[医]孤独症
信号或频谱图的频谱峰度。
库::`工程师`
语法
函数调用
-
sk,fout,thresh=pkurtosis(___,"ConfidenceLevel",p,out=:data)-还返回谱峰度的阈值[参数:thresh]对于信任的水平p. 阈值定义了其中谱峰度的值对应于处于所选置信水平的静止高斯信号的区域的边界。 置信水平允许您调整频谱峰度的阈值对高斯分布的偏差或对信号的非平稳分量的检测的灵敏度。输出参数
[参数:thresh]当使用前面语法选项中的任何输入参数时,它将返回。 置信水平也可以在以前的版本中设置,但这仅在返回或绘制阈值时才会影响结果。[参数:thresh].
-
pkurtosis(___)-绘制谱峰度与置信度和阈值的指示。 此语法可与前面选项中的任何输入参数一起使用。
争论
输入参数
# *s*是 频谱图或信号功率频谱图
+
矩阵 | 向量资料
Details
频谱图或信号功率谱,定义为频谱图的矩阵或频谱的列向量。
如果 s 包含复杂值,函数 *pkurtosis 将其解释为原始信号(频谱图)的短期傅立叶变换(FFT)。
如果 s 包含真实值,函数 *pkurtosis 将其解释为原始信号(功率谱图)的kvpf模数的平方。 每个元素 s 必须是非负的。
如果论点是 s 设置,功能 pkurtosis 使用它而不是计算自己的频谱图或功率频谱图。 有关示例,请参阅根据给定的光谱图绘制光谱峰度。
| 数据类型 |
|
输入参数 «名称-值»
将可选参数对指定为 名称,值,在哪里 姓名 -参数的名称,以及 价值 -适当的值。 类型参数 «名称-值» 它们应该放在其他参数之后,但对的顺序无关紧要。 您可以指定多个对 «名称-值».
使用逗号分隔名称和值,以及 姓名 将其用引号括起来,或者使用等号分隔名称和值,并且 姓名 指定它不带引号。
# 保密级别 — 信任程度
+
0.95 (默认情况下)| 标量,标量
Details
置信水平,设置为标量 p 范围内的 0 以前 1. 它用于确定信号是否可以被认为是高斯和静止的。 意义 p 影响由阈值定义的区域的边界 [参数:thresh]. 在该区域内,谱峰度的值指示信号的高斯和静止性质。 因此,置信水平允许调整检测灵敏度。 具有概率的区域之外的峰度值 它们指示信号的可能的非高斯或非稳态行为。 有关示例,请参阅绘制非定常信号在不同置信水平下的谱峰度。
输出参数
# *阈值*是 静止高斯行为的谱峰度的带宽
+
标量,标量
Details
静止高斯行为的谱峰度的带宽,作为标量返回。 此值确定相对于线居中的条带的厚度。 [参数:sk]=0,在给定的信任水平 [参数:ConfidenceLevel]. 走出以门槛为界的乐队 特雷什,表示可能的非稳态或非高斯行为。 论点 [参数:ConfidenceLevel] 它直接影响带材的厚度和结果的灵敏度。 有关示例,请参阅绘制非定常信号在不同置信水平下的谱峰度。
例子:
绘制非定常信号在不同置信水平下的谱峰度
Details
让我们用线性频率调制和白噪声绘制信号的频谱峰度,以检测非稳态非高斯分量。 我们调查信任水平的变化和使用归一化频率的影响。
让我们创建一个线性调频信号,添加白高斯噪声,并绘制一个图形。
import EngeeDSP.Functions: chirp
fs = 1000
t = collect(0:1/fs:10)
f1 = 300
f2 = 400
xc = chirp(t, f1, 10, f2)
x = xc .+ randn(length(t))
plot(t, x, title = "Chirp Signal with White Gaussian Noise")
让我们绘制信号的光谱峰度。
import EngeeDSP.Functions: pkurtosis
pkurtosis(x, fs)
plot!(title = "Spectral Kurtosis of Chirp Signal with White Gaussian Noise",
ylim = (-1, 9), legend = (0.64, 0.93))
该图表显示了从 300 以前 400 Hz,对应于线性调频信号的非平稳分量。 水平虚线之间的区域对应于可能的静止和高斯行为区域,由置信水平确定 0.95. 落在该区域内的峰度值很可能表征静止高斯过程。 该区域之外的值被分类为非平稳或非高斯。 下面的几个小偏差 300 轻微超过阈值的Hz是假警报:噪声导致超过静止高斯分量的阈值。
让我们通过从默认值更改信任级别的值来探讨信任级别的影响。 0.95 上 0.85.
