我需要对积分过程进行频率分析,其中输入是扭矩,输出是位置。如果输入是正弦曲线,则输出变为如下:
我用来提取幅度比和相位的代码如下所示:
freq = 40;
freq_rad = freq * 2 * pi
phase_offset_rad = 30 * pi / 180
gain = 0
fs = 500;
L = 100;
t = (0:L-1)*(1/fs);
in = 2 * sin(freq * 2 * pi * t);
pos_in = [];
vel = 0;
pos = 0;
for i = 1:length(t)
vel = vel + in(i);
pos = pos + vel;
pos_in = [pos_in; pos];
end
out = pos_in;
%out = (2 + gain) * sin(freq * 2 * pi * t + phase_offset_rad);
fft_in = fft(in);
fft_out = fft(out);
[mag_in idx_in] = max(abs(fft_in));
[mag_out idx_out] = max(abs(fft_out));
phase = angle(fft_out(idx_out)) - angle(fft_in(idx_in))
phase_deg = phase / (pi / 180)
ratio = mag_out / mag_in
如果我在完全直的正弦信号上运行它,那么它可以完美地工作。但是一旦我添加了如上所述的失真,相位和幅度值都不正确。我想我需要以某种方式“压扁”信号。但我不确定如何从中提取正确的振幅。幅度是多少?我会说在输出中它是从一个“高原”到下一个测量的~45,因为那是事物的移动距离。这将是~22.5的比率。然而,计算结果是196。
也许我在想错了?我想最终使用实验数据推导出从扭矩输入到位置输出的传递函数。也许有人可以说明如何做到这一点?
我一直在想我能做的就是记录振幅比和相位,然后制作波特图并从中轻松提取传递函数。到目前为止,我还没有能够通过不同的输入频率获得运行测试的波特图。
答案 0 :(得分:2)
由于FFT假设您对完美的周期性信号(恰好是信号的一个周期)进行频率分析,因此fft(out)将包含非常大的功率干扰(请参阅Periodicity和Shift theorem)。 / p>
我相信,通过执行一些系统修改,您可以避免使用FFT分析工件。您可以估算系统+过滤器的传递函数,而不是估计系统的传递函数。即你必须通过高通滤波器传递系统的输出信号:
out = filter([1 -1], 1, out);
然后,您可以执行分析。
您可以通过freqz
函数估算过滤器的频率响应(在我的情况下只是H = fft([1 -1], length(out));
)。然后,您可以通过应用fft_out = fft_out ./ H(:);
的反向响应消除频域中的滤波器影响。另外,不要忘记在最大估计之前使第0个频率fft_out(1) = 0;
无效。
顺便说一下,不同频率的相位差估计看起来很奇怪(在你的代码phase = angle(fft_out(idx_out)) - angle(fft_in(idx_in))
中)。看起来你必须使用idx_in(或idx_out,取决于什么估计更可靠)的回合角度。
注意:这个答案不是完整的指南,可能需要一些现实生活中的改进。
P.S。尝试在实际应用中应用窗口进行频率响应估计(例如Hamming window)。
P.P.S尝试在https://dsp.stackexchange.com/
上提问<强>更新强> 在某些情况下,您可以对输入信号执行相同的线性输入信号转换,而不是忽略滤波器影响:in = filter([1 -1],1,in);