Matlab实现将加速度信号转换为位移信号总结

weixin

　　引言：最近做有关加速度的数据处理，需要把加速度积分成位移，网上找了找相关资料，发现做这个并不多，把最近做的总结一下吧!

　　积分操作主要有两种方法：时域积分和频域积分，积分中常见的问题就是会产生二次趋势。关于积分的方法，在国外一个论坛上有人提出了如下说法，供参考。

　　Double integration of raw acceleration data is a pretty poor estimate for displacement. The reason is that at each integration, you are compounding the noise in the data.
　　If you are dead set on working in the time-domain, the best results come from the following steps.
　　 1.Remove the mean from your sample (now have zero-mean sample)
　　 2.Integrate once to get velocity using some rule (trapezoidal, etc.)
　　 3.Remove the mean from the velocity
　　 4.Integrate again to get displacement.
　　 5.Remove the mean. Note, if you plot this, you will see drift over time.
　　 6.To eliminate (some to most) of the drift (trend), use a least squares fit (high degree depending on data) to determine polynomial coefficients.
　　 7.Remove the least squares polynomial function from your data.

　　A much better way to get displacement from acceleration data is to work in the frequency domain.To do this, follow these steps...
　　  1.Remove the mean from the accel. data
　　  2.Take the Fourier transform (FFT) of the accel. data.
　　  3.Convert the transformed accel. data to displacement data by dividing each element by -omega^2, where omega is the frequency band.
　　  4.Now take the inverse FFT to get back to the time-domain and scale your result.
　　This will give you a much better estimate of displacement.

　　说到底就是频域积分要比时域积分效果更好，实际测试也发现如此。原因可能是时域积分时积分一次就要去趋势，去趋势就会降低信号的能量，所以最后得到的结果常常比真实幅值要小。下面做一些测试，对一个正弦信号的二次微分做两次积分，正弦频率为50Hz，采样频率1000Hz，恢复效果如下：

　　时域积分

　　频域积分

　　可见恢复信号都很好(对于50Hz是这样的效果)。

　　分析两种方法的频率特性曲线如下：
　　时域积分

　　频域积分

　　可以看到频域积分得到信号更好，时域积分随着信号频率的升高恢复的正弦幅值会降低。

　　对于包含两个正弦波的信号，频域积分正常恢复信号，时域积分恢复的高频信息有误差;对于有噪声的正弦信号，噪声会使积分结果产生大的趋势项(不是简单的二次趋势)，如下图：

　　对此可以用滤波的方法将大的趋势项去掉。

　　测试的代码如下：
　　% 测试积分对正弦信号的作用
　　clc
　　clear
　　close all
　　%% 原始正弦信号
　　ts = 0.001;
　　fs = 1/ts;
　　t = 0:ts:1000*ts;
　　f = 50;
　　dis = sin(2*pi*f*t);
　　% 位移
　　vel = 2*pi*f.*cos(2*pi*f*t);
　　% 速度
　　acc = -(2*pi*f).^2.*sin(2*pi*f*t);
　　% 加速度
　　% 多个正弦波的测试
　　% f1 = 400;
　　% dis1 = sin(2*pi*f1*t); % 位移
　　% vel1 = 2*pi*f1.*cos(2*pi*f1*t); % 速度
　　% acc1 = -(2*pi*f1).^2.*sin(2*pi*f1*t); % 加速度
　　% dis = dis + dis1;
　　% vel = vel + vel1;
　　% acc = acc + acc1;
　　% 结：频域积分正常恢复信号，时域积分恢复加入的高频信息有误差
　　% 加噪声测试
　　acc = acc + (2*pi*f).^2*0.2*randn(size(acc));
　　% 结：噪声会使积分结果产生大的趋势项
　　figure
　　ax(1) = subplot(311);
　　plot(t, dis), title('位移')
　　ax(2) = subplot(312);
　　plot(t, vel), title('速度')
　　ax(3) = subplot(313);
　　plot(t, acc), title('加速度')
　　linkaxes(ax, 'x');
　　% 由加速度信号积分算位移
　　[disint, velint] = IntFcn(acc, t, ts, 2);
　　axes(ax(2));
　　hold on
　　plot(t, velint, 'r'),
　　legend({'原始信号', '恢复信号'})
　　axes(ax(1));
　　hold on
　　plot(t, disint, 'r'),
　　legend({'原始信号', '恢复信号'})
　　%% 测试积分算子的频率特性
　　n = 30;
　　amp = zeros(n, 1);
　　f = [5:30 40:10:480];
　　figure
　　for i = 1:length(f)
　　  fi = f(i);
　　  acc = -(2*pi*fi).^2.*sin(2*pi*fi*t);
　　  % 加速度
　　  [disint, velint] = IntFcn(acc, t, ts, 2);
　　  % 积分算位移
　　  amp(i) = sqrt(sum(disint.^2))/sqrt(sum(dis.^2));
　　  plot(t, disint)
　　  drawnow
　　  %pause
　　end
　　close
　　figure
　　plot(f, amp)
　　title('位移积分的频率特性曲线')
　　xlabel('f')
　　ylabel('单位正弦波的积分位移幅值')

