Autosignal简要说明

  • 格式:docx
  • 大小:1.25 MB
  • 文档页数:15

AutoSignal v1.7
AutoSignal是一款优秀的数字信号分析软件,它充分利用了图形用户界面来简化操作。

直接从菜单栏或工具栏中选择分析方法,如频域分析、特征分析、AR/MA/ARMA分析和小波分析等,AutoSignal就会给出分析结果并以2D或者3D图形进行显示。

1、菜单
File:主要包括打开文件、输入XY数据、保存、退出等基本操作;
Edit:输入XY数据、XY数据编辑、设置数据表头、选择快捷工具在主界面放置;
Data:查看数据、对数据进行筛选、信号比较、根据方程式计算、数据重设、数据清除;
Time:在时域对数据进行处理;
Spectral:在频域对数据进行处理;
Process:包括信号去噪、差值和增采样、频域预测、函数卷积;
Help Menu:帮助选项。

在Edit菜单下选择Main toolbar/ Time toolbar/Spectral toolbar/ Process toolbar以后,界面呈现下图状态:
2、快捷工具栏布局:
3、信号处理
分析工具:
1 2 3 4 5 678
从左到右依次是:
1、去趋势化:对所有数据拟合一个整体趋势;
2、差分、累计、标准化;
3、Savitzky-Golay平滑滤波;
4、样条估计:包括7种重要的样条估计,如B样条,最小平方B样条,NUBRS等等;
5、非参数估计;
6、自相关数;
7、AR线性预测;
8、分形维数;
1 2 3 4 5 678 9 1011121314 15 16 17 18 19 从左到右依次是:
1、基本傅里叶谱;
2、加窗傅里叶谱;
3、加窗傅里叶比较:可同时显示比较3个窗口谱的变换效果;
4、分段数据的傅里叶谱;
5、傅里叶多窗口谱;
6、非均匀采样数据的傅里叶谱;
7、AR(自回归)谱;
8、AR谱:可选择阶次;
9、AR谱:可进行三种算法的比较;
10、MA(移动平均)谱;
11、ARMA谱;
12、Prony谱;
13、最小方差谱;
14、EigenAnalysis谱;
15、短时傅立叶变换频谱;
16、连续小波频谱(三维曲面);
17、连续小波频谱(二维轮廓);
18、连续小波频谱的频率范围;
19、连续小波频谱的时间范围;
1 2 3 4 5 6 78910 11
从左到右依次是:
1、傅里叶平滑和去噪;
2、Eigendecomposition平滑和去噪;
3、小波平滑和去噪;
4、傅里叶滤波和重建;
5、Eigendecomposition过滤和重建;
6、小波滤波和重建;
7、傅里叶插值;
8、傅里叶采样;
9、参数插值和预测;
10、Deconvolve高斯响应函数;
11、Deconvolve指数响应函数;
数据输入:
直接打开已有的数据文件(.prn/.txt/.dat文件),格式如下:
(前面一列是X坐标,后面一列是y坐标)
可直接在对话框中输入X与y的函数;或者选择以下常用函数
Read选项可以读取已有信号(.sig文件);
在窗口下部可设定数据范围,以及加入高斯噪声。

显示已有数据的x、y值,并可以直接进行修改。

若已对输入数据处理过,点此按钮则返回初始数据。

信号处理举例:
例1、高频信号的傅里叶分析
①产生一个测试信号
点此按钮,按下Read,选择tutor1.sig,信号如下:F1=SIN(2*PI*X*1005+PI/2)
F2=SIN(2*PI*X*2005+PI/2)
F3=SIN(2*PI*X*3005+PI/2)
F4=SIN(2*PI*X*4005+PI/2)
F5=0.01*SIN(2*PI*X*1505+PI/2)
F6=0.003162*SIN(2*PI*X*2505+3*PI/2)
F7=0.001*SIN(2*PI*X*3505+PI)
Y=F1+F2+F3+F4+F5+F6+F7
设置x变化范围为0到0.1,增量为0.0001。

