当前课程知识点:动态测试与分析(下) > 第6章 时变分析原理 > 第十一周 > 傅里叶相关频谱函数快速算法
那么这个我们如何来计算呢
我们再回顾一下
这个加窗频谱函数它的快速算法
如果我们把这个加窗频谱函数
离散化了以后
它的快速算法
可以写成EjπN除以KT
然后是窗面积
采样频率
然后是FFT
然后是这个加窗的离散信号
然后这个离散的加窗信号
它是需要添0进行计算的
那么在不添0的这一段
它就是原来那个窗宽范围那一段
那就是说WTK
然后是这个XC
也是TK
也是TK
然后这个是到哪个范围呢
K是在0到NW减1这个范围
这个TK应该就等于是这个
因为我们原来这个信号
我大概画一下
它是这样的
然后这是窗
这是窗
这是窗
大家都一样宽的
TW除2
负的TW除2
我们是这么相乘的
这是XC TK
那么这个就是WTK
这是TK
TK
原来我们是这么着的
采下来
采下来
离散化
这儿有一段
这一点称之为KS 对吧
最后这里有一点
这里有一点离散化
最后这里有一点
这个是下面的
这儿有一点
这是Ke
Ke
那么这个时间
这个的时间自然就是离散化完了
这里的时间是KSΔT
这是它的第一个时间KSΔT
所以这是KSΔT
然后再加上KΔT
然后K再一点点的离散过去
这个也是一个道理
对应着的
所以TK有了
这个就能离散化
就可以得到了
后来我们还为了计算
它的连续的曲线
我们后面添了0
0的范围是K
往后NW
一直到N减1
这个N就等于是KT NW
就是你添0添多少倍
所以这个KT会出现在这里
这是原来它的一个公式
原来这里一个公式
我们就利用这个公式
我们再来计算这个相关频谱函数
因为它们都是加窗傅里叶变换
这个加窗傅里叶变换
只是有了一个τ而已
这里我们刚才回顾了
就是这个加窗频谱函数
它的离散化算法
就是这一堆
这一套它的离散化算法
我们根据这个我们来计算
它的离散化应该怎么来算
是非常相似的
这两个只是多增加了一个
时间的超前时间
超前时间
我们来看一下相关频谱函数
这个用的是傅里叶小波函数
就跟刚才这边接过来的
那么是XRFNτM
因为它就是一个WFT
就是对XC的WFT
所以我们沿用这个公式
沿用这个公式没有问题
因为它也是对XC的一个WFT
这个公式我们可以继续沿用
就是EjπNKTWC0FS
WC0FS
然后是FFT
也是用一个加窗信号的离散化
这个都一样
那么问题的关键是这个
离散化的加窗信号
这个的变化
这个它是在XC上加了一个窗
加的窗没有变
但是XC有了变化
加的窗是WTK
然后是原始信号TK
要加上一个τM
是这个意思
τM
要加上这个
那么从原始信号来看
它的K的范围还是这个
0到NW减1
然后这个
其它的都是0
其它都是0
然后这个是K
处于是NW一直到N减1
这个道理是一样
N等于是KT乘以NW
那么这个TK
因为跟那边是一样的
也是对窗的一个离散化
所以也是等于这个
TK等于是KSΔT再加上KΔT
那么这是对窗
然后这个τM的离散化
我们是这么来离散的
τ的离散化
τM的离散化
它有一个τ的初始
我们称之为τA
τ的初始τA
然后再加上
这个τA的初始
实际上我们可以看图
我们直接把它写掉
我们来看一下
这个τ它的初始化的时候
应该是多少
大家看目前这个画面上
显示的这个图
上面就是XC它的采样信号
当然它采样信号
它最原始的位置是这个
它的坐标
采样信号的原始坐标
是这个红线坐标
它原来跟这个零线是对齐的
现在是移动到
它往左移动
移动到左边第一个点
给这个小波函数
傅里叶小波函数
左边这个点
左边这一个点对齐的时候
这个时候就是τ等于0的时候
τ等于0的时候
我们就可以看到
这个τ等于0的时候
它的这个τM
就是τM
M等于0
就是我们原来的τA
就是τA
就是它的τ0实际上
我们直接写成τ0可能更好
τ0再加上M
然后它的步长
M离散化步长
可以是ΔT的整数倍
这个是它的步长
因为这个Lτ它是大于等于1
然后它是一个整数
是一个正整数
整数常数
是这个意思
然后这两个合起来就是τM
τM的离散化步长
这是它的步长
注意我们刚才在计算
三个FFT计算的时候
τ的步长跟ΔT应该是一样的
这个是不能再加值的
但是在这里当
变成傅里叶小波函数以后
我们这里步长可以是ΔT的整倍数
这个一定要知道
这个一定要注意是整倍数
好 我们再看那个图
把τ0确定下来
现在这个τM实际上就是τ0
