Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "time-frequency transforms" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Analiza rzędów w diagnostyce niestacjonarnych procesów wibroakustycznych
    Order analysis in the diagnostic nonstacjonary vibroacustic process
    Autorzy:
    Korbiel, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/329138.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    analiza sygnałów
    diagnostyka procesów niestacjonarnych
    transformata czasowo-częstotliwościowa
    krzywe sklejane
    order analysis
    nonstacjonary process diagnostics
    time-frequency transforms
    spline curve
    Opis:
    Analiza określonej klasy sygnałów drganiowych w diagnostyce technicznej odbywa się poprzez transformatę z dziedziny czasu do dziedziny częstotliwości. Najczęściej wykorzystywany jest algorytm transformaty Fouriera. Jednym z ograniczeń tych algorytmów jest wymóg stacjonarności badanych sygnałów. W diagnostyce maszyn rotacyjnych istotna informacja dotycząca stanów dynamicznych zawarta jest w strukturze częstotliwościowej sygnału drganiowego. W przypadku stałej prędkości obrotowej transformata Fouriera poprawnie pokazuje tą strukturę. Dla zmiennych obrotów analiza taka jest utrudniona. Do analizy sygnałów niestacjonarnych wykorzystywane są inne narzędzia, takie jak STFT, TVW czy transformata falkowa. Są to narzędzia analizy czasowo- częstotliwościowej. W analizie sygnałów drganiowych maszyn rotacyjnych składowe częstotliwościowe są powiązane funkcyjnie nie z czasem, lecz z prędkością obrotową. Wskazane jest, zatem zastosowanie takiej analizy, która przeprowadzi sygnał z dziedziny czasu w dziedzinę prędkości obrotowej. Takie możliwości daje między innymi analiza rzędów. W referacie przedstawiono algorytm analizy rzędów oparty o interpolacje krzywymi sklejanymi. Przedstawiono wyniki badania tego algorytmu pod kątem wykorzystania w diagnostyce technicznej maszyn rotacyjnych. Zaprezentowano przykładową analizę diagnostycznych sygnałów drganiowych.
    The analysis of particular class of vibration signals is performed by transformation from the time domain to frequency domain. The algorithm of Fourier transformation is the most used one. One of the limitations of the mentioned fourier is the demand of stationarity of the signals. In rotary machines diagnostics information on dynamic states is important, which is contained in the frequency structure of the vibration signal. With the constant rotation speed Fourier transform describes frequency structure correctly. With variable speed such analysis is not possible. In that case other tools are used, such as STFT, TVW or wavelet transform. Those are time-frequency analysis tools. In rotary machine vibration signal analysis frequency components are functionally tied to rotations, not time. It is recommended then to use analysis that transforms the signal from the time domain into rotation speed domain. Such transformation is possible with rank analysis. The paper presents the rank analysis algorithm based on spline curve interpolation. The algorithm was tested in use for rotary machines technical diagnostics. Sample vibration signal analysis is presented.
    Źródło:
    Diagnostyka; 2007, 3(43); 99-104
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification in the Gabor time-frequency domain of non-stationary signals embedded in heavy noise with unknown statistical distribution
    Autorzy:
    Świercz, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/907771.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sygnał niestacjonarny
    klasyfikacja sygnału
    rozpoznawanie obrazów
    transformator czas-częstotliwość
    non-stationary signals
    signal classification
    pattern recognition
    time-frequency transforms
    Opis:
    A new supervised classification algorithm of a heavily distorted pattern (shape) obtained from noisy observations of nonstationary signals is proposed in the paper. Based on the Gabor transform of 1-D non-stationary signals, 2-D shapes of signals are formulated and the classification formula is developed using the pattern matching idea, which is the simplest case of a pattern recognition task. In the pattern matching problem, where a set of known patterns creates predefined classes, classification relies on assigning the examined pattern to one of the classes. Classical formulation of a Bayes decision rule requires a priori knowledge about statistical features characterising each class, which are rarely known in practice. In the proposed algorithm, the necessity of the statistical approach is avoided, especially since the probability distribution of noise is unknown. In the algorithm, the concept of discriminant functions, represented by Frobenius inner products, is used. The classification rule relies on the choice of the class corresponding to the max discriminant function. Computer simulation results are given to demonstrate the effectiveness of the new classification algorithm. It is shown that the proposed approach is able to correctly classify signals which are embedded in noise with a very low SNR ratio. One of the goals here is to develop a pattern recognition algorithm as the best possible way to automatically make decisions. All simulations have been performed in Matlab. The proposed algorithm can be applied to non-stationary frequency modulated signal classification and non-stationary signal recognition.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 135-147
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies