旋转导向工具中声波短传的信号处理方法研究
旋转机械振动信号处理中的滤波及特征提取技术
第7卷 第3期2009年9月南京工程学院学报(自然科学版)Journal of Nanjing I nstitute of Technol ogy (Natural Science Editi on )Vol .7,No .3Sep.,2009 文章编号:1672-2558(2009)03-0014-09旋转机械振动信号处理中的滤波及特征提取技术张 君1,王金平1,朱 波2(1.南京工程学院能源与动力工程学院,江苏 南京,211167;2.安徽华电芜湖发电有限公司,安徽 芜湖,241300)摘 要:在广泛调研国内外旋转机械振动信号处理技术研究的基础上,针对振动信号处理中的滤波和特征提取技术进行了较为详细的回顾和总结,分析了各种滤波和特征提取方法的优缺点.文中调研和总结的研究方法和技术,可为大型旋转机械振动检测与故障诊断研究提供参考.关键词:旋转机械;振动信号;滤波;特征提取中图分类号:TK288 文献标识码:AS i gna l F ilter i n g and Fea ture Extracti on Technology ofRot a ti n g M ach i n ery V i bra ti on S i gna l ProcessZHANG Jun 1,WANG J in 2p ing 1,ZHU Bo 2(1.School of Energy and Power Engineering,Nanjing I nstitute of Technol ogy,Nanjing 211167,China;2.Anhui Huadian W uhu Power Generati on Co .L td,W uhu 241300,China )Abstract:Based on studies of the reservoir signal filtering and feature extracti on technol ogy all over the world,signal filtering and feature extracti on technol ogy in vibrati on signal p r ocesses are revie wed and su mmarized .The advantages and disadvantages of vibrati on signal filtering and feature extracti on methods are analyzed .The research methods and techniques in this paper will p r ovide reference for large r otating machinery fault detecti on and diagnosis .Key words:r otating machinery;vibrati on signal;filtering;feature extracti on 收稿日期:2009-04-09;修回日期:2009-07-15作者简介:张 君(1971-),男,博士,副教授,研究方向为小波分析、数字信号处理、旋转机械故障诊断.E 2ma il:jun91zhang@ 大型旋转机械如风机、压缩机和汽轮机等设备,是石油、化工、冶金和电力等现代企业中的关键生产工具,对这些设备开展状态监测与故障诊断工作,保障设备安全可靠地运行,可以取得巨大的经济效益和社会效益.振动故障是旋转机械故障的主要表现形式,振动及其频谱特性的征兆是最能反映故障特点、最有利于进行故障诊断的手段.因此,根据振动信号进行监测与诊断目前仍是设备维护管理的主要手段.对振动特征信号的分析,是进行准确诊断的必要前提.本文在查阅了大量相关文献的基础上,对旋转机械振动信号降噪、特征提取的发展及其现状进行了总结,并分析了各种方法的优缺点.1 振动信号滤波方法的发展及现状对汽轮机的运行状态监测,能够对潜在严重故障进行早期检测和预报.在对汽轮机运行状态进行实时第7卷第3期张 君,等:旋转机械振动信号处理中的滤波及特征提取技术51监测时,一般是通过振动信号来检测汽轮机的早期故障.由于各种复杂因素的影响,振动信号中含有大量的噪声.因此,要获得振动信号的准确特征并依据这些特征进行汽轮机运行状态的监测和故障诊断,必须首先进行信号的消噪处理.消噪的方法主要有硬件滤波和软件滤波两种方法.硬件滤波主要是设计一些滤波器电路,以滤除信号中的噪声频率成分;软件滤波是在程序中设计一些数字滤波器,通常都是基于Fourier变换原理的一些方法,如FFT分析、倒谱分析、短时Fourier分析、W igner分布等.与模拟滤波相比,数字滤波具有精度高、通用灵活、适用性强、稳定性高等特点,对实测信号进行数字滤波从经济上和使用上都有很大好处.因此本文主要针对旋转机械振动信号数字滤波方法的发展及其现状进行了总结.111 FFT、STFT方法滤波20世纪60年代以来提出了若干高效信号处理算法,其中最主要的是出现了一批高效的数字滤波算法[1].1965年,J W Cooley和J W Tukey提出了快速傅里叶变换(FFT)算法[2],FFT方法的诞生,被认为是信号分析、数据处理技术的划时代进步.基于FFT算法和改进的FFT算法的数字滤波方法相继出现,主要是分为两大类:时间抽取(D I T2FFT)和频率抽取(D I F2FFT),并被广泛应用于工程信号滤波处理中[3-5].但快速傅里叶变换方法只适合于分析连续的、平稳的时域信号,对于非平稳信号,频率信息分辨率受到很大限制.早在1946年,为实现对非平稳信号的有效表示,解决其时-频局部化分析问题,Gabor就提出了基于傅里叶变换的另一种算法———加窗傅里叶变换(W FT)或短时傅里叶变换(STFT),用以测量声音信号的频率定位[6].经过几十年的发展在振动信号滤波处理中也得到了广泛的应用[7-8].与FFT相比,STFT方法不仅适合平稳、线性信号的降噪处理,也适合于处理非平稳、非线性信号.112 小波分析方法滤波由于短时傅里叶变换(STFT)的时频分辨率固定,缺乏细化能力,逐步被小波(wavelet)分析所取代.小波分析是20世纪80年代后期发展起来的应用数学分支,它是一种信号的时间-尺度(时间-频率)分析方法,是函数分析、傅里叶变换、谐波分析、数值分析的完美结晶[9].