现在M等于0
我们可以看到
它是由TA这段长度
然后再加上这一段
加上这一段时间
而这一段时间正好是这是K
这个是KS
这里没有注
最左边这一点叫KS
以前我们学过了
KS成ΔT
就是这一段加上这一段
我们把它写下来
好 这个τ0就等于是
刚才我们图上看到
前面第一个有一个时间TA
就是你采样的开始时间
这是你在采样的时候你自己定的
然后它减去一个KSΔT
为什么是减了
本来它是加上一段
但是这个KS是一个负值
KS它是一个负的常数
我们曾经定过这个KS
KS是一个负常数
这样我们再把这个代进去
就可以得到这个τM
实际上就是这么一串
最后我们再来看一下
这个离散化的序列
这个序列
XC的序列
这个取值很容易了TK
这个TK很清楚
这个取值跟原来这个取值
是一样的
跟这个取值是一样的
但是这个的取值
因为加了一个超前信号
加了一个超前时间
它是一个超前信号
加了一个超前时间
那么这个超前时间
合起来对它进行一个取值
而这个XC的取值
是逐点取下来的
我们看一下图
看这个图
因为这是超前时间
超前时间它是往左移这个信号
是往左移
移到某一个位置的时候
它就可以从这里
从这个信号上面
取出跟下面这个窗一样宽的
这个数据数
是NW个数据
XC是连续变化的
但是它那个点是一点一点挨着的
一点一点挨着取的
它不会跳点取
但是它在往左挪动的时候
它在往左挪动的时候
它也可以是一点一点的挪动
也可以是两点两点的挪动
那么就看你这个Lτ是怎么设定的
就是这个步长
这个挪动
就是那串信号向左挪动的步长
是由Lτ来决定的
Lτ等于1就一点一点挪
Lτ等于2就两点两点的挪
是这个意思
对于我们采样来讲
我们先看一下采样序列
就是这个XC它是TI
XC等于TI
现在这个TI
它是等于TA再加上IΔT的
这个I的变化范围
我们就给它分开
I的变化范围它是0到NS减1
一共就分了这么多
一共采了这么多
NS个点
现在我们再使用这个数据的时候
我们这个XC
我们是用了TK
XC我们在使用的时候
刚才那是采样的序列
我们使用的时候
是按TK加τM来使用的
那实际上我们把TK加τM
τM就变成了TI
我们在使用它的时候
我们用了TK加上τM去替换TI
就是这个结果
我们把这两个式子代进来看
TK加τM
TK加τM
TK我们刚才已经用了
跟这个是一样的
它跟这个是一样的
TK加τM这是KSΔT
再加上KΔT
这是TK
τM我们在那边已经给出来了
τM已经给出来了
再加上
注意τM写的时候
把这个τ0直接替上去
TK减去KSΔT
等于是TK减去KSΔT
好 这是τ0
然后就是再加上MLτΔT
这是左边等于这个
我们把这个东西都收集过来
放过来
然后等于TI
TI在这儿已经写过了
是TA加上IΔT
我们得到这个替换的表达式
我们看一下
我们这个可以消掉
这个可以消掉
这个可以消掉
这个可以消掉
这消完了以后
所有的ΔT全部都可以消掉
最后我们得到了
I等于是MLτ加上K
加上K
那么K的变化范围
是刚才我们已经给了
K的变化范围是在这里
我们取值
要从信号里面去取的时候
K的变化范围是0到NW减1
所以通过这个
我们就把这个XC怎么去取值
就得到了
是这样的意思
怎么去取值
那么这个I的变化范围
如果是I的变化范围
是不是就可以等于是
K等于0的时候它等于MLτ
然后它就等于是MLτ
加上NW减1
就是你确立一个M
就可以确定这个I的取值
I就取这么一段
从这里来看
所以我们把这个就换成了是TI
按TI来取值
按TI来取值
这个I的取值范围
就是刚才我们写的MLτ
一直到MLτ加上NW减1
这么去取这个X的话
那么我们取起来就很容易了
它就是挨着取的
我们看一下图
还是这个图
我们就看到每一次
因为现在这个窗它是不动的
一直在这儿定住
然后是这个信号往左移动
那么移动的时候
每次都取这个I的变化范围
从MLτ一直到MLτ加NW减1
这样一共每次都取NW个数
来参与运算
这样我们就确定了XC的取值
我们只要有XC
已经采集到这么一个XC
我们逐渐的就可以
只要采集到了XC
我们逐渐的
就可以用这个取值的办法
一次一次的把它取出来
给定一个M就取一个
给定一个M就取一个
最后计算的就是这个结果
这个结果计算完了
它的变量应该是
因为这个是一个常数
确定一个可以算一次
相当于确定一个
所以这里出来的量
它应该是N处于0到N减1
