传感器信号采集及数据处理技术
2.2.4 信号的时域分析
信号时域分析是根据信号的时间历程记录或波形,分析信号的组成和特征量。对信号进行时域统计分析,可以求得信号的均值、均方值、方差、峰值、周期、最大值、最小值、绝对均值、方根幅值等参数。
均值
均值表示集合平均值或数学期望值,用表示。基于随机过程的各态历经性,可用时间间隔内的幅值平均值表示:
\miu_x = lim_{T \rightarrow \infty}\frac{1}{T}\int^T_0^x(t)dt均值表达了信号变化的中心趋势,或称之为直流分量。
2.2.5 信号的幅值域分析
- 概率密度函数
信号的概率密度函数是表示信号幅值落在指定区间内的概率。定义为:
表示值落在 区间内的时间,当样本函数的记录时间T趋于无穷大时, 的比值就是落在 区间内的概率。即:
- 概率分布函数
概率分布函数是瞬时值小于或等于某值的概率,其定义为:
概率分布函数又称累积概率,表示了函数值落在在某一区间的概率,可写成:
概率密度函数和概率分布函数提供了信号幅值分布的信息,是信号的主要特征参数之一。不同信号有不同的概率密度图形,可以借此来识别信号的性质。
- 直方图分析
有三种直方图分析方法:
-
幅值计数分析:以幅值大小为横坐标,以每个幅值间隔内出现的频次为纵坐标来表示。
-
时间计数分析:以某时间间隔内出现的频次为纵坐标,以时间为横坐标来表示。
-
对直方图幅值进行归一化处理,即得到概率密度函数。
在使用拉普拉斯、在使用拉普拉斯、Z-变换或傅里叶变换时,信号由频率的复函数描述, 变换或傅里叶变换时,信号由频率的复函数描述,任何给定频率信号的分量由复数给出,数字的幅度是该分量的幅值,角度是波的相对相位。
2.3 传感器输出信号
均方值
信号的均方值或者称为平均功率,表达式:
\psi_x^2 = lim_{T \rightarrow \infty} \frac{1}{T}\int^T_0^x^2(t)dt称为均方根值,在电信号中均方根值又称为有效值。
递推平均滤波
移动平均滤波的原理是先建立一块数据存储单元、、X(3)、...、X(n),将采样数据依次存入这些单元里,每采样一个数据,抹去最早采集的一个,后面的n-1个数据依次前移,把新采样数据移到最后。(队列)
加权递推平均滤波
加权递推平均滤波是在递推平均滤波基础上,对数据进行加权处理,加权系数不一,对n个数据进行平均处理,加权递推平均滤波算法如下:
式中为加权系数。
一阶惯性滤波
对于慢变化过程,采用动态滤波方法,如一阶惯性滤波方法。
卡尔曼滤波
卡尔曼滤波是以最小均方误差作为估计的最佳准则,寻求一套递推状态估计的算法。
卡尔曼滤波的实质:由测量值重构的状态向量,以“预测-实则-修正”的顺序递推。
前一个时刻的估计值+现时刻测量值->现时刻估计值