君，已阅读到文档的结尾了呢~~
广告剩余8秒
文档加载中
EEMD在道路载荷谱降噪处理中的应用降噪,应用,中的,EEMD的,EEMD,载荷谱,降噪处理,道路载荷谱,疲劳载荷谱,随机载荷谱
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
EEMD在道路载荷谱降噪处理中的应用
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口EEMD在电力谐波检测中的应用--《电力系统及其自动化学报》2016年08期
EEMD在电力谐波检测中的应用
【摘要】：为了克服基于经验模态分解方法 EMD在谐波检测中出现的模态混叠问题,提出采用基于总体平均经验模态分解(EEMD)的希尔伯特-黄变换(HHT)谐波检测方法。采用EEMD对含有谐波的负载电流进行分解,获得固有模态函数后,再进行HHT,求出基波以及各次谐波的幅值、相位、瞬时频率等信息。该算法在负载突变时自适应能力强,检测精度高,实时性好。仿真实验结果表明,EEMD方法在分解过程中不会出现模态混叠现象,克服了EMD的不足,同时基于数据采集卡的谐波检测平台的测试结果进一步证明了该方法的可行性。
【作者单位】：
【关键词】：
【基金】：
【分类号】：TM935【正文快照】：
近年来,随着电力电子技术的迅猛发展,电力系统中具有非线性或时变性的负荷不仅数量增长迅速,而且潜在的负作用日益突出,它们的大量使用导致电网中电压和电流波形发生严重畸变,谐波含量不断上升,电力谐波成为影响电能质量的主要因素之一,因此,为了分析和治理电力谐波,研究如何
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
李敏;武小红;郭先定;;[J];电气应用;2006年01期
陆永平;杨贵杰;;[J];微电机(伺服技术);2006年03期
周林;甘元兴;;[J];电力电子技术;2006年05期
何光普;张建平;李敏;;[J];微计算机信息;2007年22期
曲轶龙;谭伟璞;马垚;杨以涵;;[J];电力系统自动化;2008年23期
董立骏;靳希;屈克庆;;[J];华东电力;2009年01期
王炽;方华;;[J];电子科技;2013年06期
吴文博;吴雷;;[J];电子设计工程;2013年08期
谢明磊;丘东元;张波;;[J];电气应用;2008年12期
廖延娜;梁青;;[J];电子科技;2009年06期
中国重要会议论文全文数据库
王一军;吴伟标;于晶荣;粟梅;;[A];中南六省（区）自动化学会第二十九届学术年会论文集[C];2011年
徐敏;吴越涛;赵剑锋;;[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年
余秀月;;[A];广西电机工程学会第七届青年学术交流会论文集[C];2002年
于宁国;王立;陈允平;;[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年
李燕;于宁国;;[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年
郭鑫;袁海文;弭寒光;夏文岳;;[A];第20届测控、计量、仪器仪表学术年会论文集[C];2010年
周文晖;林丽莉;周兆经;;[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年
杨润贤;郑恩让;高森;;[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年
李益华;段虎;;[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年
康明才;沈天平;黄锦安;;[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年
中国重要报纸全文数据库
宋元;[N];华东电力报;2010年
中国博士学位论文全文数据库
杜天军;[D];电子科技大学;2006年
付光杰;[D];大庆石油学院;2008年
中国硕士学位论文全文数据库
高文婷;[D];南京理工大学;2009年
吉晓青;[D];河北大学;2015年
蒋艳;[D];南京理工大学;2015年
李彦楠;[D];哈尔滨工业大学;2015年
冯刚;[D];电子科技大学;2014年
陆建龙;[D];湘潭大学;2015年
王志达;[D];华北电力大学;2015年
刘辉;[D];大连海事大学;2016年
张龙水;[D];东北石油大学;2010年
张博;[D];西安科技大学;2006年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号????第27卷??第3期；文章编号:10)03-0；计??算??机??仿??真；2010年3月????；EEMD分解在电力系统故障信号检测中的应用；陈??可,李??野,陈??澜；(1.西北工业大学自动化学院,陕西西安71007；摘要:针对经验模态分解(EMD)的希尔伯特-黄变；EnsembleEmpiricalModeDec；Pow
????第27卷??第3期
文章编号:10)03-0263-04
计??算??机??仿??真
2010年3月????
