声振论坛

 找回密码
 我要加入

QQ登录

只需一步,快速开始

查看: 4113|回复: 15

[滤波] 怎么对加速度信号进行滤波处理啊?谢谢大侠

  [复制链接]
发表于 2012-12-12 22:28 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?我要加入

x
现在有大量数据,每隔N ms得到一些加速度信号(数值),怎么对加速度数值进行滤波啊?采用什么滤波啊(FIR IIR)?使用高通滤波还是低通滤波啊?
谢谢各位大侠不吝赐教!!!
回复
分享到:

使用道具 举报

 楼主| 发表于 2012-12-13 20:07 | 显示全部楼层
发表于 2012-12-13 20:16 | 显示全部楼层
那得看你想要什么结果了  然后选择滤波方法啊  你这样说谁知道你想干嘛
 楼主| 发表于 2012-12-13 20:20 | 显示全部楼层
得到的加速度信号波动很大,想要得到一个平滑的加速度信号,然后再求速度和位移
发表于 2012-12-13 20:33 | 显示全部楼层

你可以去趋势项  然后再用低通滤波 一般噪声都是高频的    不过不知道你的信号实际什么样也不知道具体怎么弄  你可以试试
 楼主| 发表于 2012-12-13 21:56 | 显示全部楼层
谢啦 我试试看 不明白再问你
发表于 2012-12-16 15:13 | 显示全部楼层
发表于 2013-2-1 22:23 | 显示全部楼层
如果你是每隔nms取一数据,所得的数据本身最大频率就是采样频率的一半(采样频率为1/nms)。采用matlab等软件的fft变换可看频谱。这些内容信号处理课本上和论坛上都很多。matlab中很很多滤波函数,butterworth、cheyb等。FIR IIR滤波器以前看过没看懂,理论较强。而butterworth、cheyb等现成函数使用方便。此外没有必要加速度信号看上去平滑。看上去平滑只说明频率成分单一。而一般振动信号频率成分都很丰富的。

评分

1

查看全部评分

发表于 2013-5-30 16:53 | 显示全部楼层
wuzhijun117420 发表于 2013-2-1 22:23
如果你是每隔nms取一数据,所得的数据本身最大频率就是采样频率的一半(采样频率为1/nms)。采用matlab等软 ...

振动信号频率成分丰富,我做FFT后可以提取信号最大的频率再代入公式计算求速度和位移,在振动台上可以测试通过,但是在实际测试中速度和位移却不准确,请问是怎么回事???
发表于 2013-5-30 23:20 | 显示全部楼层
从加速度到速度是一个积分的过程,积分存在一个常数项,这里面一般处理的方法就是基线法,你可以看看相关论文。从加速度到速度,这个现在是有争议的,但还是有人在做!

你说的应该是从频率转换的方法。
发表于 2013-5-31 08:35 | 显示全部楼层
rogen 发表于 2013-5-30 23:20
从加速度到速度是一个积分的过程,积分存在一个常数项,这里面一般处理的方法就是基线法,你可以看看相关论 ...

你好,我想问问由振动加速度信号积分得到速度和位移信号大概是怎么做的.
我的是正弦振动.
现在每隔600us 取得一个加速度信号数据,共取样256个,接着把256个数据分别减去平均值,再相加,然后乘上
时间:256*0.0006=0.1536 S , 是这样吗?
发表于 2013-5-31 09:17 | 显示全部楼层
前面的那个问题你可以看看王济的matlab在信号处理中的应用,他是可以从频域内对信号处理的。

后面这个问题我没有看懂!
发表于 2013-5-31 09:54 | 显示全部楼层
rogen 发表于 2013-5-31 09:17
前面的那个问题你可以看看王济的matlab在信号处理中的应用,他是可以从频域内对信号处理的。

后面这个问 ...

问题就是 通过AD采样,得到256个加速度信号数据.信号可能是周期性的,也可能是非周期性的,频率在
10hz--1K hz内. 采样频率知道,采样数据知道,信号频率未知,应该怎样积分得到速度和位移?是逐个相加吗?
发表于 2015-5-18 16:29 | 显示全部楼层
@sunnyzwt    ,您的这个问题解决了吗
发表于 2015-5-24 21:43 | 显示全部楼层
学习了.
您需要登录后才可以回帖 登录 | 我要加入

本版积分规则

QQ|小黑屋|Archiver|手机版|联系我们|声振论坛

GMT+8, 2024-12-23 23:44 , Processed in 0.076786 second(s), 18 queries , Gzip On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表