【摘要】:进行FRF估计时,需要对每个频率进行估计。因而,所有的激励力测量都是准确的,但输出响应包含噪声,因此对N个响应测量进行最小二乘估计,使得响应中的噪声最小化。由于输入没有噪声,因此最后计算FRF时,用的是输入-输出的互谱与输入的自谱的比值,如图5-15左侧部分所示。H2估计与H1估计刚好相反,假设输出响应无噪声,输入激励有噪声。图5-15 三种估计类型
我们之前所讨论的频响函数计算公式是理想的情况,其输出完全由输入引起,没有任何噪声混杂进来。实际上这是不可能的,输入输出中必然会包含噪声(此处的噪声是指干扰),因而人们为了减少噪声的影响,提出了各种估计方法用于从实际测量的输入和输出信号中估计出频响函数。进行FRF估计时,需要对每个频率进行估计。
H1是最常用的估计类型,它假设输入没有噪声,输出有噪声。因而,所有的激励力测量都是准确的,但输出响应包含噪声,因此对N个响应测量进行最小二乘估计,使得响应中的噪声最小化。由于输入没有噪声,因此最后计算FRF时,用的是输入-输出的互谱与输入的自谱的比值,如图5-15左侧部分所示。
H2估计与H1估计刚好相反,假设输出响应无噪声,输入激励有噪声。因而,所有的响应测量都是准确的,但输入激励包含噪声,因此对N个输入测量进行最小二乘估计,得到噪声最小的输入。由于输出没有噪声,计算FRF时,用的是输出的自谱与输入-输出的互谱的比值,如图5-15中间部分所示。
Hv估计是假设输入-输出中都包含噪声,因此,需要对输入和输出都采用最小二乘估计,得到噪声最小的输入和输出,然后再计算FRF,如图5-15右侧部分所示。(www.xing528.com)
图5-15 三种估计类型
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。