pkurtosis

Спектральный эксцесс от сигнала или спектрограммы

Синтаксис

sk = pkurtosis(x)
sk = pkurtosis(x,sampx)
sk = pkurtosis(xt)
sk = pkurtosis(___,window)
sk = pkurtosis(s,sampx,f,window)
[sk,fout] = pkurtosis(___)
[___,thresh] = pkurtosis(___,'ConfidenceLevel',p)
pkurtosis(___)

Описание

пример

sk = pkurtosis(x) возвращает спектральный эксцесс векторного x как векторный sk. pkurtosis использует нормированную частоту (равномерно распределенный вектор частоты, охватывающий [0 π]), чтобы вычислить временные стоимости. pkurtosis вычисляет спектрограмму x с помощью pspectrum с размером окна по умолчанию (разрешение времени в выборках), и 80%-е перекрытие окна.

пример

sk = pkurtosis(x,sampx) возвращает спектральный эксцесс векторного x, выбранного на уровне или временном интервале sampx.

sk = pkurtosis(xt) возвращает спектральный эксцесс одно-переменного timetable xt в векторном sk. xt должен содержать увеличивающиеся выборки конечного промежутка времени.

пример

sk = pkurtosis(___,window) возвращает спектральный эксцесс с помощью разрешения времени, заданного в window для вычисления спектрограммы pspectrum. Можно использовать window с любым из входных параметров в предыдущих синтаксисах.

пример

sk = pkurtosis(s,sampx,f,window) возвращает спектральный эксцесс с помощью спектрограммы или спектрограммы степени s, наряду с:

  • Частота дискретизации или время, sampx, исходного сигнала timeseries, который был преобразован, чтобы произвести s

  • Вектор частоты спектрограммы f

  • Разрешение времени спектрограммы window

Используйте этот синтаксис когда это необходимо, чтобы настроить опции для pspectrum, вместо того, чтобы принять опции pspectrum по умолчанию, которые применяет pkurtosis. Можно задать sampx как пустой, чтобы принять значение по умолчанию к нормированной частоте. Несмотря на то, что window является дополнительным для предыдущих синтаксисов, необходимо предоставить значение для window при использовании этого синтаксиса.

[sk,fout] = pkurtosis(___) возвращает спектральный эксцесс sk наряду с вектором частоты fout. Можно использовать эти выходные аргументы с любым из входных параметров в предыдущих синтаксисах.

пример

[___,thresh] = pkurtosis(___,'ConfidenceLevel',p) возвращает спектральный порог эксцесса thresh с помощью доверительного уровня p. thresh представляет область значений, в которой спектральный эксцесс указывает на Гауссов стационарный сигнал на дополнительном доверительном уровне p, который вы или задаете или принимаете как значение по умолчанию. Определение p позволяет вам настраивать чувствительность спектрального эксцесса результаты thresh к поведению, которое является негауссовым или неустановившимся. Можно использовать выходной аргумент thresh с любым из входных параметров в предыдущих синтаксисах. Можно также установить доверительный уровень в предыдущих синтаксисах, но он не имеет никакого эффекта, если вы не возвращаете или строите thresh.

pkurtosis(___) строит спектральный эксцесс, наряду с доверительным уровнем и порогами, не возвращая данных. Можно использовать этот синтаксис с любым из входных параметров в предыдущих синтаксисах.

Примеры

свернуть все

Постройте спектральный эксцесс сигнала щебета в белом шуме и смотрите, как неустановившийся негауссов режим может быть обнаружен. Исследуйте эффекты изменения доверительного уровня, и вызова нормированной частоты.

Создайте сигнал щебета, добавьте белый Гауссов шум и график.

fs = 1000;
t = 0:1/fs:10;
f1 = 300;
f2 = 400;

xc = chirp(t,f1,10,f2);
x = xc + randn(1,length(t));

plot(t,x)
title('Chirp Signal with White Gaussian Noise')

Постройте спектральный эксцесс сигнала.

pkurtosis(x,fs)
title('Spectral Kurtosis of Chirp Signal with White Gaussian Noise')

График показывает ясное расширенное отклонение от 300-400 Гц. Это отклонение соответствует компоненту сигнала, который представляет неустановившийся щебет. Область между двумя горизонтальными красными пунктирными линиями представляет зону вероятного стационарного и Гауссова поведения, как задано 0,95 доверительными интервалами. Любые точки эксцесса, находящиеся в пределах этой зоны, вероятно, будут стационарными и Гауссовыми. За пределами зоны точки эксцесса отмечаются как неустановившиеся или негауссовы. Ниже 300 Гц существует несколько дополнительных отклонений немного выше выше зонального порога. Эти отклонения представляют ложные положительные стороны, где сигнал является стационарным и Гауссовым, но из-за шума, превысил порог.