它在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较低的频率分辨率和较高的时间分辨率,很适合探测信号中的瞬态反常现象并展示其成分.而且在时频两域都具有表征信号局部特征的能力,是一种窗口大小固定不变但其形状可改变、时间窗和频率窗都可以改变的时频局部化分析方法.故有分析信号的“显微镜”之美誉[10].当前,国内外开展了对小波理论的大量研究,提出并发展了各种基于小波的降噪方法:小波变换、小波包、小波域、mallat小波、正交小波、正交多小波、梳状小波等[9,11-17].并且已应用于工程领域中的降噪处理.113 维纳滤波和卡尔曼方法滤波早在20世纪40年代,就对平稳随机信号建立了维纳滤波理论.根据有用信号和干扰噪声的统计特性(自相关函数或功率谱),以线性最小均方误差估计准则所设计的最佳滤波器,称为维纳滤波器.这种滤波器能最大程度地滤除干扰噪声,提取有用信号.但是,当输入信号的统计特性偏离设计条件时,它就不再是最佳的了,这在实际应用中受到了限制.到20世纪60年代初,由于空间技术的发展,出现了卡尔曼滤波理论,即利用状态变量模型对非平稳、多输入多输出随机序列做最优估计.实质上,维纳滤波器是卡尔曼滤波器的一个特例[18].卡尔曼滤波(Kal m an filtering)的早期应用是在20世纪60年代的空间领域,这个革命性的方法第一次被提议应用是在1962年,由Gerald S m ith、Stanley Sch m idt、Leonard McGee在美国国家航空和宇航航行局南京工程学院学报(自然科学版)2009年9月61的一份报告中提出的.在这份报告出现后的几年里,形成了一阵卡尔曼滤波应用的飓风.文献[19]中提出了很多种卡尔曼滤波方法,但大多数都是针对单一频率的离散时间系统.近来的一些研究主要是针对非连续多频率采样系统以及一些扩展的卡尔曼滤波算法[20-22].现在,卡尔曼滤波器已成功地应用到许多领域,它既可对平稳的和非平稳的随机信号做线性最佳滤波,也可做非线性滤波.2005年,文献[11]将小波变换与卡尔曼滤波相结合,既保留了卡尔曼滤波器的优点(线性、无偏、最小误差方差估计),又运用了小波分析理论,实时最优地完成未知信号的估计和分解.在设计卡尔曼滤波器时,必须知道产生输入过程的系统状态方程和测量方程,即要有信号和噪声的统计特性的先验知识.但在实际中,往往难以预知这些统计特性,因此很难实现真正的最佳滤波.114 自适应方法滤波W inr o w B等于1967年提出了自适应滤波(self2adap tive filtering)理论[18].当输入信号的统计特性未知,或者输入信号的统计特性变化时,自适应滤波器具有“自我调节”和“跟踪”能力,能够自动地迭代调节自身的滤波器参数,以满足某种准则的要求,从而实现最优滤波.自适应滤波适用于较复杂的机械振动信号处理,尤其适用于一些常规的频谱分析不易解决的场合.不仅适用于平稳信号,也适用于非平稳信号.这种滤波器的实现差不多和维纳滤波器同样简单,而滤波性能几乎和卡尔曼滤波器一样好[18].自适应滤波器可以分为线性自适应滤波器和非线性自适应滤波器.非线性自适应滤波器具有更强的信号处理能力,包括Volterra滤波器和基于神经网络的自适应滤波器.但是,由于非线性自适应滤波器的计算较复杂,实际用得最多的仍然是线性自适应滤波器.基于以上优点,自适应滤波在现代化生产中有着广泛应用,例如文献[23]采用自适应数字滤波算法对广州抽水蓄能电厂的1号机组的振动信号进行分析;文献[24]对某油田采油厂3H-8/450型三柱塞高压注水泵的振动故障信号进行分析,都取得了较好的效果.115 E MD方法滤波1998年,美籍华人N E Huang等人在对瞬时频率的概念进行了深入研究后,创立了希尔伯特-黄变换(H ilbert2Huang Transf or mati on,HHT)的新方法[16].也就是基于经验模态分解(E mp irical Mode Decompo2 siti on,E MD)的时频分析方法.基于E MD滤波技术的最大特点是根据信号分析的要求,可以对经过E MD 分解的本征模函数I M F(I ntrinsic Mode Functi on)进行任意组合,构成满足特定要求的信号,然后对信号进行傅氏变换等分析,这是普通的滤波技术做不到的.由于E MD分解是自适应的,每次总是把一列数据的最高频率成份分解出来,相当于通过一个窄带自适应高频滤波器,因此基于E MD的滤波技术不能像普通滤波器一样明确地指定截止频率、带宽等参数.但是,可根据观察分解出来的I M F和滤波要求确定参数,观察的方法是通过计算一个周期的波数便知此I M F的振动频率分布.由于基于E MD分解的滤波技术用到三次样条插值,故算法的效率和普通的滤波技术相比较低[25-26].116 数学形态学方法滤波数学形态学(Mathe maticalMor phol ogy)是基于积分几何和随机集合论建立起来的有别于基于时域、频域的数学方法.该方法进行数字信号处理时只取决于待处理信号的局部形状特征,通过数学形态变换将一个复杂的信号分解为具有物理意义的各个部分,将其与背景剥离,同时保持信号主要的形状特征,要比传统的线性滤波更为有效[27-30].这种滤波方法目前主要是应用于图像处理中,在机械振动信号处理中的应用较少,文献[29]针对哈尔滨锅炉厂在DG45锅炉给水泵实验台上测得的振动信号时域波,提出了采用开-闭和闭-开组合形态滤波器处理振动信号的新方法.通过仿真计算,研究了数学形态滤波器对不同类型、不同强度噪声下振动信号的降噪能力.试验结果表明数学形态滤波器对旋转机械振动信号取得了良好第7卷第3期张 君,等:旋转机械振动信号处理中的滤波及特征提取技术71的滤波效果,可以有效提高振动信号的信噪比.特别是对于不明原因的脉冲干扰处理,比其它数字滤波器有明显的优势;文献[31]采用数学形态学滤波,对飞机引擎振动信号做了分析研究,亦取得了较好的效果. 117 零相位方法滤波通常的滤波器无论是模拟滤波器或数字滤波器,在对信号进行滤波时会引起信号的相位失真(相移).零相位滤波器正是为解决滤波产生的相位失真提出的一种数字滤波技术[32].零相位滤波器的作用是对信号滤波后,由滤波器产生的信号相位失真为零,即引起的相移为零.这对需要滤波又对相位有要求的信号处理技术,无疑提供了一个较理想的解决方案.零相位数字滤波的实现方法有:FRR(For ward2Reverse Filtering,Reverse Out put)和RRF(Reverse2Reverse Filtering,For ward Out put)两种[33].