奇异值分解(Singular Value Decomposition,SVD)可以将信号线性分解成一系列分量。通过深入分析基于Hankel矩阵的奇异值分解的基本原理和存在问题,揭示了奇异值分解的线性分解、重构分量频域无序和带通滤波等三个基本特性,据此提出了共...奇异值分解(Singular Value Decomposition,SVD)可以将信号线性分解成一系列分量。通过深入分析基于Hankel矩阵的奇异值分解的基本原理和存在问题,揭示了奇异值分解的线性分解、重构分量频域无序和带通滤波等三个基本特性,据此提出了共振加强奇异值分解方法。数值仿真结果表明:所提方法不但很好地解决了传统奇异值分解的频域无序性问题,而且可以在任意给定频率附近,实现给定带宽的线性带通滤波,完整提取原始信号的幅值、频率和相位特征。这是现有各信号处理方法都没有的优势。将所提方法成功应用于某型涡桨发动机振动监测中的特征频率提取,结果表明方法具有优异的特征提取效果。展开更多
文摘奇异值分解(Singular Value Decomposition,SVD)可以将信号线性分解成一系列分量。通过深入分析基于Hankel矩阵的奇异值分解的基本原理和存在问题,揭示了奇异值分解的线性分解、重构分量频域无序和带通滤波等三个基本特性,据此提出了共振加强奇异值分解方法。数值仿真结果表明:所提方法不但很好地解决了传统奇异值分解的频域无序性问题,而且可以在任意给定频率附近,实现给定带宽的线性带通滤波,完整提取原始信号的幅值、频率和相位特征。这是现有各信号处理方法都没有的优势。将所提方法成功应用于某型涡桨发动机振动监测中的特征频率提取,结果表明方法具有优异的特征提取效果。