EEMD分解在电力系统故障信号检测中的应用
陈??可,李??野,陈??澜
(1.西北工业大学自动化学院,陕西西安.西北工业大学动力与能源学院,陕西西安710072)
摘要:针对经验模态分解(EMD)的希尔伯特-黄变换(HHT)在电力系统故障信号检测问题,应用存在的模态混叠会导致扰动信号检测失效,为此提出一种基于聚类经验模型分解(EEMD)的故障信号检测的方法。方法通过多次对目标数据加入随机白噪声序列以保证不同区域信号映射的完整性,并且克服了传统EMD分解造成的模态混叠问题,通过EEMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,利用Hilbert谱对故障暂态和扰动时刻进行检测,通过瞬时频率实现对故障暂态和扰动时刻的准确定位。通过数字仿真分析表明,方法是准确有效的。关键词:聚类经验模态分解;希尔伯特-黄变换;故障检测中图分类号:TM715????文献标识码:B
EnsembleEmpiricalModeDecompositionfor
PowerQualityDetectionApplications
CHENKe,LIYe,CHENLan
(1.CollegeofAutomation,NorthwesternPolytechnicalUniversity,Xi??anShanxi.CollegeofPowerandEnergy,NorthwesternPolytechnicalUniversity,Xi??anShanxi710072,China)ABSTRACT:Accordingtothemodemixingproblemcausedbyempiricalmodedecomposition(EMD),theHilbert-HuangtransformbasedonEnsembleEmpiricalModeDecomposition(EEMD)isintroducedintofaultsignaldetec??tionofpowersystem,
itcanovercomethemodemixingproblemin?agreatextent,andensurethephysicalmeaning
ofsignalcomponents.Thesignalisfirstlydecomposedintointrinsicmodefunction(IMF)bytheEEMDmethod,thenHilbertspectrumisobtainedformHilberttransform.Thetransientanddisturbancescanbeanalyzedanddetectedac??curatelythroughtheHilbertspectrum.Simulationresultsshowthatthemethodcanbeappliedtofaultsignaldetectionofpowersystemeffectively.
KEYWORDS:EEMD;Hilbert-HFaultdetection
电力系统发生故障后,其故障信号中包含了大量的非基频暂态信号,且这种故障暂态分量随着时间、故障点位置、故障点过渡电阻以及系统工况的不同而变化,它是一种典型的非平稳随机过程。如何快速地检测出故障时刻,并准确地对故障信号进行分析,如何实现故障暂态和扰动时刻的准确定位,从而确保电力系统保护装置的及时启动是一个亟待解决的检测问题。传统的傅立叶变换是一种全域变换,它不能反映非平稳信号统计量的时间特征,不能满足非平稳的电力故障信号检测;小波变换在时域和频域同时具有良好的局部化性质,已被广泛地应用到电力系统故障时刻检测、电能质量扰动、行波信号的奇异性检测等方面,但是小波变换的有效性依赖于小波基函数的选取,有时还存在随着尺度增大相应
正交基函数频谱局部性变差的缺陷,造成无法对信号进行精确的时频分析[1]。
希尔伯特-黄变换(Hilbert-HuangTransform,HHT)是继小波变换之后,于1998年提出的又一种主要用于非平稳信号分析的新方法[2]。HHT方法首先通过经验模态分解(EmpiricalModeDecomposition,EMD)对非线性、非平稳数据进行线性和平稳化处理,以得到固有模态函数(IntrinsicModeFunction,IMF)分量,再对数据进行Hilbert变换,计算各自的瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱。该方法既吸取了小波变换的多变分析优势,又避免了小波变换中需要选取小波基的困难,且具有良好的局部适应性。EMD可对信号进行自适应的分解,不仅适用于平稳信号也适用于非平稳信号。该方法自提出以来已被广泛地应用于电力系统中,并体现了很高的应用价值[3-6]。但EMD分解自身也存在一些不足,例如当数据不是纯的白
收稿日期:??修回日期:
噪声,EMD分解会出现模态混叠(ModeMixed)现象。文献[7]对EMD方法进行了改进,提出了白噪声聚类经验模型分解方法(EnsembleEmpiricalModeDecomposition,简称EE??MD)方法,有效地解决EMD方法的模型混叠问题。本文把基于EEMD的HHT引入到电力系统故障信号检测中,对故障暂态和扰动信号进行了分析,克服了模态混叠现象,通过瞬时频率实现了故障暂态和扰动时刻的准确定位。
把r1作为?新(信号重复以上筛分步骤,直到第n阶的残余信号成为单调函数,不再能筛分出IMF分量:
rn=rn-1-hn
3)数学上,X(t)可表示为n个IMF分量和一个残余项的
上式中,rn(t)为残量,代表信号中的平均趋势,而各IMF
2??基于EMD及改进方法EEMD的Hilbert变换