pkurtosis(x, fs, "ConfidenceLevel", 0.85)
plot!(title = "Spectral Kurtosis of Chirp Signal with Noise at Confidence Level of 0.85",
ylim = (-1, 9), legend = (0.64, 0.93))
较低的置信水平在检测非平稳或非高斯频率分量时提供增加的灵敏度。 信任级别的降低会缩小受阈值限制的区域 特雷什. 与此同时,低电平偏差(假警报)的数量和幅度增加。 选择置信水平可以让您在有效检测和限制误报数量之间找到平衡。
让我们使用调用选项比较两个信任级别的区域宽度 pkurtosis,其返回相应的值。
sk1, _, thresh95 = pkurtosis(x, out = :data)
sk2, _, thresh85 = pkurtosis(x, ConfidenceLevel = 0.85, out = :data)
thresh = [thresh95 thresh85]
1×2 Matrix{Float64}:
0.357839 0.262821
让我们绘制光谱峰度,排除有关采样周期的信息,以便函数 pkurtosis 我使用了归一化频率。
pkurtosis(x, ConfidenceLevel = 0.85)
plot!(title = "Spectral Kurtosis using Normalized Frequency",
ylim = (-1, Inf), legend = (0.64, 0.93))
以Hz为单位的频率标度已被从 0 以前 π rad/倒计时。
根据给定的光谱图绘制光谱峰度
Details
当一个信号被施加到输入,功能 pkurtosis 使用函数计算频谱图 [医]扁桃体 使用默认设置。 要使用您自己的设置,您可以提前计算频谱图。
让我们创建一个包含白高斯噪声的线性调频信号。
import EngeeDSP.Functions: chirp
fs = 1000
t = collect(0:1/fs:10)
f1 = 300
f2 = 400
x = chirp(t, f1, 10, f2) .+ randn(length(t))
使用函数计算频谱图 频谱图,设置窗口大小、重叠和FFT点数。 然后我们用这个频谱图 pkurtosis.
import EngeeDSP.Functions: spectrogram, pkurtosis
window = 256
overlap = round(Int, window * 0.8)
nfft = 2 * window
s, f, t, p = spectrogram(x, window, overlap, nfft, fs = fs, out = :data)
pkurtosis(s, fs, f, window)
plot!(ylim = (-1, Inf), legend = (0.13, 0.93))
这里的尖峰幅度更高—因此,它比使用前一示例中的默认设置时更容易区分。
此外
光谱峰度
Details
谱峰度是一种统计特性,使得能够在频域中检测和定位非平稳或非高斯过程,其特征在于:
*仅存在静止高斯噪声的频率下的小值; *瞬变发生频率处的高正值。
光谱峰度是检测和隔离与旋转机械系统故障相关的信号的强大工具。 它允许您识别故障检测和分类的标志或状态指示器。 当对其他方法进行预处理时,例如包络分析,频谱峰度可以提供重要的输入数据,例如最佳频带参数[1],[2]。
光谱峰度 信号 短时傅立叶变换(FFT)的基础上计算的 :
哪里 -窗口功能。 使用公式计算光谱峰度
哪里 -时间平均运算符。
如果信号是 只包含静止高斯噪声,然后在每个频率 价值 它具有渐近正态分布,均值和方差为零 ,在哪里 -沿时间轴的元素数量 . 因此,统计阈值 在信任层面 定义为
哪里 -标准正态分布的分位数函数。
重要的是要注意窗口的长度 QFT定义了频率分辨率 ,在哪里 -采样率。 窗口大小应小于瞬态过程的脉冲之间的间隔,但长于这些脉冲本身的持续时间。