Исследуйте влияние доверительного уровня путем изменения его от значения по умолчанию 0.95 к 0,85.

pkurtosis(x,fs,'ConfidenceLevel',0.85)
title('Spectral Kurtosis of Chirp Signal with Noise at Confidence Level of 0.85')

Более низкий доверительный уровень подразумевает более чувствительное обнаружение неустановившихся или негауссовых частотных составляющих. Сокращение доверительного уровня уменьшает thresh - разграниченная зона. Теперь низкоуровневые отклонения — ложные предупреждения — увеличились и в номере и в сумме. Установка доверительного уровня является уравновешиванием между достижением эффективного обнаружения и ограничением количества ложных положительных сторон.

Можно точно определить и сравнить зональную ширину для этих двух случаев при помощи формы pkurtosis, которая возвращает ее.

[sk1,~,thresh95] = pkurtosis(x);
[sk2,~,thresh85] = pkurtosis(x,'ConfidenceLevel',0.85);
thresh = [thresh95 thresh85]
thresh = 1×2

    0.3578    0.2628

Постройте спектральный эксцесс снова, но на этот раз, не используйте информацию о шаге расчета так, чтобы pkurtosis построил нормированную частоту.

pkurtosis(x,'ConfidenceLevel',0.85)
title('Spectral Kurtosis using Normalized Frequency')

Ось частоты изменилась от Гц до шкалы от 0 до π рада/выборки.

Функция pkurtosis использует размер окна pspectrum по умолчанию (разрешение времени). Можно задать размер окна, чтобы использовать вместо этого. В этом примере используйте функциональный kurtogram, чтобы возвратить оптимальный размер окна и использование тот результат для pkurtosis.

Создайте сигнал щебета с белым Гауссовым шумом.

fs = 1000;
t = 0:1/fs:10;
f1 = 300;
f2 = 400;
x = chirp(t,f1,10,f2)+randn(1,length(t));

Постройте спектральный эксцесс с размером окна по умолчанию.

pkurtosis(x,fs)
title('Spectral Kurtosis with Default Window Size')

Теперь вычислите оптимальный размер окна с помощью kurtogram.

kurtogram(x,fs)

График kurtogram также иллюстрирует щебет между 300 и 400 Гц и показывает, что оптимальный размер окна 256. Подайте w0 в pkurtosis.

w0 = 256;
pkurtosis(x,fs,w0)
title('Spectral Kurtosis with Optimum Window Size of 256')

Основное отклонение имеет более высокие значения эксцесса. Более высокие значения улучшают дифференцирование между стационарными и неустановившимися компонентами и улучшают вашу способность извлечь неустановившийся компонент как функцию.

При использовании входных данных сигнала pkurtosis генерирует спектрограмму при помощи pspectrum с опциями по умолчанию. Можно также создать спектрограмму сами, если вы хотите настроить опции.

Создайте сигнал щебета с белым Гауссовым шумом.

fs = 1000;
t = 0:1/fs:10;
f1 = 300;
f2 = 400;
x = chirp(t,f1,10,f2)+randn(1,length(t));

Сгенерируйте спектрограмму, которая использует вашу спецификацию для окна, перекрытия и количества точек БПФ. Затем используйте ту спектрограмму в pkurtosis.

window = 256;
overlap = round(window*0.8);
nfft = 2*window;
[s,f,t] = spectrogram(x,window,overlap,nfft,fs);
figure
pkurtosis(s,fs,f,window)

Значение отклонения выше, и поэтому лучше дифференцируемое, чем с входными параметрами по умолчанию в предыдущих примерах. Однако значение отклонения здесь не так высоко, как это находится в kurtogram-оптимизированном примере окна.

Входные параметры

свернуть все

Timeseries сигнализирует, из которого pkurtosis возвращает спектральный эксцесс, заданный как вектор.

Частота дискретизации или шаг расчета, заданный как одно из следующего::

  • Положительный числовой скаляр — частота в герц

  • Скаляр duration — временной интервал между последовательными выборками X

  • Вектор, массив duration или массив datetime — момент времени или длительность, соответствующая каждому элементу x

Когда sampx представляет временной вектор, выборки времени могут быть неоднородными с ограничением pspectrum, которому должны повиноваться средний временной интервал и средний временной интервал:

1100<Средний  временной интервалСредний  временной интервал<100.

Если вы задаете sampx как пустой, то pkurtosis использует нормированную частоту. Другими словами, это принимает равномерно расположенный с интервалами вектор частоты, охватывающий [0 π].

Расписание сигнала, из которого pkurtosis возвращает спектральный эксцесс, заданный как timetable, который содержит одну переменную с отдельным столбцом. xt должен содержать увеличение, конечные времена строки. Если timetable имеет пропавших без вести или дублирующиеся моменты времени, можно зафиксировать его с помощью советов в Чистом Расписании с Пропавшими без вести, Копией, или Неоднородные Времена (MATLAB). xt может быть неоднородно выбран с ограничением pspectrum, которому должны повиноваться средний временной интервал и средний временной интервал:

1100<Средний  временной интервалСредний  временной интервал<100.

Разрешение времени окна, чтобы использовать для внутреннего вычисления спектрограммы pspectrum, заданного как положительная скалярная величина в выборках. window требуется для синтаксисов, которые используют существующую спектрограмму, как введено, и дополнительный для остальных. Можно использовать функциональный kurtogram, чтобы определить оптимальный размер окна, чтобы использовать. pspectrum использует 80%-е перекрытие по умолчанию.

