《信號與測試技術(第2版)》介紹了連續(xù)時間信號分析、離散時間信號分析以及測試中幾種信號檢測與變換方法和技術;介紹了自動化檢測系統(tǒng)中常用的電阻變換原理、電容變換原理、電磁變換原理、壓電式測量原理和諧振式測量原理等;介紹了相對位移、運動速度、加速度、轉(zhuǎn)速、振動、力、扭矩、壓力、溫度、流量等參數(shù)的測量系統(tǒng);介紹了測試系統(tǒng)靜態(tài)與動態(tài)基本特性與測試數(shù)據(jù)處理方法。
為便于讀者學習與掌握《信號與測試技術(第2版)》的主要內(nèi)容,在一些章節(jié)配有一定的實例分析;在每一章都配有習題與思考題。
《信號與測試技術(第2版)》可作為自動化、電氣工程及其自動化、信息工程、測控技術與儀器、機械工程及自動化、機械電子工程等專業(yè)本科生的教科書或參考書,也可供相關專業(yè)的師生和有關工程技術人員參考。
第0章 緒論
0.1 引言
0.2 測試技術的功能
0.3 測試技術研究的主要內(nèi)容
0.3.1 測量原理
0.3.2 測量方法
0.3.3 測量系統(tǒng)
0.3.4 數(shù)據(jù)處理
0.4 信號與測控技術
習題與思考題
第1章 信號分析與處理基礎
1.1 信號分析和處理概述
1.1.1 信息和信號
1.1.2 信號分析、信號處理
1.1.3 基本的連續(xù)信號
1.2 連續(xù)信號的時域分析
1.2.1 連續(xù)信號的時域分解
1.2.2 卷積法求線性非移變系統(tǒng)零狀態(tài)響應
1.3 周期信號的頻譜分析——傅里葉級數(shù)
1.3.1 三角函數(shù)形式的傅里葉級數(shù)
1.3.2 指數(shù)形式的傅里葉級數(shù)
1.3.3 周期信號的功率譜
1.4 非周期信號頻譜分析——傅里葉變換
1.4.1 傅里葉變換
1.4.2 典型非周期信號的頻譜
1.4.3 傅里葉變換的性質(zhì):
1.5 周期信號的傅里葉變換
1.5.1 復指數(shù)、正弦、余弦信號的傅里葉變換
1.5.2 一般周期信號的傅里葉變換
1.5.3 周期信號與單周期脈沖信號頻譜間的關系
1.6 能量譜
1.7 抽樣信號的傅里葉變換
1.7.1 時域抽樣
1.7.2 抽樣定理
習題與思考題
第2章 離散時間信號分析
2.1 離散時間信號——序列及其z變換
2.1.1 序列
2.1.2 基本序列
2.1.3 序列2變換的定義
2.1.4 z變換的收斂域
2.1.5 z變換的性質(zhì)
2.1.6 z反變換
2.2 序列的傅里葉變換
2.3 離散傅里葉級數(shù)(DFS)
2.3.1 傅里葉變換在時域和頻域中的對偶規(guī)律
2.3.2 離散傅里葉級數(shù)DFS
2.4 離散傅里葉變換(DFT)
2.4.1 離散傅里葉變換(DFT)定義式
2.4.2 離散傅里葉變換與序列傅里葉變換的關系
2.4.3 離散傅里葉變換的性質(zhì)
2.5 快速傅里葉變換(FFT)
2.5.1 DFT直接運算的問題和改進思路
2.5.2 基2按時間抽取的FFT算法(時析型)
2.5.3 IDFT的快速算法(IFFT)
2.6 離散傅里葉變換的應用
2.6.1 用FFI、實現(xiàn)快速卷積
2.6.2 連續(xù)時間信號的數(shù)字譜分析
2.6.3 FFT在動態(tài)測試數(shù)據(jù)處理中的應用
2.7 二維傅里葉變換
2.7.1 二維傅里葉級數(shù)
2.7.2 二維傅里葉變換
習題與思考題
第3章 測試中幾種重要的信號檢測和變換方法和技術
3.1 信號的相關分析與檢測
3.1.1 信號的相關函數(shù)
3.1.2 信號的相關檢測技術
3.1.3 相關檢測在硅諧振式微傳感器動力學特性檢測中的應用
3.2 沃爾什變換
……
第4章 變電阻測量原理
第5章 變電容測量原理
第6章 變磁路測量原理
第7章 壓電式測量原理
第8章 諧振式測量原理
第9章 相對位移測量系統(tǒng)
第10章 運動速度、轉(zhuǎn)速、加速度和振動測量系統(tǒng)
第11章 力、轉(zhuǎn)矩測量系統(tǒng)
第12章 壓力測量系統(tǒng)
第13章 溫度測量系統(tǒng)
第14章 流量測量系統(tǒng)
第15章 測試系統(tǒng)的靜態(tài)特與數(shù)據(jù)處理
第16章 測試系統(tǒng)的動態(tài)特性與數(shù)據(jù)處理
參考文獻
在各個領域的科學研究中,通常需要對反映事物的多個變量,進行大量的觀測,收集大量數(shù)據(jù),以便進行分析尋找規(guī)律。多變量、大樣本無疑會為科學研究提供豐富的信息,但也在一定程度上增加了數(shù)據(jù)采集的工作量,更重要的是在大多數(shù)情況下,許多變量之間可能存在相關性,增加了問題分析的復雜性,對分析帶來不便;如果分別分析每個變量,分析又是孤立的,不能得到綜合的信息;盲目減少分析的變量,又可能會損失很多信息,容易產(chǎn)生錯誤的結論。這就需要找到一個合理的方法,在減少分析變量的同時,盡量減少信息的損失,對所收集到的數(shù)據(jù)作全面綜合的分析。人們力求能夠找出他們當中的少數(shù)“典型代表”,來進行分析描述,主成分分析法就是這類降維方法之一,它把給定的一組相關變量通過線性變換轉(zhuǎn)換成另一組不相關的變量,這些新的變量按照方差依次遞減的順序排列。若每個數(shù)據(jù)點是n維的,即每個觀測值是n維空間中的一個點。希望把n維空間用低于n維空間的維數(shù)表示。在變換中保持變量的總方差不變,使第1變量具有最大的方差,稱為第1主成分,其次大的是第2變量的方差,并且和第1變量不相關,稱為第二主成分。依次類推,1個變量就有1個主成分。主成分分析經(jīng)常用減少數(shù)據(jù)集的維數(shù),同時保持數(shù)據(jù)集的對方差貢獻最大的特征,這是通過保留低階主成分,忽略高階主成分做到的。這樣低階成分往往能夠保有數(shù)據(jù)的最重要方面。但是,這也不是一定的,要視具體應用而定。