基于MATLAB复调制ZOOM-FFT算法的分析和实现
基于MATLAB复调制ZOOM-FFT算法的分析和实现2006年第4期舰船电子工程121滤波;使用函数来实现傅立叶变换次复数乘法。设数字滤波器的阶数为K,滤波器系数离线生成,则滤波需要DNK次复数乘法,则总4 Matlab仿真和验证的运算量为为验证上述算法及分析过程的正确性,在MatZFFTNloN+2N+DN·K(3)中产生一个正弦组合信号3随着细化倍数的增加,基带FFT和ZFFT的运算量x(t)=30cos(2m110t)+30cos(2x11145t)都会大幅度增加;zFF只有当细化频带较窄(此时+25cos(2x112.3t)+48cos(2m113.8t)无需数字滤波)或长序列的情况下,与基带FT相+50co(2x114.5t)比才具有运算量上的优势。分别利用基带FT和ZT对其进行谱分析ZFT算法存在自身的局限性,其存在的问题仿真条件:f=2048H,F点数N=1024,细化倍数D=50。基带FFT的频率分辨率4f=2H,历如下:(1)需要存放中间数据的内存空间巨大限制ZF的频率分辨率△f=0.04H。仿真结果如图了最大细化倍数2和图3所示。(2)采用具有线性相位的FIR数字滤波器实igure(n现抗混叠滤波,由于有限阶滤波器的吉布斯效应( Gibbs effect),滤波器截止频率处的频谱不可避免020040060080010001200会出现局部失真。(3)细化倍数越高,重釆样的选抽比越高,则细化带宽越窄。当需要细化的带宽较大时,必须进5行多次细化,这势必会增加计算量。Figure(4)频率成分调整较复杂。将FT和谱分析105110115130得到的频率成分调整到所选频带的频率成分式较Frequency(Hz复杂的过程,特别是为了避免低通抗混滤波器的边图3FF幅值频谱缘误差造成的频率混叠为了比较频率细化的效果,对图中谱线作了归化处理。图2中fgme(a)为原始信号,fgme(c)6小结为基带FYT处理后的幅值谱线,fgre(d)为移频后ZFT算法的关键在于利用傅立叶变换的移频基带FFT处理后的幅值谱线。由此图可以看出,基特性将感兴趣的高频段频率移至频谱原点,降低采带FFT的几个谱峰叠加为一个谱峰,各频率成分不可分辨。图3中fge(g)为重新采样后F处理样率重新釆样,从而获取较高的频率分辨率。它对后的幅值谱线,gure(h)为频率调整到实际频率处于获得某些特殊频段而不是整个带宽的信号细微的幅值谱线。此图中,因频率分辨率降低了D倍谱结构十分有用。该算法在实际工程技术中有较zF的幅值谱线中5条谱线清晰可见,说明ZF广泛的应用效果明显。参考文獻5ZF运算量和局限性讨论[1]胡广书.数字信号处理-理论、算法与实现[M]北京:清华大学出版社,1997当采用时域抽取FFT算法时,N点DT的复数[2] Vinay K ingle, John g proakis.数字信号处理及其乘法次数为l2N,复数加法次数为NN。为MATLAB实现[M].北京:电子工业出版社,1998[3]赵霞,熊小伏,郭珂.用细化频谱技术分析断路器简单起见,仅比较两种算法的复数乘法次数。操动机构振动信号[J.电力系统自动化,2003,(12):37设频率分辨率4f=fN,细化倍数D=△/404」f。要获得4/的分辨率,基带FFT的运算量为[4]丁康,谢明,张彼德等.基于复解析带通滤波器的FrTdN)lo复调制细化谱分析原理和方法[J.振动工程学报,2001,62(D14(1):30~35采用ZF算法,在复调制时只计算重采样的[5]宗孔德.多抽样率信号处理[M].北京:清华大学点,需N次复数乘法。同样,调制系数的计算也需N出版社,19基于 MATLAB复调制Z00M-FT算法的分析和实现旧WANFANG DATA文献链接作者:王力,张冰,徐伟, Wang li, Zhang bing, Xu Wei作者单位:王力,张冰, Wang Li, Zhang bing(江苏科技大学,镇江,212003),徐伟, Xu Wei(船舶系统工程部,北京,100036)刊名:舰船电子工程英文刊名SHIP ELECTRONIC ENGINEERING年,卷(期)2006,26(4)被引用次数:次参考文献(5条)1.宗孔德多抽样率信号处理19962.丁康;谢明;张彼德基于复解析带通滤波器的复调制细化谱分析原理和方法[期刊论文]振动工程学报2001(013.赵霞;熊小伏;郭珂用细化频谱技术分析断路器操动机构振动信号[期刊论文]电力系统自动化2003(12)4.陈怀琛数字信号处理教程- MATLAB释义与实现19985.胡广书数字信号处理一理论、算法与实现1997本文读者也读过(6条江波.唐普英基于复调制的ZooⅷFFT算法在局部频谱细化中的研究与实现[期刊论文]-大众科技2010(7)2.丁康.谢明.张彼德.赵玲.张晓飞. Ding Kang. Xie ming. Zhang bide. Zhao ling. ZHANG Xiaofei基于复解析带通滤波器的复调制细化谱分析原理和方法[期刊论文]-振动工程学报2001,14(1)3.罗利春. LUo Lic- hun zoom-FFT的改进、频谱反演与时-频局部化特性[期刊论文]-电子学报2006,34(1)4.戴振华.纪海林.徐运涛.DAⅠZhen-hua. JI Hai-1in.ⅫUYun-taoZ00MFFT算法在数字音频分析仪中的实现[期刊论文]-兵工自动化2007,26(10)5.黄镔.许婧.高峰.束洪春Z0OM-FFT在水电机组振动信号分析中的应用[期刊论文]-昆明理工大学学报(理工版)2002,27(5)6.王卫江改进的自适应Zoom-FFT算法研究[期刊论文]一电子技术应用2006,32(7)证文献(10条1.程兆刚.唐力伟.张淑琴.曹洪娜基于复调制Z0OM-FFT算法下阻尼比识别的研究[期刊论文]计算机与数字工程2012(1)2.刘树强.罗天.王宁.潘栋基于 Labview的异步电机转子断条检测[期刊论文]电子设计工程2011(3)3.王文森.邱宏安高精度超声流量检测系统设计[期刊论文]电声技术2011(2)4刘树强.罗天.谭兴文基于 Labview的笼型异步电动机转子断条故障在线检测系统[期刊论文]西南大学学报:自然科学版2011(9)5.王乐.苏小敏.杜林.李春化复白噪声中复正弦波频率估计方法硏究[期刊论文]火控雷达技术2011(36.周红霞.江佩勤.伍洲基于嵌入式系统的ZFFT移频轨道检测算法[期刊论文]通信技术2010(37.焦玮琦.陈特放基于局部频谱细化的轨道移频信号高精度检测[期刊论文]机车电传动2009(28.史瑞根.姚金杰基于 Labview的数字变频FFT设计[期刊论文]现代电子技术2009(7)9武中奇.杨世武丌FT算法在铁路移频信号分析中的应用及其DSP实现[期刊论文]铁道通信信号2008(7)10.时献江.张春喜.邵俊鹏异步电机断条故障诊断的细化包络方法[期刊论文]电机与控制学报2008(2)本文链接http://d.g.wanfangdata.com.cn/periodicaljcdzgc200604033.aspx
- 2020-12-08下载
- 积分：1
神策数据-大数据分析
大数据解决方案，用于网站、非BI的大数据分析解决方案。前言:大数据时代来临大数据时代已经到来,不同于以往的概念和趋势层面,行业领导者们(尤其是互联网、金融、零售、企业级服务等行业)在这一领域不断锐意进取,积极应用海量数据的采集和分析,实现端到端的深度洞察,调整战略和业务决策,改善核心业务运营,构建差异化竞争优势,向着以数据驱动为核心的方向前进Gartner预测,到2020年,大数据将成为主流的嵌入式技术,并被视为常规产品的一部分。麦肯锡在对200多家不同类型公司的实际调研中发现,无论B2B还是B2C公司都在通过数据驱动业务增长,其中B2B领域中,在数据驱动下的B2B领先企业的收入增长能力是普通企业的5倍、盈利能力高8倍、股东整体回报率高2倍。数据驱动能力正在成为企业重要变革和核心竞争力。2017年,随着机器学习、人工智能、物联网等技术的应用深化,必将推动大数据领域新一轮爆发式发展。走在前沿的领导企业和行业新锐,将进一步聚焦如何高效利用企业内外部产生的海量数据,拒绝“拍脑袋”,一切用数据说话!前25%的B2B领先企业其他的B2B企业5X~8X2X4.3%13.5%18.1%10.3%0.8%1.8%业绩增长利润增长股东回报率数据来源: McKinsey Digital Quotient, Capital IG目录公司简介01什么是数据驱动-02什么是用户行为分析03企业数据分析面临的挑战04神策分析(SA)是什么05神策分析(SA)的产品特点06产品架构图07案例精选互联网金融08消费电子16移动出行20企业服务24电子商务32传媒娱乐36医疗健康52公司简介Helo,Doer!你好,先行者!“数据源乃大数据之根基。管理数据源如扎根土壤,根基稳固方能避免“空中楼阁”。这是我在大数据行业工作近十年的最大心得,也是神策数据服务企业的核心理念驱动决策并未充分发挥大数据的全部价值,让产品智能化更代表行业发展方向。目前大部分数据分析产品可满足企业在决策层面的分析需求。在未来,随着大数据在行业应用的深化,必将更加依赖强健的数据仓库和灵活的平台开发能力,通过基础数据叠加算法模型,从而驱动产品智能化。”