零相位滤波在理论上可精确实现零相位失真滤波,一般选用II R型数字滤波,理由是在达到相同的滤波效果上,II R型的阶数比F I R型低得多,使得计算速度更快.值得一提的是,从滤波实现方法可知,零相位滤波器的两种方法都不具有物理可实现性(如FRR中需数据反转等),即它只能是一种数字滤波器,而不可能有对应的模拟滤波器存在[34].118 变采样方法滤波滑动平均法是一种在微处理器广为使用的数据平滑方法,在数字信号处理中,滑动平均被用来平滑采样数据,可以有效地降低信号的高频背景噪声.变采样滤波就是采用这种方法对信号进行降噪处理的.它依据采集到的对象数据来判定对象所处的状态,动态地调节采样的间隔来满足实际的工程需要,此方法适用于低频信号的处理.需要说明的是,为兼顾实时性及滤波的整体效应,对滑动队列的长度要综合加以考虑后再决定.文献[35]采用变采样滤波针对300MW汽轮机组结构的特殊性进行了研究,取得了较好的仿真效果.119 其它滤波方法振动信号的降噪方法研究正日益深入,除以上介绍的方法以外还有基于Monte2Carl o技术、Particle Filtering(PF)方法、奇异值分解(S VD)方法、主元分析(PCA)方法、独立分量分析(I CA)方法、W igner分布方法、阶比跟踪方法、相关分析等,也取得了一定的成果[34,36-39].2 振动信号特征提取的发展及现状旋转机械发生故障的重要特征是机器伴有异常的振动和噪声,其振动信号从幅值域、频率域和时间域实时地反映了机器故障信息.因此,了解和掌握旋转机械在故障状态下的振动特征,在监测机器的运行状态和提高诊断故障的准确度方面具有重要的理论意义和实际工程应用价值.故障特征(又称故障征兆)的提取是故障诊断领域的关键技术之一.故障特征提取是否准确、完备,直接影响故障诊断结论的准确性.所谓特征提取,就是对系统的动态信号预处理后得到的信息进行分析,提取与系统状态有关的数据,再分析这些数据,提取其中与系统状态相关性较大的敏感特征,这样一个过程就叫做特征提取.为了从根本上解决旋转机械故障特征信息提取这个关键问题,人们主要是借助信号处理的方法来提取旋转机械信号故障特征.在线故障诊断专家系统都应有自动提取故障特征的功能[40].传统的旋转机械故障特征提取技术主要有:信号的幅值分析、相关分析,频域分析,时序分析以及特征分析[39].这些分析方法是基于信号为稳态和线性的假设基础上的,在旋转机械故障特征提取中发挥了巨大作用.实际上旋转机械故障发生时的振动信号大量是非平稳、非高斯分布和非线性的随机信号,使上述传统南京工程学院学报(自然科学版)2009年9月81的信号分析方法遇到了难以克服的困难,也严重影响了故障诊断的准确性.因此用于研究和分析非线性、非因果、非最小相位系统、非高斯、非平稳、非整数维(分形信号)和非白色的加性噪声的现代信号特征提取技术,实现旋转机械故障的准确诊断是目前研究和发展的重要方向.目前主要有现代谱分析、时频分析理论(W inger2V ille分布(WVD)、短时傅氏变换(STFT)、小波变换(W T)和基于经验模态分解(E MD)的时频分析方法等、主元分析(PCA)、独立分量分析(I CA)、神经网络、模糊控制、高阶统计量分析以及将混沌与分形动力系统理论中的新方法引入旋转机械故障诊断领域,研究基于非线性信号处理理论的特征提取方法等[41].211 现代谱分析方法利用给定的N个样本数据估计一个平稳随机信号的功率谱密度叫做谱分析[42].谱分析方法分为两大类:非参数化方法和参数化方法.非参数化谱分析(如周期图法)又叫“经典”谱分析,它是以Fourier分析为基础的,其主要缺陷是频率分辨率低;参数化谱分析又叫现代谱分析,它具有频率分辨率高的特点.主要有AR MA谱分析、最大似然法、熵谱估计法和特征分解法.其中ARMA谱分析是一种建模方法,即通过对平稳线性信号过程建立模型来估计功率谱密度,是应用较广的一种现代谱分析方法.它采用时间序列线性预测建模的方法来描述信号,由AR MA得到的频谱较FFT更为平滑、频谱分辨率更高、对信号处理点数要求也不高,其中由一阶白噪声驱动的AR MA模型即AR模型在实践中得到更为广泛的应用.由于在AR模型中,信号可视为白噪声通过滤波环节产生的输出,因此信号AR模型的线性预测系数也可作为信号的特征之一.文献[43]对大型旋转机械汽轮发电机的振动信号进行时序信号分析,通过AR模型将信号数据拟合成一个参数模型以提取该设备的故障特征,取得了较好的效果;文献[44]研究了AR时间序列线性预测建模的方法,建立了旋转机械的信息距离判别函数,并将此作为一种故障特征提取方法应用到旋转机械故障诊断专家系统的模式识别中.文献[45]利用T VAR方法分析了转子启动过程正常及故障工况下转子实验台的非平稳振动信号.研究表明,T VAR不但能够有效地分析非平稳振动信号,而且具有较强的故障特征提取和抗噪声能力,是在时频域上进行故障诊断的有效方法.212 高阶统计量分析方法一般情况下,总是假定被分析信号服从高斯分布.而事实上,现实系统都是非线性的,即便输入高斯信号,输出却为非高斯信号.对于非高斯信号而言,需要用高阶统计量反映信号的更多信息.经过短短几年的迅速发展,高阶统计量己在雷达、声纳、通信、地球物理及生物医学等领域获得了大量应用.高阶统计量方法在故障特征信息提取上也具有很大的潜力,特别是三阶统计量分析己广泛应用于非因果、非最小相位系统、非线性系统辨识、抑制高斯或非高斯分布的有色噪声,提取多种信号特征等领域.早在1977年T.Sat o 等人就将双谱应用于齿轮振动信号分析,但由于双谱的物理解释困难,在当时其应用受到了限制.随着对高阶统计量分析理论和方法的研究不断深入,文献[46]结合双谱和因子隐Markov模型,提出了一种基于双谱的特征提取建立机组各状态相应的因子隐Markov模型状态识别法,并成功地应用到旋转机械升降速过程的故障诊断中.随着对高阶统计量分析理论和方法的研究不断深入,相信它将日益成为旋转机械故障特征提取领域中一个十分活跃的研究方向.213 时频分析方法基于Fourier变换的信号频域表示及其能量的频域分布揭示了信号在频域的特征.它们在传统的信号分析与处理的发展史上发挥了极其重要的作用.但是,Fourier变换是一种整体变换,它只是建立了从时域到频域的通道,并没有将时域和频域组合成一个域,即对信号的表征要么完全在时域,要么完全在频域,信第7卷第3期张 君,等:旋转机械振动信号处理中的滤波及特征提取技术91号的时间信息在频域中无法得到.