%Gabor变换
1.1信号的图形
图1-1信号时域波形图
1.2信号N点的DFI幅频特性图
图1-2信号的幅频特性图
对信号进行分析,信号共有5个频率分别是0HZ,15HZ,30HZ,45HZ,120HZ,用火柴棍状表示出来。
1.3短时Fourier变换图
图1-3短时傅里叶变换图
1.4Gabor变换图
图1-4Gabor变换图
通过上面两图可以看出就显示两个频率,分别是30HZ和120HZ,15HZ比较模糊,而0HZ和45HZ的信号淹没了,经过分析原因可能一是信号的强度不一样,显示的清晰度也不一样;
二是采样频率过大显示的比较拥挤。
有以上两图知:
短时Fourier变换和Gabor变换均能显示在特定时刻该信号的频率,与Fourier变换相比具有定位的功能。
但短时Fourier窗函数宽度的选择对时间和频率分辨率的影响比较大,不能使时间分辨率和频率分辨率都能提高。
2、分别用wigner-ville分布,伪wigner-ville分布,平滑伪wigner-ville分布和Cohen分布分析下列信号:
其中
=0.25,
=5s,
。
要求提供图形结果,并对它们的结果进行对比分析。
a=0.25;
t0=5;
fs=10;
w0=1.57;
n=128;
(n-1)/fs;
x=exp(-a*(t+t0).^2+w0*t*j)+exp(-a*(t-t0).^2+w0*t*j);
plot(abs(x));
x=x.'
;
set(gca,'
xlim'
[0,n])
xtick'
[0:
n/4:
n])
figure
(2);
tfrwv(hilbert(x));
title('
Wigner-ville分布'
)
axis('
xy'
ylabel('
figure(3);
tfrpwv(hilbert(x));
伪Wigner-ville分布'
figure(4);
tfrspwv(hilbert(x));
平滑Wigner-ville分布'
figure(5);
tfrcw(hilbert(x));
cohen时频分布'
2.1信号的时域波形图
图2-1信号的时域波形图
2.2Wiger-ville分布
图2-2信号的Wiger-Ville分布图
2.3伪Wiger-ville分布
图2-3信号的伪Wiger-Ville分布图
2.4平滑伪Wiger-ville分布
图2-4信号的平滑伪Wiger-Ville分布图
2.5Cohen时频分布
图2-5信号的Cohen时频分布
WVD分布有明显的缺点,就是有交叉项的存在,而以后的伪WVD分布,平滑WVD分布,平滑伪WVD分布,Cohen类分布都是对WVD分布的改进,通过加窗来抑制交叉项,使图像变得更平滑。
3对工程信号进行插值和抽取
分析所用信号是旋转机械中轴承故障提取信号,所有的信号有120000个数据,为了方便分析和运行,截取了其中的2048个数据,进行插值与抽取。
程序如下:
s=xlsread('
G:
\数字信号处理应用\现代信号处理课件及程序\程序\轴承故障.xls'
S=fft(s);
N=length(s);
n=0:
fs=1000;
f=n'
*fs/N;
subplot(4,1,1);
plot(abs(S));
原信号频谱幅值'
s4=interp(s,4);
%对信号进行4倍插值
S4=fft(s4);
subplot(4,1,2);
plot(abs(S4));
四倍插值后的信号频谱幅值'
s8=interp(s,8);
%对信号进行8倍插值
S8=fft(s8);
subplot(4,1,3);
plot(abs(S8));
8倍插值后的信号频谱幅值'
s16=interp(s,16);
%对信号进行16倍插值
S16=fft(s4);
subplot(4,1,4);
plot(abs(S16));
十六倍插值后的信号频谱幅值'
figure
(2)
b4=decimate(s,4);
%对信号进行四倍抽取
B4=fft(b4);
plot(abs(B4));
四倍抽取后的信号频谱幅值'
b8=decimate(s,8);
%对信号进行八倍抽取
B8=fft(b8);
plot(abs(B8));
八倍抽取后的信号频谱幅值'
b16=decimate(s,16);
%对信号进行16倍抽取
B16=fft(b16);
plot(abs(B16));
十六倍抽取后的信号频谱幅值'
3.1插值后的图像
图3-1信号插值后的图像
3.2抽取后的图像
图3-2信号抽取后的图像
4对工程信号进行各种时频分析后的程序和图形结果
分析所用信号是旋转机械中轴承故障提取信号,所有的信号有120000个数据,为了方便分析和运行,截取了其中的2048个数据,然后分别对信号做各种时频分析,如短时傅里叶变换、gabor变换、cohen变换和小波变换等,给出程序和图形结果。
1、短时傅里叶变换:
x1=s;
N=length(x1);
t=1:
N;
figure
(1);
plot(t,x1,'
LineWidth'
2);
时间t/s'
幅值A'
%求得Fourier变换后的振幅
gridon%网格开启
幅度'
axis([0,512,0,1.2*max(abs(y1))]);
h=window(1111,'
tfrstft(sig,1:
1024,1024,h);
1-1信号的波形图
图1-1工程信号的波形图
1-2信号的幅频特性图
1-3信号的短时傅里叶变换图
图1-3信号的短时傅里叶变换图
2、gabor变换:
G:
振幅A'
h=window(1911,'
tfrgabor(x1,128,q,h);
2-1对信号进行gabor变换
图2-1信号的gabor变换图
对信号进行gabor变换的过程中,在过抽样的情况下,对信号进行时频分析。
gabor变换是短时傅里叶变换加窗后的一种特殊情况。
3、Cohen类时频分布
平滑伪Wigner-ville·
分布'
3-1Wiger-ville分布
图3-1信号的Wiger-Ville分布图
3-2伪Wiger-ville分布
图3-2信号的伪Wiger-Ville分布图
3-3平滑伪Wiger-ville分布
图3-3信号的平滑伪Wiger-Ville分布图
3-4Cohen时频分布
图3-4Cohen时频分布
4、小波变换
[c,l]=wavedec(x,6,'
db3'
%重构第1-6层逼近系数
a6=wrcoef('
a'
c,l,'
6);
a5=wrcoef('
5);
a4=wrcoef('
4);
a3=wrcoef('
3);
a2=wrcoef('
a1=wrcoef('
1);
%显示逼近系数
subplot(6,1,1);
plot(a6,'
a6'
subplot(6,1,2);
plot(a5,'
a5'
subplot(6,1,3);
plot(a4,'
a4'
subplot(6,1,4);
plot(a3,'
a3'
subplot(6,1,5);
plot(a2,'
a2'
subplot(6,1,6);
plot(a1,'
a1'
%重构第1-6层细节系数
d6=wrcoef('
d'
d5=wrcoef('
d4=wrcoef('
d3=wrcoef('
d2=wrcoef('
d1=wrcoef('
%显示细节系数
plot(d6,'
d6'
axis([0N-55]);
plot(d5,'
d5'
plot(d4,'
d4'
plot(d3,'
d3'
plot(d2,'
d2'
plot(d1,'
d1'
4-1对信号进行重构后逼近系数图像
图4-1信号重构后逼近系数图像
4-2对信号进行重构后细节系数图像
图4-2信号重构后细节系数图像
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Fourier 变换 Gabor Wigner 分布 实例 分析
![提示](https://static.bingdoc.com/images/bang_tan.gif)