首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
文章研究了加窗技术的内在机理及其在NC-OFDM系统中的应用,分别针对两种不同的窗函数和滚降系数对NC-OFDM信号的功率谱带外衰减进行仿真比较。仿真结果表明:加窗技术改善了NC-OFDM符号的带外功率谱扩散,提高了系统性能;同时,对于不同的窗函数、滚降系数,信号带外辐射功率也不同。  相似文献   

2.
振动信号频谱分析中的加窗及加窗幅值修正   总被引:1,自引:0,他引:1  
在振动信号频谱中,为了消除加窗导致的信号频谱幅度的不一致问题,通常需要对加窗后信号的频谱进行幅值修正。一般情况下,幅值修正过程遵循两个原则:幅值相等原则和能量相等原则。结合航空发动机振动信号处理中的类似问题,遵循幅值相等原则,结合工程实践,通过理论分析和数值仿真分析的方法,提出了一种基于正弦校准信号的加窗幅度修正的方法。该方法利用正弦校准信号频谱的特点,以及相关的信号处理理论和方法分析得出,加窗幅度修正系数为窗函数序列的直流分量。此外,依据该方法给出了5种常用窗函数的加窗幅值修正系数,并用数值仿真的方法对  相似文献   

3.
刘琦 《福建电脑》2011,27(5):7+13-7,13
本文阐述了经典窗函数在时域及频域中的计算公式。并讲述了短时能量的作用和实际意义。文中对音频信号在不同窗函数截短后短时能量进行对比分析。理论研究及实验结果说明了短时能量能够直接区分音频信号中每个音节的位置,不同窗函数的选取直接影响短时能量值的大小。  相似文献   

4.
频谱分析中窗函数的研究   总被引:3,自引:0,他引:3  
李杭生  陈丹 《微计算机信息》2008,24(10):272-273
快速傅立叶变换是信号处理的常用方法,要进行快速傅立叶变换,则需要进行数据截断,即加窗函数处理,在窗内的采样值为函数值,窗外的值为零.窗函数本身的研究及应用是信号处理中的一个基本问题.本文详细讨论了对信号进行截断时,加不同的窗函数对频谱分析所产生的影响及改进的方法,给出了相应的matlab仿真结果.  相似文献   

5.
半正弦窗的衍生形式及其特征分析   总被引:2,自引:0,他引:2  
为得到更加精确的幅值或频率,本文提出了一种新的窗函数--衍生半正弦窗。它的构造方法是对半正弦窗函数施加一个指数,指数的大小阅览室它扁平程度。指数趋于0则窗函数趋于矩形窗,指数变大则趋于尖锐。通过数字方式研究了衍生半正弦窗的特性,发现它具有更大的灵活性,根据对频率分辨率和幅值精度、旁瓣衰减的侧重,可以构造一个需要的窗函数。为方便使用和对比,给出了衍生半正弦窗及其他常用窗函数的参数表。文中给出一个例子,对一个复信号用衍生半正弦窗进行加窗处理,用FFT计算它的幅值谱,结果证明衍生半正弦窗具有比较理想的特性。  相似文献   

6.
结合低通和带通数字滤波器的设计全过程,讨论了应用MATLAB 7.3进行FIR窗函数设计的方法,并比较和探讨了IIR窗函数滤波器的设计。在设计中给出了一些重要和复杂函数的应用方法和技巧。  相似文献   

7.
结合低通和带通数字滤波器的设计全过程,讨论了应用MATLAB7.3进行FIR窗函数设计的方法,并比较和探讨了IIR窗函数滤波器的设计。在设计中给出了一些重要和复杂函数的应用方法和技巧。  相似文献   

8.
本文结合低通和带通两个特定化数字滤波器的设计全过程,讨论了应用Matlab7.3进行FIR窗函数设计的方法,并比较和探讨了IIR窗函数滤波器的设计。在设计中给出了一些重要和复杂函数的应用方法和技巧。  相似文献   

9.
离散傅里叶变换是电力谐波检测的有效方法。针对该算法频谱泄漏严重,导致谐波检测精度不高的问题进行了研究,分别采用对时域信号加平顶窗和经典海宁窗、对加窗信号进行傅里叶变换求解电力谐波的方法。考虑到加窗算法得到的谐波幅值的计算精度除了与所加窗的频谱特性有关外,还与采样初始相位密切相关,因此,提出先通过过零检测以决定信号初始采样相位,然后对采样信号加海宁窗进行谐波计算的方法。Matlab仿真和实际应用表明,该方案对于电力谐波检测具有较高的精度和实时性。  相似文献   

10.
数字信号的加窗处理   总被引:3,自引:0,他引:3  
在复杂的对机械振动信号进行微机处理分析时 ,要求采集到的信号不失真或尽量少失真 ,讨论了对机械振动离散数字信号进行加窗处理的公式推导 ,以及窗函数的选用和修正系数计算。  相似文献   

11.
提出了一种实用的图像滤波算法,即图像加窗中值滤波算法。在分析经典中值滤波算法基础上,给出了加窗中值滤波算法的基本原理与实现过程,与经典的邻域均值滤波器、中值滤波器、Butterworth低通滤波器、Wiener滤波器进行了滤波比较实验,分别从主观效果及客观参数计算两个方面验证了其优良的滤波性能。  相似文献   