时频分析法将时域和频域组合成一体,这就兼顾到非平稳信号的要求.它的主要特点在于时间和频率的局部化,通过时间轴和频率轴两个坐标组成的相平面,可以得到整体信号在局部时域内的频率组成,或者看出整体信号各个频带在局部时间上的分布和排列情况.时频分析在语音处理、地震资料分析、信号检测和数据压缩等多个领域得到了广泛应用.对于旋转机械而言,当其发生故障时的振动信号,大量是非平稳、非线性的信号,因此,时频分析方法是进行旋转机械故障特征提取的一个重要的方法和特征提取工具,并广泛应用于旋转机械故障诊断中.信号的时频分析分为线性和二次型两种.典型的线性时频表示有:短时Fourier变换、小波变换和Gabor变换等.2.3.1 短时Fourier变换(STFT)特征提取方法STFT方法既适合于平稳、线性信号,也适合于非平稳、非线性信号,方法简单、高效,但在特征提取中不具有多分辨率特性,即对于所有的频率,短时傅里叶变换都使用同一个窗,使得分析的分辨率在时间-频率平面的所有局域都相同,如果信号内有短时(相对于时窗)、高频成分,那么短时傅里叶变换就不是非常有效了[44].2.3.2 W igner2V ille分布特征提取方法W igner于1932年首先提出W igner分布的概念[46],并把它用于量子力学领域.在之后的一段时间内并没有引起人们的重视.直到1948年,首先由V ille把它应用于信号分析.因此,W igner分布又称W igner2 V ille分布(WVD).1973年,DE.B ruijn对WVD分布作了评述,并提出了把WVD用于信号变换的新的数学基础;1966年,Cohen给出了各种时频分布的统一表示形式;1980年,Classen在Phili p s.J.Res.上连续发表了三篇关于WVD的文章,对WVD的定义、性质等作了全面的讨论.由于这些工作,使得20世纪80年代后对WVD的研究骤然引起了人们的兴趣[47].W igner2V ille分布具有简单的形式和良好的性质,W igner2V ille分布是非线性二次型变换,时频聚集性好,直观感强.尽管W igner2V ille分布对于多分量信号会因为交叉项的干扰而产生虚拟信号,但仍是一种有效的时频分析方法.尤其是人们在减小交叉项干扰方面做了积极的努力和改进,提出了伪W igner2V ille 分布、平滑W igner2V ille分布、平滑伪W igner2V ille分布以及修正平滑伪W igner2V ille分布等,改进了应用效果[48].在W igner分布上定义的高阶谱是时变的非高斯信号的基本表示,文献[47,49]对W igner高阶谱作了介绍.由于W igner高阶谱是W igner2V ille分布的扩展,因此,W igner高阶谱保留了W igner2V ille分布的好的特性.相比较,它能从时频平面上反映信号的高阶谱特性.将W igner高阶谱应用到机械振动信号特征提取中是值得进行研究的,Fonoll osa等利用W igner双谱和W igner2V ille分布对瞬变信号进行监测,研究结果表明:在低信噪比下,W igner双谱优于W igner2V ille分布[47,50];文献[51]验证W igner三阶谱优于W igner双谱;文献[52]将W igner高阶谱应用到机械故障诊断中,并进行仿真和试验研究,全面探讨该方法的有效性,得到一些有价值的结论.2.3.3 小波分析特征提取方法小波变换通过小波函数的伸缩和平移实现对信号的多分辨分析[53],所以能有效地提取信号的时频特征,基本已取代短时傅里叶变换(STFT).在旋转机械故障诊断领域,由于小波变换的多分辨率特性以及它的带通滤波特性,非常适用于振动信号的频带分离、非平稳信号的突变点检测和信号的特征提取等方面.南京工程学院学报(自然科学版)2009年9月02因此,鉴于小波变换不同于短时傅里叶变换的优良特性,工程上对旋转机械振动信号进行了大量基于小波变换的故障信号特征提取的应用.文献[54]在针对离心压缩机组的振动信号的监测中运用小波变换对信号的瞬态特征进行了提取;文献[55]在对汽轮发电机组启、停过程的振动信号通过小波变换的方法将非平稳信号的故障特征进行了分离,取得了较好的效果.214 经验模态分解(E MD)特征提取方法E MD方法可以将任意信号分解为本征模函数信号组成的方法———经验模态分解法,从而赋予了瞬时频率合理的定义、物理意义和求法,初步建立了以瞬时频率为表征信号交变的基本量,以本征模函数为基本时域信号的新时频分析方法体系.这一方法体系从根本上摆脱了傅里叶变换理论的束缚,能很好地解释以往将瞬时频率定义为解析信号相位的导数时容易产生的一些所谓“悖论”[41].基于经验模态分解(Emp iricalMode Decompositi on,E MD)的时频分析方法,是一种优秀的时频信号分析方法,尤其适合于非线性、非稳态的信号序列处理.文献[56]对一个有两个频率成分的仿真振动信号W inger分布时频图和信号经过E MD和W inger分布分析相结合产生的时频图进行对比.然后,对旋转机械油膜涡动故障振动信号进行同样的对比,仿真信号和真实信号的研究结果说明:用E MD和W inger分布分析相结合的时频分析方法对旋转机械的振动信号的时频分析比通常的W inger分布分析有效.同年,又将E MD的希尔波特变换(HT)方法和W inger分布方法分析处理振动信号的两种方法做了比较并进行了试验研究,结果表明:旋转机械振动信号基于E MD的HT时频分析方法比W inger分布分析有效[57].文献[58]提出了先利用小波变换技术对含噪故障信号进行消噪处理,再作HHT分析的方法;利用此方法对实测的不对中振动信号进行了故障特征提取和分析.结果表明,该方法克服了直接运用HHT分解方法由噪声带来的不必要的干扰,提高了参数提取的准确性,并由此提高了机械故障诊断率.215 主元分析(PCA)、独立分量分析(I CA)特征提取方法主元分析(PCA)以及部分最小二乘(P LS)都是多变量统计方法,可用于对含有噪声的和高度相关的测量数据进行分析.采用的是把高维信息投影到低维子空间,并保留主要过程信息的方法.PCA最早是由Pearhon于1901年提出的.近年来,独立分量分析方法及其在语音、图像和生物医学等信号的源分离及特征抽取方面的应用引起人们很大兴趣.特别令人感兴趣的是它在旋转机械故障分离方面的应用[59-60].I CA也是一种强有力的数据分析,特别是非高斯数据分析工具.