高斯噪声为15%。

点击OK(绿色对号)则信号图形就显示在主窗口中。

②非加窗傅里叶分析
(傅里叶频谱)点击此按钮,选择Best Exact N,Nmin设为1001,Sig设为4(显示
的峰值的个数)。

为峰值格式。

得到以下图示:
这样我们就清楚地看到了4个主信号的频谱图。

可以看出峰值频率与理论值有误差。

此按钮可以查看数据列表。

修改Nmin栏数据可得到不同的计算结果:
调整为8192,如图所示:
4个主信号频率已经准确测得,但失去了三个弱信号。

修改为2000,则可以看到全部的7个信号:
③加窗傅里叶分析
(加窗傅里叶谱)点选以后,选择cs4 BHarris min,Nmin设为8192,Sig设为7(显示的峰值的个数),选择dB Norm绘图。

这样就得到了一个比较好的FFT变换结果。

为数据尖细探究,就不做详细介绍了。

为显示信号的显著性水平。

④通过特征分解提取信号分量
(特征分解以及数据重建)点击以后,算法栏选择CovM FB(向前/向后协方差矩阵),选上Normalize(标准化),Order设为60,选择为FFT显示
在第一个图里,用鼠标点选不同的特征量,第二个图中就会得到的相应的信号分量(黄色)。

图中所示为选中了前8个特征值以及4个主信号显示(黄色)。

例2、降噪
①产生一个带有噪声的信号
Read选择tutor6a.sig,信号如下:
SRATE=5000
NYQ=SRATE/2
AMP=100
FREQ=NYQ*0.1
PHASE=PI
Y=AMP*SIN(2*PI*X*FREQ+PHASE)
得到的信号如图:
②时域去噪
(Savitzky-Golay平滑滤波)点击以后设置Win n为5,Order为4,Passes为3,选中Data,得到
在窗口左侧Equivalent Noise %栏中显示平滑后噪声水平为1.53%。

为了评估平滑效果,我们可以使用傅里叶变换
在Window栏中选择为Kaiser-Bessel,得到
可以发现在低频区域仍然有-25dB的噪声存在,这说明经过时域去噪后并没有产生一个干净的信号。

退出时域去噪窗口,点击重置数据
③频域去噪
(傅里叶平滑和去噪) 阀值一栏中选择dB
在上图中用鼠标点选尖峰(表现为黄色),则下图进行了相应的去噪并显示,如下图已经呈现出基本的正弦图形。

用傅里叶变换进行分析如图
呈现出一个非常干净的尖峰,说明此去噪过程的效果良好。

④特征分解去噪
(特征分解去噪)选择相应的信号子空间即可滤除噪声,就不做详细介绍了。

例3、插值拟合
产生一个带有噪声的信号
Read选择tutor8a.sig,信号如下:
SRATE=5000
NYQ=SRATE/2
AMP1=1
AMP2=0.5
AMP3=1
FREQ1=NYQ*0.1
FREQ2=NYQ*0.11
FREQ3=NYQ*0.12
PHASE1=PI/2
PHASE2=PI
PHASE3=3*PI/2
F1=AMP1*SIN(2*PI*X*FREQ1+PHASE1)
F2=AMP2*SIN(2*PI*X*FREQ2+PHASE2)
F3=AMP3*SIN(2*PI*X*FREQ3+PHASE3)
Y=F1+F2+F3
产生的信号如下图所示
(AR(自回归)频谱)点击后在算法窗口设置为Data Svd FB,Order栏设为80,选择3个尖峰放大图形,如下图
点此查看其子空间,
一个较好的差值过程必须保留源数据的频率特性,下面我们将考察插值过程①傅里叶增采样
(傅里叶增采样)点选以后在Factor设为5,点击OK—>YES 这个过程是很迅速的,但受到整体采样比率的限制。

点击得到下图
点击查看子空间
可以发现已经丢失了一个尖峰,而且另两个尖峰也不像原信号那样尖细。

所以说这个过程是不太好的。

退出此窗口并进行数据重置。

②傅里叶插值
(傅里叶插值)点选以后,设定输出长度n 为1276,并选择为Low Pass,点击OK—>YES以进行此过程并更新数据
同步骤②可以对此过程进行评价,就不做详细介绍了。