12.
频谱监测中的谱泄漏及其抑制方法研究   总被引:1,自引:0,他引:1  
为了解决无线电频谱分析和监测中的频谱泄漏,将射频信号进行加窗处理是一种有效的方法.在分析了频谱泄漏发生的原因并且提出了避免频谱泄漏所遵循的采样原则之后,通过对各种窗函数性能的比较,选取一种性能最为优越的窗函数进行频谱泄漏的抑制.仿真结果证明,窗函数对频谱泄漏的抑制有较大改善,尤其以切比雪夫窗效果最为显著.  相似文献   

13.
提出了一种基于静态小波变换和对偶树复小波变换的加窗的双重局部维纳滤波图像去噪算法。在第一次局部维纳滤波中,用静态小波变换对含噪图像进行分解,然后利用椭圆方向窗来估计不同方向子带的各点信号的方差;在第二次的局部维纳滤波中,第一次局部维纳滤波恢复后的图像被对偶数复小波变换分解后,利用由子带能量自相关函数确定的自适应窗来估计不同方向子带的各点信号的方差,然后利用逆对偶数复小波变换对图像进行恢复。实验结果及分析表明了该去噪算法的有效性。  相似文献   

14.
基于窗函数设计的FIR滤波器在车辆动态试验中的应用   总被引:1,自引:0,他引:1  
本文对基于窗函数设计方法的FIR滤波器进行了特性分析,并采用Hamming窗函数设计了FIR滤波器,在兼顾实时性要求的基础上,用VisualC 编制了计算程序,应用在车辆换档试验的数据采集系统中,效果良好。  相似文献   

15.
该文针对轴承故障诊断中信号处理的端点效应问题,提出基于极值波延拓与窗函数的改进集合经验模态分解EEMD方法。首先对原始信号进行极值波延拓,其次对延拓后的信号加入组合窗体,最后对信号进行EEMD分解,通过仿真验证改进EEMD方法的有效性。同时,进一步结合Hilbert变换建立了改进EEMD-Hilbert的轴承故障诊断模型,利用轴承故障的实测信号证明了该模型在提高轴承故障诊断效率方面有一定优势。  相似文献   

16.
采用FFT算法对电网信号进行谐波分析时很难做到同步采样和整数周期截断,由此造成的频谱泄漏和栅栏效应将影响到谐波分析的结果。本文应用矩形窗和Hanning窗的加窗插值FFT算法分析非同步采样的电力系统谐波,经过MATLAB仿真证明:采用基于Hanning窗的加窗插值FFT算法能够大幅度降低由非同步采样造成的误差,最后给出了实现该算法的C语言程序。  相似文献   

17.
在科学研究和工程实践中,往往要进行大量的科学计算。这些运算一般来说难以手工精确和快捷地进行。利用MATLAB则可大大减少从算法到程序转化的工作量,而且简便易学,深受大家的欢迎。笔者在进行图像处理的算法研究中,积累了一些MATLAB的使用经验,在本文中与大家交流,以期抛砖引玉,共同进步。 1.二维窗函数简介 二维窗函数设计法是二维FIR滤波器的最早的设计技术之一,这是一维窗函数法的直接推广。设要设计的二维FIR滤波器的单位冲激响应为:h(n_1,n_2)=w(n_1,n_1)i(n_1,n_2) (1)其中,i(n_1,n_2)是无限区域(支持域)冲激响应序列;w(n_1,n_2)是二维窗函数(或称窗序列)。对无限区域冲激  相似文献   

18.
通过对基于傅里叶基函数的神经网络模型算法和加窗快速傅里叶变换算法的研究,提出基于神经网络模型的加窗谐波检测改进算法。该改进算法针对原算法中只能检测已知频率谐波及收敛速度慢的缺点,结合最优化理论,通过相关权值调整的方法,实现了算法对任何未知频率的检测和快速收敛。  相似文献   

19.
《微型机与应用》2015,(21):64-66
稀疏优化后的同心圆阵的旁瓣电平虽然相比于满阵有所降低,但还是很高。为了获得具有更低旁瓣电平的同心圆阵,本文采用锥型波束形成技术,对利用模拟退火粒子群算法得到的稀疏同心圆阵加窗,优化阵列馈电电流的激励振幅。利用改进的三角窗、汉宁窗和布莱克曼窗三种窗函数对稀疏同心圆阵进行优化。仿真结果表明,加窗后,稀疏同心圆阵的旁瓣电平都有明显降低,采用布莱克曼窗得到的阵列的最大旁瓣电平最小,汉宁窗的次之,三角窗的最大。  相似文献   

20.
针对经验模态分解在对脑电数据进行处理时存在的端点效应问题,提出了一种新的端点效应抑制方法。该方法将支持向量机和数据加窗进行结合对原始信号进行处理。该方法包括三个步骤:采用支持向量机对原始信号两端分别延拓有限个极大值和极小值;用窗函数对延拓后的数据进行加窗处理;分别对原始信号以及支持向量机延拓和加窗处理后的信号进行经验模态分解,并舍弃各阶固有模态函数中延拓的数据点。为了分析所提方法的性能,以正交性作为量化评价指标对比不同方法的性能。以人工信号和实际脑电信号为实验对象进行的模拟实验表明,相比于其他几种方法,提出的方法可有效抑制经验模态分解处理过程中端点效应问题。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号