基于改进Prony方法的邻近频率正弦信号参数识别.pdf

《基于改进Prony方法的邻近频率正弦信号参数识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年11月机床与液压NOV．20l3第41卷第21期MACHINETO0L＆HYDRAULICSVo1．41No．2lDOI：10．3969／j．issn．1001—3881．2013．21．045基于改进Prony方法的邻近频率正弦信号参数识别高启明，李传江，张自强，陈海雄(1．合肥通用机械研究院，安徽合肥230088；2．上海师范大学信息与机电工程学院，上海201418；3．上海大学机电工程与自动化学院，上海200072)摘要：在旋转机械故障诊断、通信等工程领域中邻近正弦信号参数识别问题较为常见，针对此类问题中非衰

2、减实值信号的特点，采用总体最小二乘改进型Prony方法(简称IPM)来提取邻近频率分量的频率值，并推导出两个正弦信号频率识别的封闭解。当信噪比较差时，先采用低通或带通滤波器降噪并去除直流偏置，然后采用IPM方法识别参数，大大提高参数估计精度。仿真和实验结果表明：该方法只需少量样本数据即可获得较高的识别精度，且运算实时性较高，具有很好的工程应用价值。关键词：密集频谱；参数识别；改进Prony方法中图分类号：TH825文献标识码：A文章编号：1001—3881(2013)21—168—3ParametersEstimationo

3、fIntensiveSinusoidalSignalsBasedonImprovedPronyMethodGA0Qiming，LIChuanjiang’，ZHANGZiqiang，CHENHaixiong(1．HefeiGeneralMachineryResearchInstitute，HefeiAnhui230088，China；2．ShanghaiNormalUniversity，Shanghai201418，China；3．ShangUniversity，Shanghai200072，China)Abstract：Es

4、timationofsinusoidalsignalwithadjacentfrequenciesisacommonprobleminengineeringareas，suchasfaultdi—agnosisofrotorsystemandcommunication．Inviewoftheundampedrealsignalinthisproblem，thetotalleastsquareimprovedPronymethodwasintroducedtoextractfrequenciesofsignalcomponen

5、tswithadjacentfrequencies．Andclosedformsolutionfortwosinusoidsignalswasdeduced．WhenSNRwasslow，low—passorband—passfilterwasusedtodenoiseandremoveconstantbiasfirst，andthenIPMwasusedtoestimateparameters，whichcouldimproveestimationprecisiongreatly．Simulationandexperime

6、ntalresultsshowthattheproposedmethodhashighprecisiononlyusinglittledata，andalsohasgoodreal—timeperformanceanddesirableapplicationvalueinengineering．Keywords：Intensivespectrum；Parameterestimation；ImprovedPronymethod(IPM)正弦信号参数估计是旋转机械故障诊断、通信、献[5]提出基于全相位FFT的密集频谱识别与校正电

7、子对抗等领域的重要问题，尤其对于频率相近的密方法，在中高信噪比情况下的性能比FFT方法有了集谱成分信号，各分量参数估计问题相当困难。传统较大提高，但在强噪声场合性能降低。的FFtI1方法虽能提取频谱参数，但受频率分辨率、上述频域分析法都是基于FFT或DFY方法的改频谱泄漏等因素影响，对频率相近信号的参数提取存进，很难从根本上克服频谱泄漏等不利影响。基于观在较大误差。为此，一些学者提出了针对两个邻近频测数据矩阵分析的线性预测法具有频谱分辨率高、所率分量的频谱识别和校正方法，可以有效克服主需样本序列短等优点。文献[6]提出一种总

8、体最小瓣干涉和旁瓣泄漏的影响，在不增加样本长度的情况二乘方法用于从噪声中提取正弦信号的频率，在信噪下提高参数识别精度，但该方法不便扩展到多个邻近比较高时，采用较短的数据序列可以较为准确地识别频率分量的场合。ConsolatinaLIGUORI等提出基于出邻近频率信号。王哲英等在文献[6]估