Спектрограмма степени или спектр сигнала, заданного как матрица (спектрограмма) или вектор-столбец (спектр).

  • Если s является комплексным, то pkurtosis обрабатывает s как кратковременное преобразование Фурье (STFT) исходного сигнала (спектрограмма).

  • Если s действителен, то pkurtosis обрабатывает s как квадрат абсолютных значений STFT исходного сигнала (спектрограмма степени). Таким образом каждый элемент s должен быть неотрицательным.

Если вы задаете s, pkurtosis использует s, а не сгенерируйте его собственную спектрограмму или спектрограмму степени. Для примера см. График Спектральный Эксцесс Используя Индивидуально настраиваемую Спектрограмму.

Типы данных: single | double
Поддержка комплексного числа: Да

Частоты для спектрограммы или спектрограммы степени s, когда s предоставляется явным образом pkurtosis, задали как вектор в герц. Длина f должна быть равна количеству строк в s.

Доверительный уровень раньше определял, будет ли сигнал, вероятно, Гауссовым и стационарным, задан как значение числового скаляра от 0 до 1. p влияет на область значений thresh, где спектральное значение эксцесса указывает на Гауссов и стационарный сигнал. Доверительный уровень поэтому обеспечивает настраивающий параметр чувствительности обнаружения. Значения эксцесса за пределами этой области значений указывают, с вероятностью (1-p), негауссова или неустановившегося поведения. Для примера см. График Спектральный Эксцесс Неустановившегося Сигнала Используя Различные Доверительные уровни.

Выходные аргументы

свернуть все

Спектральный Эксцесс, возвращенный как двойной вектор. Спектральный эксцесс является статистическим количеством, которое содержит низкие значения, где данные являются стационарными и Гауссовыми, и высокими значениями, где переходные процессы происходят. Одно использование спектрального эксцесса должно обнаружить и определить местоположение неустановившегося или негауссова поведения, которое могло следовать из отказов или ухудшения. Данные об эксцессе с высоким знаком показывают такие компоненты сигнала.

Частоты сопоставлены со значениями sk, возвращенными как вектор в герц.

Спектральный размер полосы эксцесса для стационарного Гауссова поведения, заданного в виде числа, представляющего толщину полосы, сосредоточенной в строке sk = 0, учитывая доверительный уровень p. Отклонения вне thresh - разграниченная полоса указывают на возможное неустановившееся или негауссово поведение. Доверительный уровень p непосредственно влияет на толщину полосы и чувствительность результатов. Для примера см. График Спектральный Эксцесс Неустановившегося Сигнала Используя Различные Доверительные уровни.

Больше о

свернуть все

Спектральный эксцесс

Спектральный эксцесс (SK) является статистическим инструментом, который может указать и точно определить неустановившееся или негауссово поведение в частотном диапазоне путем взятия:

  • Маленькие значения на частотах, где стационарный Гауссов шум только присутствует

  • Высокие положительные значения на частотах, где переходные процессы происходят

Эта возможность делает SK мощным инструментом для обнаружения и извлечения сигналов сопоставленный с отказами во вращении механических систем. Самостоятельно, SK может идентифицировать функции или условные индикаторы для обнаружения отказа и классификации. Как предварительно обрабатывающий для других инструментов, таких как анализ конверта, SK может подать ключевые входные сигналы, такие как оптимальная полоса [1], [2].

Спектральный эксцесс или K (f), x сигнала (t) может быть вычислен на основе кратковременного преобразования Фурье (STFT) сигнала, S (t, f):

S(t,f)=+x(t)w(tτ)e2πftdt,

где w (t) является функцией окна, используемой в STFT. K (f) вычисляется как:

K(f)=|S(t,f)|4|S(t,f)|222, f0,

где средний во времени оператор.

Если x сигнала (t) содержит только стационарный Гауссов шум, то K (f) на каждой частоте, f имеет асимптотическое нормальное распределение с 0 средними значениями и отклонением 4/M, где M является числом элементов вдоль оси времени в S (t, f). Следовательно, статистический порог, учитывая доверительный уровень α:

sα=Φ1(α)2M,

где функция квантиля стандартного нормального распределения.

Важно отметить, что длина окна STFT, Nw непосредственно управляет разрешением частоты, которое является fs/Nw, где fs является демонстрационной частотой. Размер окна должен быть короче, чем интервал между переходными импульсами, но дольше, чем отдельные переходные импульсы.

Ссылки

[1] Антони, J. и Р. Б. Рэндалл. "Спектральный Эксцесс: Приложение к Вибрирующему Наблюдению и Диагностике Вращающихся Машин". Механические Системы и Обработка сигналов. Издание 20, Выпуск 2, 2006, стр 308–331.

[2] Антони, J. "Спектральный Эксцесс: Полезный Инструмент для Характеристики Неустановившихся Сигналов". Механические Системы и Обработка сигналов. Издание 20, Выпуск 2, 2006, стр 282–307.

Смотрите также

| |

Введенный в R2018a

Для просмотра документации необходимо авторизоваться на сайте