针对信号消除趋势项,大家都用哪些办法?

jingrenzhi

针对信号消除趋势项,大家都用哪些办法?比如一个振动声信号+一个正弦信号,我想去掉这个正弦信号,只保留振动信号进行分析,大家一般都是怎么做的?谢谢

[ 本帖最后由 xinyuxf 于 2007-6-19 14:26 编辑 ]

jingrenzhi

当然整个信号是非平稳的,没有表达式,但是知道是振动信号加趋势项的!

zhangnan3509

正弦信号能代表什么趋势？不明白。而且我觉得你是不是对EMD分解理解有问题啊，想把这些推而广之，如果要分解的话，小波也可以呀

[ 本帖最后由 zhangnan3509 于 2007-6-18 16:35 编辑 ]

jingrenzhi

不是加的趋势项,是系统自身产生的振动信号带的!我现在就是想去掉!谢谢!

jingrenzhi

就是采集信号就带着的,信号是非平稳的,随机采集得到的!

zhangnan3509

我不太了解，你用滤波或者小波和EMD分解试试看吧

[ 本帖最后由 zhangnan3509 于 2007-6-18 16:46 编辑 ]

VibrationMaster

如果趋势项的波动频率与信号频率偏离比较远，则可以用：
1）直接对数据差分
2）高通滤波

如果数据比较短，则最好用最小二乘法拟合趋势项，然后从原始数据中减去这个趋势项

jingrenzhi

这些方法,我可以试试!谢谢!
前几天我用HHT分解了一下信号,把后面几个频率低很多的IMF去掉,只保留前几阶IMF合成信号,感觉效果不太好!
再就是请问"直接对数据差分"怎么用matlab程序实现?有没有资料?谢谢!

zhangnan3509

如果我没记错的话好像MATLAB里面就有diff函数

jingrenzhi

哦!谢谢老兄!我试一下!

zhlong

关于非平稳数据平稳化的方法在“时间序列建模”方面应用较多，楼主可以参考时间序列方面的资料。
具体我也没做过，下面是摘录的一段：

1.2序列平稳化[5～7] 若观测序列具有增长、下降或其他的变化趋势，或具有周期变化，都属于非平稳序列。而ARV(n)模型主要是针对平稳序列来研究。因此，必须将序列平稳化处理。平稳化序列的方法较多。对于趋势项，可以用计算机拟合相应的函数。事先不假定趋势项是什么函数形式，而给出一个一般多项式的函数形式，然后用逐步回归方法在计算机上加以筛选来确定趋势项的数学表达式。也可以进行差分处理，对于具有线性趋势的序列进行一次差分即可，若属于二次多项式，则需要进行二次差分，等等。对于具有周期变化的序列，可以通过傅立叶谐波分析，提取周期项，或者进行季节差分处理，使之平稳化。

对于要研究的多变量序列，可以分别进行上述处理，将趋势项和周期项处理或提取后，变为平稳序列，进行多维自回归分析。

songzy41

这好象不能称为趋势项，称为干扰信号更合适。
对这干扰的正弦信号可以用自适应的陷波器消除它。

jingrenzhi

谢谢!我会考虑大家的意见的!谢谢!
请问"时间序列建模"方面的资料,比较好的请推荐几个!
谢谢!

zhlong

杨叔子,吴雅. 时间序列分析的工程应用[上、下册][M].武汉:华中理工大学出版社,1996

jingrenzhi

哦!谢谢!改天我去借来看看!