　　以上代码中使用IntFcn函数实现积分，它是封装之后的函数，可以实现时域积分和频域积分，其代码如下
　　% 积分操作由加速度求位移，可选时域积分和频域积分
　　function [disint, velint] = IntFcn(acc, t, ts, flag)
　　if flag == 1
　　  % 时域积分
　　  [disint, velint] = IntFcn_Time(t, acc);
　　  velenergy = sqrt(sum(velint.^2));
　　  velint = detrend(velint);
　　  velreenergy = sqrt(sum(velint.^2));
　　  velint = velint/velreenergy*velenergy;
　　  disenergy = sqrt(sum(disint.^2));
　　  disint = detrend(disint);
　　  disreenergy = sqrt(sum(disint.^2));
　　  disint = disint/disreenergy*disenergy;
　　  % 此操作是为了弥补去趋势时能量的损失
　　  % 去除位移中的二次项
　　  p = polyfit(t, disint, 2);
　　  disint = disint - polyval(p, t);
　　else
　　  % 频域积分
　　  velint = iomega(acc, ts, 3, 2);
　　  velint = detrend(velint);
　　  disint = iomega(acc, ts, 3, 1);
　　  % 去除位移中的二次项
　　  p = polyfit(t, disint, 2);
　　  disint = disint - polyval(p, t);
　　end
　　end

　　其中时域积分的子函数如下：
　　% 时域内梯形积分
　　function [xn, vn] = IntFcn_Time(t, an)
　　vn = cumtrapz(t, an);
　　vn = vn - repmat(mean(vn), size(vn,1), 1);
　　xn = cumtrapz(t, vn);
　　xn = xn - repmat(mean(xn), size(xn,1), 1);
　　end

　　频域积分的子函数如下(此代码是一个老外编的，在频域内实现积分和微分操作)
　　function dataout = iomega(datain, dt, datain_type, dataout_type)
　　%%%%%%%%%%%%%
　　%
　　% IOMEGA is a MATLAB script for converting displacement, velocity, or
　　% acceleration time-series to either displacement, velocity, or
　　% acceleration times-series. The script takes an array of waveform data
　　% (datain), transforms into the frequency-domain in order to more easily
　　% convert into desired output form, and then converts back into the time
　　% domain resulting in output (dataout) that is converted into the desired
　　% form.
　　%
　　% Variables:
　　% ----------
　　%
　　% datain = input waveform data of type datain_type
　　%
　　% dataout = output waveform data of type dataout_type
　　%
　　% dt = time increment (units of seconds per sample)
　　%
　　% 1 - Displacement
　　% datain_type = 2 - Velocity
　　% 3 - Acceleration
　　%
　　% 1 - Displacement
　　% dataout_type = 2 - Velocity
　　% 3 - Acceleration
　　%
　　%%%%%%%%%%%%%
　　% Make sure that datain_type and dataout_type are either 1, 2 or 3
　　if (datain_type < 1 || datain_type > 3)
　　  error('Value for datain_type must be a 1, 2 or 3');
　　elseif (dataout_type < 1 || dataout_type > 3)
　　  error('Value for dataout_type must be a 1, 2 or 3');
　　end
　　% Determine Number of points (next power of 2), frequency increment
　　% and Nyquist frequency
　　N = 2^nextpow2(max(size(datain)));
　　df = 1/(N*dt);
　　Nyq = 1/(2*dt);
　　% Save frequency array
　　iomega_array = 1i*2*pi*(-Nyq : df : Nyq-df);
　　iomega_exp = dataout_type - datain_type;
　　% Pad datain array with zeros (if needed)
　　size1 = size(datain,1);
　　size2 = size(datain,2);
　　if (N-size1 ~= 0 && N-size2 ~= 0)
　　  if size1 > size2
　　    datain = vertcat(datain,zeros(N-size1,1));
　　  else
　　    datain = horzcat(datain,zeros(1,N-size2));
　　  end
　　end
　　% Transform datain into frequency domain via FFT and shift output (A)
　　% so that zero-frequency amplitude is in the middle of the array
　　% (instead of the beginning)
　　A = fft(datain);
　　A = fftshift(A);
　　% Convert datain of type datain_type to type dataout_type
　　for j = 1 : N
　　  if iomega_array(j) ~= 0
　　    A(j) = A(j) * (iomega_array(j) ^ iomega_exp);
　　  else
　　    A(j) = complex(0.0,0.0);
　　  end
　　end
　　% Shift new frequency-amplitude array back to MATLAB format and
　　% transform back into the time domain via the inverse FFT.
　　A = ifftshift(A);
　　datain = ifft(A);
　　% Remove zeros that were added to datain in order to pad to next
　　% biggerst power of 2 and return dataout.
　　if size1 > size2
　　  dataout = real(datain(1:size1,size2));
　　else
　　  dataout = real(datain(size1,1:size2));
　　end
　　return

　　来源：新浪了凡春秋的博客

兵临神下

看看

迷你猫

默默mark，慢慢学习

yiongxin

挺好的总结，我也试试看

ghostzer

给大佬点赞