一神策数据创始人&CEO桑文锋谈数据驱动两点心得我们是谁神策数据( Sensors Data),隶属于神策网络科技(北京)有限公司,是一家专业的大数据分析服务公司,致力于帮助客户实现数据驱动●我们做什么神策分析( Sensors Analytics,以下简称SA),是针对企业级客户推出的深度用户行为分析产品,支持私有化部署、基础数据采集与建模、PaS平台深度开发,提供大数据相关咨询服务和完整的行业解决方案。我们的团队团队核心成员—一桑文锋(创始人&CE),曹犟(联合创始人&CTo),刘耀洲(联合创始人&C○O),付力力(联合创始人&首席架构师)均来自百度大数据部,从零构建了百度的日志分析大数据处理平台,在大数据分析领域有10年积累,实战经验丰富,数据分析技术领先。●资本的支持公司成立以来,获得线性资本、明势资本、薛蛮子的天使轮投资,红杉资本、DCM分别领衔的A、B两轮持续投资。●我们的服务神策数据积累了聚美优品、广发证券、融360、秒拍、ofo共享单车、百联集团等300余家付费企业用户的服务和客户成功经验,为客户提供全面的指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。01什么是数据驱动定义:通过数据采集、数据建模、数据分析,帮助企业高效获取数据并进行多维度、海量、实时的数据分析,从而驱动决策和产品智能化。驱动决策●运营监控拉新:吸引更多的新用户,不只是关心用户触达,还要关心用户激活。留存:让已有用户重复地使用产品,留存是节流,好的留存才让拉新有意义。变现:一个不能变现的产品不是好产品●产品改进构建:开发新功能。测量:对新功能的表现进行数据测量。学习:通过分析得出结论,对新功能进行调整,或转化为新功能。●商业决策客户分布,画像描述,指导商业扩张战,收购并购等战略决策。驱动产品智能机器学习、人工智能、物联网等新技术的最佳实践,必须建立在企业对大数据的应用能力之上,唯有打好数据基础并充分利用,才能实现产品智能化。什么是用户行为分析定义:通过获取用户行为数据,进行多维度、精细化的统计分析,从而还原用户使用场景。价值:用户行为分析是企业实现数据驱动的前提,丰富的用户行为数据为企业的运营改进、产品优化和商业决策提供基础。做好用户行为分析的两大关键因素数据采集要大、全、细、时大:宏观的大,而非数据量的大。全:多种数据源(客户端、服务器、数据库、历史数据导入)。细:多种数据维度、指标、属性。时:时效性——秒级处理,实时更新。有效的用户行为事件模型—事件( Event)+用户(User)规范并结构化用户行为。Who:参与此事件的用户事件 EventWhen:事件发生的实际时间Where:事件发生的地点事件模型How:用户进行事件的方式What:描述用户所做的事件的具体内容记录和收集用户的长期属性( User Profile)用户User通过ID与相关的 Event关联0203企业数据分析面临的挑战我国大多数企业的数据化建设道路仍刚刚起步,呈现以下特点企业内外部数据爆发式增长,企业对大数据价值认知程度不断提升数据采集缺失或埋点无序混乱,数据分析的工具运用能力、行业经验有限。Q数据安全问题成为企业数字化进程的最大顾虑。在实际的业务应用中,数据分析方面的常见问题¤目拍脑袋:无数据分析支撑,依靠“拍脑袋”决策。分析浅:有数据仪表盘,但统计内容泛泛,难以深挖真实原因。效率低:多业务线的数据分析需求旺盛,工程师团队手工“跑”表,效率低下,错过业务最佳决策时机不匹配:工程师从系统导出的报表与业务的需求不匹配,造成“鸡同鸭讲”数据孤岛:CRM、ERP等业务系统数据无法打通,且跨部门、多业务线数据完全独立,无法全局分析。神策分析(SA是什么神策分析是针对企业级客户推岀的深度用户行为分析产品,支持私有化部署、基础数据采集与建模、PaS平台深度开发,提供大数据相关咨询服务和完整的行业解决方案。无论是新兴互联网公司,还是正在进行数字化转型的企业,神策分析(SA)帮助您勾勒精准用户画像、有效评估营销效果、分析运营活动、优化产品体验,真正实现数据驱动。勾勒精准用户画像有效评估营销效果分析运营活动优化产品体验0405神策分析(SA)的产品特点可私有化部署基础数据采集与建模不仅提供Sas公有云部署,多种埋点方式支持客户端、服更支持私有化部署模式,打造务器日志、业务数据库、第三企业专属的数据平台,消除数方服务、历史数据导入等全端据安全顾虑。数据采集,无死角的数据采集是一切分析的前提。用户分群,精益分析多维度分析通过用户分群,进行目标市场轻松上手事件、漏斗、留存的细分,实现精细化和差异化访问等分析模型,灵活组合、用户运营。秒级响应,探索不同业务中的关键行为,洞察指标背后掩藏的问题。PaaS平台深度开发行业方案完全开放的数据接入,实时访为电商、互联网金融、企业服问数据,无缝对接内部业务系务、视频直播、游戏、在线教666统,满足灵活多变的深度分析育等行业打造了专业的用户行需求。为解决方案,快速开启您的数据驱动之旅。
- 2020-12-03下载
- 积分：1