这错了一个字母
这个是FFT
刚才写的FFF了
我们直接把它换成FFT
就是这样
这样我们就得到了
这个取到N减1
但是这个取出来的时候
我们以前都说过
特别是在这里曾经提到过
我们在求这个FFT出来的时候
因为这个是实的
所以出来是一个偶
模是一个偶对称的
它的相位是一个奇对称的
那么我们只取它的一半
N我们重复取一下
就是最后这个N
N的取值范围是到NP
我们曾经已经确认过了
N是到NP的
所以最后这个N做完了以后
N做完了以后这里
N最后我们取0到NP
这个是在奈奎斯特频谱
那一段讲过NP的意义
它肯定是在0到N减1这一段的
NP我直接写一下
它就等于是二分之N
如果N是偶数
如果不是就是N减1除2
N是奇数
这个以前我们都给过
大家可以查到
在书上可以查到这个
所以我们就完成了这个计算
这么一次计算就是我给定一个M
也就取出一段信号
取出一段信号
然后你来进行这种计算
就会算出一个FN一系列
最后这个结果是这样
最后以傅里叶小波函数
为基础的这个相关频谱函数
是这么算出来的
τM
然后这是FN
当然它们都是离散化的
都是离散化的
都是离散化的
这个离散的跟那一样
这个离散化是LτΔT
这是它的步长
LτΔT
这边是ΔF
ΔF是等于T分之一
这个T等于是NΔT
NΔT是这么来的
这个N我们刚才等于是KTNW
都在那边的这一些范围都有
其实这个时候
我们只要给定一个M的位置
通过这个快速的计算
给定一个M
刚才我们说了M一旦给定
我就可以从X上取出一段信号来
取出信号
然后跟这个窗函数相乘
乘完了以后可以参与这个计算
乘完了添0
然后参与这个计算
用FFT一次性完成
就会一次性把这个
这上面的点都计算出来了
再另给一个
一串一串都可以计算出来
都能计算出来
就是它一列一列的计算
注意这是傅里叶小波函数用的是
而刚才我们这个图
用的是非傅里叶的
刚才我们上半节曾经介绍过了
我们要给定一个F
算出一串的τM
它是一行一行算的
这是用三个FFT完成的
每一行是三个FFT
三个FFT
对于傅里叶小波函数
它是一列一列算的
那么这一列用一个FFT来完成
就是这样的区别
完了以后如果这些点都出来了
然后你就可以等值线
跟这个一样
就可以做出等值线来
也可以做出色谱图来
就是这个意思
这里边每一个点都是我们要求的
这个以傅里叶小波函数
得到的相关频谱函数
就是这个意思
而这个得出来它的结果
它每一列都相当于
我们原来的一个加窗频谱函数
每一个列
加窗频谱函数
就是刚才我们在那儿擦掉的那个
就相当于啥
当这个M确定以后
M一旦确定以后
这个就是一个相关频谱函数
这样我们把所有的计算
都介绍给大家了
如果用的是傅里叶小波函数
那么我们计算就可以进行下去
当然非傅里叶的小波函数
我们还没有给大家介绍过
我们在后面的课程会有介绍
非傅里叶小波函数是怎么样形成的
-第一周
--周期信号离散化
--周期频谱定义
--周期频谱性质
--奈奎斯特频谱
--奈奎斯特频段频谱
--逆变周期离散信号
-第4章 周期化分析原理--第一周作业
-第二周
--采样定理原理
--频率混淆原理
-第4章 周期化分析原理--第二周作业
-第三周
--独立频谱成分
--复振幅谱
--加窗奈奎斯特频谱
-第4章 周期化分析原理--第三周作业
-第四周
--加窗频谱
--加窗无理频谱
--采样逻辑对象
-第4章 周期化分析原理--第四周作业
-第五周
--左函数的尾迹干扰
--多余弦的余弦结构
-第4章 周期化分析原理--第五周作业
-第六周
--采样数的作用
-第4章 周期化分析原理--第六周作业
-第七周
-第5章 连续分析原理--第七周作业
-第八周
--加窗频谱函数
--加窗余弦频谱函数
--离散加窗频谱函数
-第5章 连续分析原理--第八周作业
-第九周
--单频激励(1)
--单频激励(2)
--类脉冲激励(1)
--类脉冲激励(2)
-第5章 连续分析原理--第九周作业
-第十周
--时变分析原理
--相似性分析(1)
--相似性分析(2)
--相关分析
-第6章 时变分析原理--第十周作业
-第十一周
-第6章 时变分析原理--第十一周作业
-第十二周
--时变分析
-第6章 时变分析原理--第十二周作业
-第十三周
--低通相关滤波方程
--带通相关滤波方程
--高通相关滤波方程
-第6章 时变分析原理--第十三周作业
-第十四周