这就是你求出的小波变换系数？W是一个向量还是矩阵？好像是向量，这个小波变换我看不明白，小波变换出来的应该是三维的数据--尺度，时间，小波变换系数。你好像是先指定合适的尺度（临近模态频率），从而免去求小波脊线的过程，这样做仿真信号计算还行，但是实际信号不可行，因为实际的模态频率未知，你无法预先指定尺度。
回复 #16 hyl2323 的帖子
的确如此。还请主任多多指教！
我觉得应该先求出脊线对应的尺度，进而再求解。不知主任意思如何？
回复 #12 kevin19821 的帖子
我做了一下，结果还是令人满意的，但是过程比较繁琐！首先，对信号进行时频分析，得出脊线对应的尺度。进而再进行连续小波变换，应用上图中的公式进行计算。如下：
clc
clear all
%a(1)=20;
Te=0.001;
t=0:0.001:1;
s=2*exp(-2*pi*2*t).*cos(2*pi*40*t);
%s=cos(2*pi*40*t);
wavename='cmor2-1';
scal=5:1:100;
coefs=cwt(s,scal,wavename,'glbabs');
%coefs=cwt(s,scal,wavename);
figure(1)
xlabel('时间 t/s');
ylabel('尺度');
title('小波时频图');
grid on;
xlim();ylim()
colorbar;
colormap(jet);
%%
以上是用来确定脊线对应的尺度！
接下来便模态是参数识别：
clc
clear all
a=25;
Te=0.001;
t=0:0.001:1;
s=2*exp(-2*pi*2*t).*cos(2*pi*40*t);
wavename='cmor2-1';
fc=centfrq(wavename);
wa=cwt(s,a,wavename);
fai=angle(wa);
fai=unwrap(fai);
figure(2)
plot(t,fai)
wb=abs(wa);
wc=log(wb);
figure(3)
plot(t,wc)
%nmd1=diff(wc);
%nmd2=diff(fai);
=polyfit(t,fai,1);
=polyfit(t,wc,1);
nmd1=a(1);nmd2=b(1);
wn=sqrt(nmd1^2+nmd2^2);
kexi=-nmd2/wn;
最后的结果是可以验证，识别精度还挺高！
大家多讨论下吧 fudy10和我当时的思路差不多，如遇知音！
1）微分的函数diff要改进就更好了；
2）没有小波脊线的识别程序（是看图得出的？）；
3）这是单自由度仿真信号，多自由度精度要差写（微分的精度在此体现）。
很不错，强人！
回复 #19 hyl2323 的帖子
的确是如此！现在也不知道多自由度系统该怎么进行下去？
还有，根据相位的方法好像也是只能提取单自由度系统的脊线，多自由度系统得用crazy climber算法。但是那个算法实在是不懂！
主任，你以前做过模态识别吧，你用的是啥方法呢？ 我用的就是你程序的方法，有些细节要注意，方法本身对单自由度系统是合理的，误差的产生主要是被分析信号噪声大，或者模态比较密集，叠加太严重，crazy方法我听都没听过，呵呵，so crazy。 原帖由 fudy10 于 2007-12-25 21:45 发表 http://www.chinavib.com/forum/images/common/back.gif
我做了一下，结果还是令人满意的，但是过程比较繁琐！
首先，对信号进行时频分析，得出脊线对应的尺度。进而再进行连续小波变换，应用上图中的公式进行计算。如下：
clc
clear all
%a(1)=20;
Te=0.001;
t ...
强人呀!不知道多自由度的话这个程序应如何改进了 振动与冲击上的<基于morlet小波变换的模态参数识别研究>,有关于模态密集的解决方法 :loveliness: 可以請問一下 在此必須使用unwrap函數處理 是為什麼呢?謝謝 angle求出的相位是2pi范围内，求的是复数的幅角主值，但是，我们做模态参数识别是要求相位随时间变化的斜率，如果不unwrap一下，相位都不是单调的，而是在2pi内波动，无法求出理论的常数斜率。
回复 19楼 hyl2323 的帖子
精度差是什么原因呢？？有什么方法能改进下？？ 不要用用求导的方法来求参数，误差会很大，用直线拟合方法，结果很精确的，matlab里面有polyfit函数可以直接得到直线的斜率。不过用Morlet小波做参数识别得到的直线会有边界效应，在拟合时要取直线的中间一段，结果会很精确。 谁还做小波模态参数识别呀，好多问题不能解决
页:
1
[2]