作为标准PCA的高阶扩展,I CA在无正交限制下抽取信号的统计独立分量.从统计意义上看,I CA相当于一种冗余取消技术,它使得各输出之间的互信息(M I)———基于信号所有高阶统计量构建的统计测度为零,这使得I CA在非高斯数据分析方面具有独特优势.适用于平稳信号和非平稳信号,尤其对微弱信号的特征提取有较好的效果.文献[61]提出应用独立分量分析(I CA)方法对碰摩信号进行特征提取.通过对转子模拟实验台模拟的强背景噪声下的碰摩信号进行I CA去噪方法和小波去噪方法仿真试验,结果表明,本方法明显优于小波去噪方法,为强背景噪声下的弱振动信号的检测提供了新的途径.216 其它特征提取方法随着近几年国内外对神经网络,模糊控制,混沌控制等技术展开了很多研究,在机械振动信号特征提取中也取得了一定的成果.3 结语本文系统总结了旋转机械故障诊断中的振动信号降噪及特征提取的各种方法,简述了各种方法的发。
旋转导向钻井技术介绍-图文
旋转导向钻井技术介绍-图文引言近十几年来，水平井、大位移井、多分支井等复杂结构井和“海油陆采”的迅速发展。
为了节约开发成本和提高石油产量，对那些受地理位置限制或开发后期的油田，通常通过开发深井、超深井、大位移井和长距离水平井来实现，进而造成复杂结构的井不断增多。
目前通行的滑动钻井技术已经不能满足现代钻井的需要。
于是，自20世纪80年代后期，国际上开始加强对旋转导向钻井技术的研究；到90年代初期，旋转导向钻井技术已呈现商业化。
国外钻井实践证明，在水平井、大位移井、大斜度井、三维多目标井中推广应用旋转导向钻井技术，既提高了钻井速度，也减少了钻井事故，从而降低了钻井成本。
旋转导向钻井技术是现代导向钻井技术的发展方向。
旋转导向钻井法是在用转盘旋转钻柱钻井时随钻实时完成导向功能。
钻进时的摩阻与扭阻小、钻速高、钻头进尺多、钻井时效高、建井周期短、井身轨迹平滑易调控。
此外，其极限井深可达15km，钻井成本低。
旋转导向钻井技术的核心是旋转自动导向钻井统，如图1所示。
它主要由地面监控系统、地面与井下双向传输通讯系统和井下旋转自动导向钻井系统3部分组成。
1、地面监控系统旋转导向钻井系统的地面监控系统包括信号接收和传输子系统及地面计算存储分析模拟系统，有的还具有智能决策支持系统。
旋转导向钻井系统的主要功能通过闭环信息流监视并随钻调控井身轨迹，其关键技术是从地面发送到井下的下行控制指令系统。
2、地面与井下双向传输通讯系统目前已提出的信号传输方式有4种，即钻井液脉冲、绝缘导线、电磁波和声波。
通过比较分析，笔者发现这4种传输方式各有优缺点和应用局限，如表1所示。
3、井下旋转自动导向钻井系统井下旋转自动导向钻井系统是旋转自动导向系统的核心，它主要由3部分构成，即测量系统、导向机构、CPU和控制系统。
（1）测量系统测量系统主要用于监测井眼轨迹的井斜、方位及地层情况等基本参数，使钻井过程中井下地质参数、钻井参数和井眼参数能够实时测量、传输、分析和控制。
旋转弹引信用卫星定位接收信号旋转解调方法
旋转弹引信用卫星定位接收信号旋转解调方法
肖洪兵;潘海
【期刊名称】《北京理工大学学报》
【年(卷),期】2018(38)2
【摘要】为解决旋转弹飞行中的高旋转、高动态条件会造成卫星定位接收系统无法正常定位的问题,针对旋转、动态环境开展了旋转弹卫星定位接收信号旋转解调方法的研究.详细分析了旋转条件对卫星定位信号接收的影响,并针对旋转特性设计了旋转跟踪解调环,用于对旋转的跟踪与解调,给出了旋转弹卫星定位信号接收系统的设计方案,基于Simulink实现了旋转弹卫星定位信号接收系统的仿真,并给出了相应的仿真与实验结果.结果表明,设计的以旋转跟踪环为核心的旋转弹卫星定位信号接收系统,在中心频率为200 Hz的情况下跟踪范围可达到±40Hz,较好地满足了转速在200转/s左右的旋转弹信号接收要求.
【总页数】6页(P173-178)
【关键词】引信;旋转解调;全球卫星导航系统;跟踪
【作者】肖洪兵;潘海
【作者单位】北京工商大学计算机与信息工程学院
【正文语种】中文
【中图分类】U666.134
【相关文献】
1.旋转变压器信号的标定与解调 [J], 张健
2.高速旋转飞行体姿态传感器信号解调方法 [J], 吴立锋;严庆文;徐鸿卓;张伟;张福学
3.高动态旋转载体双天线卫星定位接收系统设计 [J], 张嵇;赵洁;于世杰;石芳
4.QPSK信号旋转方向对调制解调的影响 [J], 曹颖鹏;杨光文;靳一
5.广义瞬时速度同步化分步解调变换及其对旋转机械振动信号分析 [J], 石娟娟;花泽晖;沈长青;江星星;冯毅雄;朱忠奎;孔林
因版权原因，仅展示原文概要，查看原文内容请购买。
声波传播与声学信号处理分析
声波传播与声学信号处理分析声波传播是一种普遍存在于我们生活中的自然现象。
无论是人们的语言交流、音乐的演奏、机器的运转，还是自然界中的风声、鸟鸣，都是通过声波传播而产生的。
而声学信号处理则是利用电子技术对声波信号进行分析、处理和提取信息的一门学科。
在声波传播过程中，声音是通过空气或其他介质中的分子振动传播的。
声波的传播速度取决于介质的特性，如空气中的声速约为343米/秒。
不同频率的声波在传播过程中会发生衰减和反射，这就是为什么我们在不同环境中听到的声音会有所不同。
声学信号处理是对声波信号进行的一系列处理操作。
首先，声音会被传感器转换成电信号，这一过程称为声音的采样。
采样率决定了声音的质量，一般来说，采样率越高，声音的还原质量就越好。
然后，采样到的电信号会进一步进行数字化处理，这样才能被计算机进一步处理和分析。
在声学信号处理过程中，常见的操作有滤波、降噪、特征提取等。
滤波可以根据需要去除不同频率的噪音或余音，使声音更加纯净。
降噪是指消除噪音的过程，在语音通信中特别重要。
特征提取则是将声音中的关键信息提取出来，比如音高、音量等。
通过对这些特征的分析，可以实现语音识别、声音合成等应用。
声学信号处理的应用非常广泛。
一方面，它在通信领域中起到了重要作用，比如电话通信、语音识别。
另一方面，它在音乐、电影等娱乐产业中也发挥了重要的作用。
通过声学信号处理，音乐可以被优化、混音，电影中的声音效果也可以更加逼真。
除了在通信和娱乐领域，声学信号处理还在医学、环境监测、工业控制等领域有着广泛的应用。
在医学领域，声学信号处理可以用于心脏听诊、肺部听诊等。
在环境监测方面，它可以用于检测声音的强度、频率，从而分析环境是否处于正常状态。
在工业控制方面，声学信号处理可以用于检测设备的工作状态，预测设备的故障情况。
