- 一、概述
- 二、算法原理
- 三、numpy模块简介
-
- 3.1 numpy模块
- 3.2 numpy中的矩阵运算
- 三、python代码实现
-
- 3.1 构造模拟信号
- 3.2 编写平滑处理代码
- 3.3 展示算法效果
- 四、TIPS
通过采集仪和传感器采样得到的振动信号数据往往叠加有噪声信号。噪声信号除了有50Hz的工频干扰及其倍频程等周期性的干扰信号外，还有不规则的随机干扰信号。由于随机干扰信号的频带较宽，有时高频部分所占比例较大，使采集得到的振动曲线呈现较多毛刺。为了削弱干扰信号的影响，提高曲线光滑度，常常需要对采样数据进行平滑处理。
此外，数据平滑还有一个特殊用途，即消除信号的不规则趋势项。在振动测试过程中，测试仪器设备由于受到某些意外干扰，造成个别测点的采样信号产生偏离基线较大，形状又不规则的趋势项。可以用滑动平均法这个信号进行多次数据平滑处理，得到一条平滑的曲线，用原始信号减去平滑曲线，即可以得到信号的不规则趋势项。
本文将介绍基于最小二乘法的平滑处理方法。
