声振论坛

 找回密码
 我要加入

QQ登录

只需一步,快速开始

查看: 1545|回复: 5

[HHT] 用HHT算法处理谐波时,是否需要锁相倍频电路?

[复制链接]
发表于 2013-1-9 20:32 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?我要加入

x
本人想用HHT处理谐波,将HHT算法和嵌入式结合在一起,不知需不需要使用锁相倍频电路,请懂的人指教一二,看别人写的论文大多都是FFT算法,运用这种算法的人大都使用了锁相倍频电路,理由是防止采样频率和信号频率不一致所引起的频谱泄露,求指导,运用HHT算法时,是否也需要锁相倍频电路?
回复
分享到:

使用道具 举报

发表于 2013-1-10 13:22 | 显示全部楼层
频谱泄露

  在实际问题中遇到的离散时间序列x(n)通常是无限长序列,因而处理这个序列的时候需要将它截短。截短相当于将序列乘以窗函数w(n)。根据频域卷积定理,时域中x(n)和w(n)相乘对应于频域中它们的离散傅立叶变换X(jw)和W(jw)的卷积。 因此,x(n)截矩后的频谱不同于它以前的频谱。   
为了减小频谱“泄露”的影响,往往在FFT处理中采用加权技术,典型的加权序列有Hanning、Blackman、Gaussian等窗序列。此外,增加窗序列的长度也可以减少频谱“泄露”。   
时域上乘上窗函数,相当于频域进行卷积。长度为无穷长的常数窗函数,频域为delta函数,卷积后的结果和原来一样。如果是有限矩形窗,频域是Sa函数,旁瓣电平起伏大,和原频谱卷积完,会产生较大的失真。   
窗的频谱,越像delta函数(主瓣越窄,旁瓣越小),频谱的还原度越高。于是,就产生了那么多bt的窗函数。   
加窗就不可避免频谱泄漏,典型的加权序列有Hanning、Blackman、Gaussian等窗序列主要是为了降低   
降低旁瓣,对于降低频谱泄漏效果远不如增加窗序列的长度明显吧。   
周期信号加窗后做DFT仍然有可能引起频谱泄露,设fs为采样频率,N为采样序列长度,分析频率为:m*fs/N(m=0,1....),以cos函数为例,设其频率为f0,如果 f0不=m*fs/N,就会引起除f0以外的其他m*fs/N点为非零值,即出现了泄露。   
DFT作为有限长的运算,对于无限长的信号必须要进行一定程度的截断,既然信号已经不完整了,那么截断后的信号频谱肯定就会发生畸变,截断由窗函数来完成,实际的窗函数都存在着不同幅度的旁瓣,所以在卷积时,除了离散点的频率上有幅度分量外,在相邻的两个频率点之间也有不同程度的幅度,这些应该就是截断函数旁瓣所造成的。
发表于 2013-1-10 13:24 | 显示全部楼层
结论:
      楼主对“频谱泄露”这一概念的理解有误。
发表于 2013-1-10 16:16 | 显示全部楼层
本帖最后由 impulse 于 2013-1-10 19:40 编辑

根本两回事,运用锁相环、倍频电路目的在于整周期同步采样,目前可以用计算阶比跟踪(COT)代替。
我目前已经将cot算法运用到arm上,但是信号处理时间有点长,LZ也是搞ARM的,以后可以交流。
发表于 2013-5-7 23:20 | 显示全部楼层
本帖最后由 longyi2003 于 2013-5-7 23:27 编辑

我也在弄hht处理谐波呢,,可以交流下
画出了信号的边际谱和hilbert谱都不理想,你们知道这是什么原因造成的吗?
信号
N=3200;
t=linspace(0,1,N);
delta=t(2)-t(1); % 采样周期
fs=1/delta;      % 采样频率  
x=50*sin(2*pi*50*t);
y=15*sin(2*pi*150*t);
y1=8*sin(2*pi*250*t);
y2=5*sin(2*pi*350*t);
y3=2*sin(2*pi*450*t);
y4=1.8*sin(2*pi*550*t);
z=x+y+y1+y2+y3+y4;

边际谱

边际谱

hilbert谱

hilbert谱
 楼主| 发表于 2013-6-10 18:06 | 显示全部楼层

有没有QQ可以联系,最好能将具体点的方法发到论坛上,我是初学者,还不能将HHT用于ARM上,求开导。
您需要登录后才可以回帖 登录 | 我要加入

本版积分规则

QQ|小黑屋|Archiver|手机版|联系我们|声振论坛

GMT+8, 2024-4-21 00:19 , Processed in 0.070146 second(s), 21 queries , Gzip On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表