总的来说，声波传播与声学信号处理是紧密相关的领域，它们在我们的生活中起到了重要作用。
通过研究和应用声学信号处理技术，我们可以更好地理解和利用声波传播所带来的信息，使我们的生活更加便利和丰富。
2010年文章总目录
２ １年第２ ０ ０ 期
２ ■ 技术动态 ０
ＣＸ９ ５ ０低 功耗 视 频 编 码 器 … … … … … … … … … …～ 一 ２１ ３ １：
Ｆ ６ ４ ：通 道 集 成视 频 滤 波 器 … 一 …… … 一 一 … … … 一 ２ ＭＳ ６ ６６ ２ Ｐ ０ ２ ｌ ｏ ｌ 通 信 处 理 器 … … … … … … … … 一 … …… 一 ３ １ １／ ： ｒ ２ Ｑ Ｑ ２
飞思卡 尔电表 参考设计推进 智能计量发展步伐…………一 ６ 月度 新 品总汇 ５
● 精英专访
半 导 体 产 业走 出阴 霾… … … … … … … … … … … … … … … 一 ２ ｌ
一 一
Ｌ Ｍ８ ２ ： ／ Ｃ 型 模 块 稳压 器 …… … … … … … … … … ２ Ｔ ０７ＤＣ Ｄ 微 ４ Ｓ Ｐ ６Ｐ ０／０ ： Ｔ １ｘ Ｐ ５Ｓ ５高精度 Ｌ Ｄ 动 器 … 一……… ……一 ．…一５ Ｅ驱 ． ２ ．
● 解决方案精选
Ｔ ３ ０ ５ ０ ： 字听 诊 器解 决 方案 … … … … … … … 一 一６ ＭＳ ２ ＶＣ ５５数 ｌ ＭＡＸ ０ ７／ 路 超 声 波 前 端 解 决 方 案… … … … … ． … … … １ ２ ７： ＼ ． ． ８
９ ０ Ｊ ６血糖 监视 仪 解 决 方 案… … … … 一 … … … … 一０ ２ Ｔ ３ １７带 电池 充 电功 能 的 无 源低 频接 口（ａ Ｆ） ＭＳ ７ ５ ： ＰＬ Ｉ 器件 一８ Ｍ Ｃ Ｓ ８Ｍ ｌ ： ２
ＨＭＣ ７ Ｌ ３ ：０ ｐ ￣ 钟 比较 方案 … … … … … … … …… １ ８ ６ Ｃ Ｃ ２ Ｇｂ ｓ， ｊ － ６
旋转机械故障诊断中的信号处理技术综述
旋转机械故障诊断中的信号处理技术综述近年来，旋转机械被广泛应用于生产制造，其可靠性和经济性是决定其成败的重要因素。
由于旋转机械设备的故障频繁，因此故障诊断技术成为关键的技术。
旋转机械诊断需要捕获机械结构振动信号，发现故障信号，然后确定故障的性质并采取有效的补救措施。
信号处理是旋转机械故障诊断的关键技术，可以有效地提取载荷和环境噪声之间的相关信号并建立有效的诊断信号模型。
因此，以下将综述旋转机械故障诊断中的信号处理技术。
首先，介绍旋转机械故障诊断中的基本概念。
旋转机械故障诊断的基本原理是采集、处理和分析机械振动信号，以检测和排除故障。
通常采用模拟传感器或数字传感器来采集振动信号，其输出可以经过滤波、快速傅里叶变换（FFT）和其他信号处理技术处理，从而可以更好地提取振动信号的有用信息。
其次，介绍旋转机械故障诊断中常用的信号处理技术。
信号处理技术是一种技术，可以提取有用的信息，并且很容易进行故障诊断。
其中常用的信号处理技术有功率谱分析、小波变换、时域特征量分析和模式识别等等。
其中功率谱分析法将振动信号转换成功率谱，可以识别出振动信号的强度，用于识别机械故障。
小波变换可以分析振动信号的频率特性，可以很好地提取振动信号的相关信息。
时域特征量分析是分析一般时域信号特征的技术，可以用来识别振动信号的基本性质。
模式识别是分析机械故障的重要技术，可以应用于故障类型的识别和故障源的定位。
此外，还介绍了故障诊断中的自适应信号处理技术。
自适应信号处理是一种技术，它可以通过不断学习来提高系统性能，使模型根据实际情况进行变化。
它可以有效处理复杂和模糊的旋转机械故障信号，有效减少噪声的影响，提高故障诊断的准确性。
最后，本文结论如下。
旋转机械故障诊断中信号处理技术可以有效提取载荷和环境噪声之间的相关信号，以及从复杂和模糊的旋转机械故障信号中提取有用信息。
自适应信号处理技术是一种重要的技术，可以有效减少噪声并提高故障诊断的准确性。
旋转机械故障诊断中的信号处理技术总结
旋转机械故障诊断中的信号处理技术综述摘要:基于旋转机械在各行业的广泛应用，旋转机械的故障诊断技术也倍受重视，从传统的信号处理方法到现代的信号处理方法，旋转机械故障诊断中的信号处理技术在不断发展，不断创新。
本文综述了旋转机械故障诊断的传统信号处理方法和现代信号处理方法，分析传统信号处理方法和现代信号处理方法的实际应用，并展望了未来旋转机械故障诊断领域的研究方向。
关键词:旋转机械; 故障诊断; 信号处理技术1、旋转机械故障诊断的意义随着机械设备向着高速、重载、精密方向发展，对机械传动设备的要求越来越高。
不仅要求机械传动设备能够传递较大的功率和载荷，而且传动系统本身必须具备较好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。
在故障诊断的发展过程中，人们发现最重要、最关键而且也最困难的问题就是故障特征信息提取，其必须借助于信息处理，特别是现代信号处理的理论方法和技术手段，探索故障特征信息提取的途径，发展新的故障诊断理论和技术。
2、旋转机械故障诊断的传统信号处理方法以傅里叶变换为核心的经典信号处理方法在旋转机械故障诊断中发挥了巨大的作用，这些方法包括频谱分析、阶比谱分析、相关分析、细化谱分析、时间序列分析、倒频谱分析、包络分析和全息谱等。
在基于FT 的信号分析方法中，平稳的随机信号常用其二阶统计量来表征: 时域用相关函数，频域用功率谱。
功率谱实质上是一种频域的能量密度分布，因此可以把它视为频域分布，相关函数和功率谱之间也以FT作为联系的桥梁。
然而，基于FT的频谱分析技术是建立在信号是平稳性的假设上的，因此具有较大的缺点: 如被分析的系统必须是线性的，信号必须是严格周期或者平稳的，否则，谱分析结果将缺乏物理意义，分析的结果只有频域信息，丧失了时域特征。
而大多数旋转机械故障振动信号是非平稳和非线性信号，对这些非平稳信号，由于傅里叶变换的本质缺陷，使得提取的故障特征有缺陷，影响了故障诊断的准确性。
旋转机械故障诊断中的信号处理技术综述
6、谱分析
总结 本次演示介绍了旋转机械故障诊断中常用的几种信号处理技术。这些技术在 分析设备的振动、声音等信号时具有不同的优势和特点。在实际应用中，可以根 据设备的类型和故障类型选择合适的信号处理方法，以提高故障诊断的准确性和 效率。随着科技的不断发展，更多的信号处理技术将会被应用到旋转机械故障诊 断中，为工业生产的稳定性和安全性提供更好的保障。
