三種信號處理方法的對比分析

王鵬

フ?要：隨著科技的發展，可以檢測到的信號形式越來越多，因此信號處理的方法也越來越多。在對信號進行處理時就要求對不同的信號選用不同的處理方法，才能達到理想的處理效果。通過對于每種信號處理方法的研究，了解了每種信號處理方法最適合使用的情況，才能通過對信號的分析，而對設備的運行狀況做出準確的判斷。通過峭度指標，小波分析，倒頻譜技術分析，表明各種信號處理方法各有不同的優點。

ス丶詞：信號處理；峭度；小波；倒頻譜

ブ型擠擲嗪牛篢H17

Abstract：With?the?development?of?science?and?technology，more?and?more?signals?can?be?detected，so?there?are?more?and?more?signal?processing?methods.When?processing?the?signal，different?processing?methods?are?required?for?different?signals?so?as?to?achieve?the?desired?effect.Through?the?study?of?each?signal?processing?method，we?know?that?each?signal?processing?method?is?most?suitable?for?use?in?order?to?make?an?accurate?judgment?on?the?operation?status?of?the?equipment?through?the?analysis?of?the?signal.Through?kurtosis?index，wavelet?analysis?and?cepstrum?technology?analysis，it?shows?that?all?kinds?of?signal?processing?methods?have?different?advantages.

Key?words：signal?processing；kurtosis；wavelet；cepstrum

信號處理是根據各種期望的目的和要求處理各種類型的電信號的通用術語。所謂的“信號處理”就是處理包含在某些載體上的信號以提取有用信息的過程。信號處理有一些通用術語，例如提取，轉換，分析和合成。在進行信號處理時，經常遇到的是電信信號。例如通過各種傳感器來對設備進行測量，從傳感器獲得微弱的電信號，在這些微弱信號中就包含有各種信息。通過放大和濾除弱電信號，就可以獲得信號處理所需的信號。在進行處理時我們可以選用不同的方法，但是每種方法都有最適合使用的情況。

1?峭度指標

デ投榷韌ǔＳ糜讜縉詮收系惱鋃稀Ｇ投仁欠從乘婊變量分布特征的數值統計量，是4階累積量。振動信號的振幅分布接近正態分布，峭度指標值用K表示，在K=3左右呈正太分布。隨著故障的產生和發展，振動信號中大振幅的概率密度增大，振幅的分布也隨之增大。信號偏離正態分布，正常曲線隨著故障的發生和發展而變為傾斜或分散，因此峭度值也增加。峭度指數的絕對值越大，軸承偏離其正常狀態就越嚴重，故障也就越嚴重。

デ投榷猿寤饜藕鷗敏感。在設備的早期故障中，峭度指標將明顯增加。在故障后期，隨著設備故障的加深，峭度指標會降低，因此通常采用峭度指標來檢測設備的早期故障。對于后期，峭度指標的效果將大大降低。峭度指標判斷方法具有一定的實用性，但作為時域分析方法，它基本上只適用于某類或幾類情況，一般不能綜合判斷所有故障，不能進一步定位和分析故障的位置和性質。

2?最小熵

レ厥潛碚鳠崍ρе形鎦首刺的參數之一，用符號S表示。它的物理意義是系統中混亂程度的度量。直到1948年，香農才提出了“信息熵”的概念來解決信息量化測量的問題。術語熵來自香農的熱力學。熱力學中的熱熵是指分子狀態中混沌程度的物理量。香農使用信息熵的概念來描述源的不確定性。本質上，信息熵是信息輸出的不確定性和事件隨機性的度量。它代表了平均意義上的源的整體信息。如果信息分布越集中，則反映的故障特征越明顯，信號中包含的信息越少，熵越小。類似地，如果信息的分布越混亂，則信息越不規則，信號中包含的信息越多，熵越大。香農對此做出了杰出貢獻。他把信息定義為“熵的減少”，即“系統或事物不確定性的減少”。也就是說熵最小就是確定程度越高，可靠性越高。熵實際上是一個隨機變量的不確定性，熵最大的時候，說明隨機變量最不確定。在信源中，考慮的不是某一單個符號發生的不確定性，而是要考慮這個信息源所有可能發生情況的平均不確定性。若信源符號有n種取值：U1…Ui…Un，對應概率為：P1…Pi…Pn，且各種符號的出現彼此獨立。這時，信息源的平均不確定性應當為單個符號不確定性-log?Pi的統計平均值（E），可稱為信息熵用H（U）表示，即:

お獺(U)=E［-玪og玴i］=-∑ni=1玪og玴i

ナ街卸允一般取2為底，單位為比特。

3?倒頻譜技術

サ蠱燈準際踔饕用于語音信號的聲源特征和頻率特征的分析，按照語音分析的需要，將語音頻率的高階和低階分開。該技術是在傳統頻譜分析的基礎上發展起來的，是一種非線性信號處理技術。它可用于分析頻譜圖上的周期性結構，并分離和提取密集頻率信號中的周期性分量。

ピ詰蠱燈字校功率譜的逆變換通過傅立葉逆變換得到，復數卷積關系變為簡單的線性疊加。因此，可以在其倒譜上容易地識別信號的頻率分量，并且容易提取相關的頻率分量以更準確地反映故障特征。這種分析方法受傳感器測量點的位置和傳輸方式的影響較小。它可以將原始光譜圖的原始光譜線簡化為單個光譜線，從而提取和分析原始光譜中肉眼難以識別的周期信號。近年來，倒頻譜技術在噪聲和振動源識別，地震回波分析和故障診斷等領域得到越來越多的應用。

4?結語

バ藕糯理方法有很多種，例如有均值，均方值，方差，自相關函數，互相關函數。其他常用的方法還有支持向量機，人工神經網絡等方法。通過以上的分析可以發現，峭度指標用于故障的早期診斷效果較好，小波分析在故障診斷中用的較多，倒頻譜多用于語音的識別，現在在故障診斷領域也得到了越來越多的應用。可以清楚的發現不同的方法都有不同優點，結合信號的具體情況選用合適的方法，達到最好的效果。