4、独立成分分析
4、独立成分分析
独立成分分析（ICA）是一种用于分离独立源信号的方法，它能够从复杂的混 合信号中找到主要的成分。在旋转机械故障诊断中，ICA可用于分析复杂的振动 信号，以识别出由不同故障源引起的振动。例如，通过ICA分析，可以区分由轴 承故障和齿轮故障引起的振动信号，从而更精确地诊断设备的故障类型。
1、傅里叶变换
1、傅里叶变换
傅里叶变换（FT）是信号处理领域中最基本的工具之一，它将时域信号转换 为频域信号，从而让我们能够看到信号在各个频率下的强度。在旋转机械故障诊 断中，通过FT可以分析设备运行时的振动、声音等信号，揭示其工作状态。例如， 通过对振动信号的FT分析，可以识别出轴承是否处于正常状态或出现故障。
2、基于神经网络的诊断技术
2、基于神经网络的诊断技术
基于神经网络的诊断技术是一种利用神经网络进行模式识别的技术。该技术 通过训练神经网络，使其能够根据输入的故障信号进行分类和识别，从而实现故 障诊断。该技术具有自适应性、鲁棒性和学习能力等优点，但需要大量的训练数 据和计算资源。
3、基于深度学习的诊断技术
5、神经网络
5、神经网络
神经网络是一种模拟人脑神经元连接方式的计算模型，它能够学习和识别复 杂的模式。在旋转机械故障诊断中，神经网络可用于训练和识别设备的故障模式。 通过收集大量的正常和故障状态下的信号数据，可以训练神经网络对不同类型的 故障进行分类和预测。此外，深度学习技术如卷积神经网络（CNN）和循环神经 网络（RNN）也在旋转机械故障诊断中得到了广泛应用，它们能够在复杂的信号 中提取出更有效的特征，从而提高故障诊断的准确性。
旋转导向工具中声波短传的信号处理方法研究
旋转导向工具中声波短传的信号处理方法研究前言旋转导向闭环钻井技术是当今国内外开发的各种先进钻井技术与工艺中具突破性和战略意义的技术，它将计算机控制技术揉合于钻井工具，代表了当今世界钻井技术发展的最高水平。
西安石油大学井下测控研究所研究的可控偏心器是智能导向钻井工具，可实现井下闭环旋转导向智能钻井系统。
声波短传的提出要实现旋转导向闭环钻井就离不开地面和井下组合间的通讯，对于井下到地面的信号传输，石油界已有较为成熟且商业化的技术——随钻测量（MWD），该技术主要用来监测井下工作情况，并将其传输至地面。
但是近钻头数据的短距离传输目前还没有成熟的技术。
1993年以来，西安石油大学井下测控研究所一直致力于井下闭环旋转导向智能钻井系统的研究与试验，其中就包括把靠近钻头位置传感器采集的数据传送给主轴，最初是在可控偏心器主轴和不旋转套之间使用滑环来传输信号。
但是用这种方法传输信号时出现一些问题，因此最好的解决办法是研制出近钻头无线短传装置。
2007年，西安石油大学井下测控研究所致力于研究电磁遥测方法，根据可控偏心器这种特殊的结构，建立一套无线电磁短传系统。
研究的结果是：当发射线圈和接收线圈安装在钻铤的内部，泥浆完全导电，信号发射功率为0.3W时，接收端信噪比是-60dB。
但是，这种方法受井筒周围地层电导率的影响较大。
因此，本设计决定用声波实现从不旋转套到主轴的信号传输。
可控偏心器中的声波短传可控偏心器的机械结构主轴通过轴承的耦合穿过不旋转套，在不旋转套上有电子腔、控制偏心位移矢量的定位总成和翼肋。
主轴的一端接钻头，另外一端接稳定器。
在稳定器中还有与MWD连接的电源短节。
近钻头的传感器如钻头内外压力、钻头姿态等安装在不旋转套上的电子腔中，发射电路板、供电电池和发射换能器也安装在不旋转套内的电子腔中，它们在电子腔内并行放置着。
接收端供电电池、接收电路板和接收换能器在稳定器的电源短节中。
一种旋转机械振动信号小波去噪方法
动 信号 去噪 中 的应用 。针对 旋转 机械 故 障信 号的 特点 ，提 出 阈值 去 噪和 模极 大值相 结合 的 小波 去噪方 法对 振 动信 号进 行处 理 ，并利用 多种 指标 对 去噪 后信 号做 出全 而客观 的评价 。实 验结果 表 明该方 法 可 以有 效 的
提 高故 障信号信 噪 比，有 利于提 高后 期故 障诊 断的准 确率 。 关键 词 ：旋转机 械 小波 去噪 故障 检测 模极 大值 中图分类 号 ：Ｔ ５ ５ Ｂ ３ 文献标 志码 ：Ａ 文 章编 号： １ ０ ．８ ２２ １）３０ ６ －４ ０ ３４ ６ （０ ２０ ．０ １０
船 电技 术 １ 应用研究
一
种旋转机械振动信 号小波去噪ቤተ መጻሕፍቲ ባይዱ法
冯淞 景建 方 郭虎生
（ ． 军航 空军 械修 理所 上海 ２ ０ ０ ；２海 军 工程大 学 湖北 武 汉 ４ ０ ３ ） １ 海 ０ ００ ． ３ ０３
摘
要 ：针 对旋 转机械 的非平稳 振动 信 号难 以用 传统方 法 处理 的 问题 ，本 文讨 论 了小波 方法 在旋转 机械 振
ｒ ｔ ｉ ｇ ｏ ａｔｎ ｍａｃ ｎｅ ｙ ｈｉ ｒ ．
Ｋｅ ｒ ｓ ｒ ｔｔ ｇｍａ ｈｎ ｒ； ａ ｅｅ ｄ —ｏｓｎ ， ａ ｌｄａ ｎ ｓ ； ｄ ｌｓ ｘｍａ ｙｗｏ ｄ ： ｏａｉ ｃ ｉｅｙ ｗ ｖｌｔ ｎ ｉ ｇ ｆ ｕｔ ｉｇ ｏ ｅ ｍｏ ｕｕ ｉ ｎ ｅ ｉ ＂ ｍａ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
旋转导向工具中声波短传的信号处理方法研究
前言旋转导向闭环钻井技术是当今国内外开发的各种先进钻井技术与工艺中具突破性和战略意义的技术，它将计算机控制技术揉合于钻井工具，代表了当今世界钻井技术发展的最高水平。
西安石油大学井下测控研究所研究的可控偏心器是智能导向钻井工具，可实现井下闭环旋转导向智能钻井系统。
声波短传的提出要实现旋转导向闭环钻井就离不开地面和井下组合间的通讯，对于井下到地面的信号传输，石油界已有较为成熟且商业化的技术——随钻测量（MWD），该技术主要用来监测井下工作情况，并将其传输至地面。
但是近钻头数据的短距离传输目前还没有成熟的技术。
1993年以来，西安石油大学井下测控研究所一直致力于井下闭环旋转导向智能钻井系统的研究与试验，其中就包括把靠近钻头位置传感器采集的数据传送给主轴，最初是在可控偏心器主轴和不旋转套之间使用滑环来传输信号。
但是用这种方法传输信号时出现一些问题，因此最好的解决办法是研制出近钻头无线短传装置。
2007年，西安石油大学井下测控研究所致力于研究电磁遥测方法，根据可控偏心器这种特殊的结构，建立一套无线电磁短传系统。
研究的结果是：当发射线圈和接收线圈安装在钻铤的内部，泥浆完全导电，信号发射功率为0.3W时，接收端信噪比是-60dB。
但是，这种方法受井筒周围地层电导率的影响较大。
因此，本设计决定用声波实现从不旋转套到主轴的信号传输。
可控偏心器中的声波短传可控偏心器的机械结构主轴通过轴承的耦合穿过不旋转套，在不旋转套上有电子腔、控制偏心位移矢量的定位总成和翼肋。
主轴的一端接钻头，另外一端接稳定器。
在稳定器中还有与MWD连接的电源短节。
近钻头的传感器如钻头内外压力、钻头姿态等安装在不旋转套上的电子腔中，发射电路板、供电电池和发射换能器也安装在不旋转套内的电子腔中，它们在电子腔内并行放置着。
接收端供电电池、接收电路板和接收换能器在稳定器的电源短节中。
声波短传系统的组成（1）发射装置：发射电路对近钻头传感器送来的数据进行FSK（频移键控）调制，即在传输信号的最佳频率点附近选2个频率点作为调制二进制数据，然后通过耦合电路将调制后的FSK信号送入功率放大器，信号通过功率放大后再送入发射换能器。
发射换能器将该电流信号转换成声波信号。
而此声波信号在可控偏心器、钻井液、地层构成的回路中传输。
（2）接受装置：位于传输信道另一端的接收换能器将传输过来的声波信号转换成电流信号，将捕获到的信号反馈到小信号放大器，经过放大、噪声滤波、FSK解调以及信号检波等一系列功能模块的处理最终获得传输到MWD的数据，将此数据通过232口传送到PC机上绘图显示。
声波短传系统的原理框图如1所示。
图1 声波传输系统原理框图发射端信号处理调制方式及同步信号考虑到声波沿油管传输的声学特性和在可控偏心器传输时的频响曲线，因此利用2FSK调制，选取信道中衰减最小的6.8kHz和7.3kHz作为发射频率。
此外，为了在同步时能够进一步分析中低频段油管声信道的频率特性，选择线性调频信号LFM作为同步信号。
软件设计对C8051F060单片机、AD9833的I/O接口及交叉开关初始化。
AD9833初始化流程图。
在进行FSK调制时，AD9833的两个频率寄存器装载不同的频率值。
在本设计中，频率寄存器0装载低频率6830Hz，频率寄存器1装载高频率7230Hz。
主程序流程。
图2 AD9833初始化流程图图3 主程序流程写数据到控制寄存器单片机传送数据到AD9833的时序。
FSYNC引脚是使能引脚，电平触发方式，低电平有效。
进行串行数据传输时，FSYNC引脚必须置低。
需要注意的是，在FSYNC开始变为低前（即将开始写数据时），SCLK必须为高电平。
图4 单元机传送数据到AD9833的时序图单片机写16位数据到AD9833时，高位在前，低位在后。
用软件模拟时钟信号和片选信号。
传送数据的程序如下：SCLK=1;FSYNC=1;Delay(100);FSYNC=0;for(i=0;i<16;i++){ SDATA=datas&0x8000;S CLK=0;Delay(50) ;SCLK=1;datas=datas<<1;}Delay(50);FSYNC=1;SCLK=0;输出波形在示波器上观测FSK调制信号，可看到频率为7230Hz的正弦信号输出，实际输出频率为7.22985kHz。
接收信号处理接收处理过程由于声波传感器输出的是模拟信号，因此在进行ADC
采样之前必须进行信号的预滤波处理。
考虑到最大限度降低信号纹波的要求和滤波器的通带滤波特性，本设计中采用Butterworth型滤波器。
经过调理后的传感器信号还不能立即被单片机采样。
这是因为，传感器输出信号的范围是-5V～+5V，而单片机ADC模块的输入电压范围是0V～2.5V，所以调理后的传感器信号必须经过电压转换电路，由精密电压芯片AD780为单片机提供2.5V标准的ADC参考信号。
程序设计上位机应用程序是运用MATLAB的类（Serial）和m语言开发，辅以MATLAB的GUIDE工具箱，程序开发相对简单。
SoC的程序应用C语言编制。
下位机MCU接收到上位PC机的下发命令后，通过串口中断程序转入相应的子程序，执行相应操作，最后返回一个握手信号作为状态标志，确认命令是否被正确执行。
帧同步识别同步过程实际上就是寻找最大相关峰的过程。
先确定一个门限GATE，只有当乘累加的值大于GATE以后才开始比较相关峰。
GATE必须设定的意义有两条：(1)减少不必要的比较次数，提高程序执行效率；(2)将随机噪声和lfm信号乘累加得出的伪最大相关峰滤掉。
出现大于门限GATE乘累加值时，预示着真实的lfm信号可能到来。
找到相关峰值所在的位置，就可以知道信息码的起始位。
解调滤波器的软件设计设计中心频率为6830Hz的带通滤波器，其阶数为8阶，采样频率为100kHz，通带范围内的幅值衰减为1dB、阻带最小衰减为30dB。
根据以上参数来设计滤波器为：将高阶的IIR滤波器转换为一系列二阶IIR滤波器的级联。
从FDAtool中输出的分子系数为Num，分母系数为Den，增益为Gain。
滤波器的传递函数如下式所示：根据滤波技术要求在FDAtool中得到滤波阶数为8阶，系数采用4个二阶级联方式的IIR滤波器。
这四个二阶级联的根本形式是一样的，只是在于它的系数不同，滤波程序的编写可以采用for循环的形式，循环4次就可以构成一个点的滤波。
整体滤波的软件流程。
图5 四阶带通切比雪夫滤波器软件编程流程图本文通过调用MATLAB中Simulink的各功能模块构成数字滤波器的仿真框图。
通过Simulink环境下的数字滤波器设计模块导入FDAtool所设计的滤波器文件，反复进行仿真，以得出最好的滤波效果。
原始信号波形图和滤波后信号波形图分别是图6和图7所示。
从图7中可以看到经过离散采样、数字滤波后分离出了7kHz的频率分量。
图6 原始信号波形图图7 滤波后信号波形图解调结果与分析采用上述解调方法，在单片机C8051F060编写解调程序，通过适配器完成在线调试，采用最终调试成功的解码软件进行解码测试。
声波信号在可控偏心器中传输之后，接收端将接收到的信号进行调理、数据采集，采集信号的时域图，然后进入到解调程序中进行解调，在MATLAB中绘制图形。
可以看出，接收端信号经过解码之后的码元是1010101010101010，与发射端的信息码是一致的，说明解调成功。
图8 信号时域图图9 解码后的波形图结论在复杂的井下环境中，信息准确实时的传输非常重要。
本文采用2FSK技术处理旋转导向工具中的声波短传信号，相比于泥浆脉冲传输方式，信号传输速率更快。
同时在接收端设计了IIR滤波器，有效地克服了采用电磁波传输时衰减严重的问题。
此外，2FSK技术设备简单，解调方便，有利于推广使用。