2.1??Hilbert变换
对一连续的时间信号X(t),它的Hilbert变换Y(t)为:
其反变换为:
分量hj(t)则分别代表信号从高到低不同频率段的成分,每一频率段所包含的频率成分是不同的;同一IMF分量中,不同时刻处的瞬时频率也是不同的,这种不同频率成分的局部时间分布式随信号本身的变化而变化。
Huang给出的筛分过程结束的标准是一种类似于Cauchy收敛准则的理论上的标准[2],它定义了如下的标准偏差:
X(t)与Y(t)形成复共轭对,解析信号:
Z(t)=X(t)+jY(t)=a(t)ej
|hk(t)-hk-1(t)|2
|hk-1(t)|2
通常SD将的取值定在0.2到0.3之间,即满足0.2&SD&0.3时筛分过程即可结束。此标准的物理考虑为:既要使得hk(t)足够接近IMF的要求,又要控制筛分的次数,从而使所得到的IMF分量保留原始信号中幅值调制的信息。本文SD取值为0.27。
以均匀分布在时间 频率尺度上的白噪声为信号,用实验的方法对EMD分解及其IMF函数的特性进行了研究与分析[8]。通过大量数据的实验研究表明,EMD分解作用像一个有效的二进滤波器,能够将白噪声分解为具有不同平均周期的一系列IMF,而平均周期严格地保持为前一个IMF的两倍。但当数据不是纯的白噪声时,一些尺度会丢失,这样就会出现模态混叠现象。所谓模态混叠,即一个IMF分量包括了尺度差异较大的信号,或是一个相似尺度的信号出现在不同的IMF分量中。模态混叠的原因是信号的间断,这种间断不仅仅在时频分布中引起了严重的混叠,而且使单独的IMF分量缺乏物理意义。现实中的所有数据都融合了信号和噪声,因此EMD的模态混叠现象是不可避免的,这是原始EMD方法的主要不足之一。
针对EMD方法的不足,提出了一种噪声辅助数据分析方法EEMD[7]。EEMD分解原理为:当附加的白噪声均匀分布在整个时频空间时,该时频空间就由滤波器组分割成的不同尺度成分组成。当信号加上均匀分布的白噪声背景时,不同尺度的信号区域将自动映射到与背景白噪声相关的适当尺度上去。当然,每个独立的测试都可能会产生非常嘈杂的结果,这是因为每个附加噪声的成分都包括了信号和附加的白噪声。既然在每个独立的测试中噪声是不同的,当使用足够测试的全体均值时,噪声将会被消除。全体的均值最后将会被认为是真正的结果,唯一持久稳固的部分是信号本身,所加入的多次测试是为了消除附加的噪声[7,9]。
EEMD的过程如下:
其中瞬时振幅:a(t)=[X2(t)+Y2(t)]2瞬时频率:f(t)=
2.2??EMD及其改进方法EEMD
EMD方法分解信号基于以下三条假定:?信号具有至少两个极值点
一个极大值点和一个极小值点;%特征时间尺度定义为相邻极值点之间的时间间隔;&如果信号没有极值点而仅有拐点,那么在对其分解之前首先将其微分一次或者多次以获得极值点,然后对所得结果进行积分就可以得到相应的分量。特征模式函数(IMF)是满足以下两个条件的函数:
1)整个时间历程内,穿越零点的次数与极值点数相等或至多相差1。
2)信号上任意一点,由局部极大值定义的上包络线和由局部极小值定义的下包络线的均值为0,即信号关于时间轴局部对称。
EMD具体实现是通过一种被称为?筛分(处理的过程实现的信号分解。具体处理过程如下:
1)对任一给定信号X(t),首先确定出X(t)上的所有极值点,用三次样条曲线连接所有极大值点形成上包络线,再用同样的方法形成下包络线。数据X(t)与上下包络线的均值m1的差记为h1,则
h1=X(t)-m1
将h1视作新的X(t),重复1),直到h1满足IMF的两个条件时,则其成为从原始信号筛选出的第一阶IMF。通常第一阶IMF分量h1包含信号的最高频成分。
2)将h1从X(t)中分离出来,得到一个去掉高频分量的差值信号r1:
r1=X(t)-h1
1)在目标数据上加入白噪声序列;2)将加入白噪声的序列分解为IMF;
3)每次加入不同的白噪声序列,反复重复步骤1)、步骤2);
4)把分解得到的各个IMF的均值作为最终的结果。2.3??Hilbert谱
对每一个IMF(hj(t))作Hilbert变换后可得
图3??EEMD分解信号的IMF分量及余项
式(9)即为Hilbert幅值谱,简称为Hilbert谱。
本文应用EEMD分解以及相应的Hilbert谱信号分析方法即基于EEMD的Hilbert变换。
sin(2??t*50)+0.5sin(2??nt*50)
0.04s,0.12s?
5[sin(2??t*50)+
0.5sin(2??nt*50)]????????????????0.04s?
采用EEMD对其进行分解,IMF分量及其Hilbert谱分别如图4、图5所示。
3??故障检测仿真分析
为了更加形象地说明噪声辅助数据分析方法EEMD在解决模态混叠现象中的效果,下文用一个例子来比较EEMD和EMD方法。图1为一类产生模态混叠的典型数据,该数据的基本部分为单位幅值的低频正弦,在低频正弦峰值中间叠
加了高频的扰动信号。
图1??间断信号
图4??采用EEMD的仿真信号IMF分量及余项
图2??EMD分解信号的IMF分量及余项
图2和图3分别为间断信号的EMD和EEMD,从图2可以看出EMD分解的信号产生了严重的模态混叠,而图3中EEMD分解的信号很好地分离高频扰动信号和单位幅值的低频正弦,克服了模态混叠现象,得到的IMF分量具有明显的物理意义,保持了EMD分解的自适应特性,显示了EEMD分解的优越性。
谐波在电力系统中是大量存在的,它的存在往往使一些方法失效或精度大大降低[6]。模拟扰动信号为含三次谐波的电压凹陷。即n=3,采样频率Fs=4000Hz
图5??仿真信号的Hilbert谱
图4中IMF分量无模态混叠现象,有明显的物理意义,图5中显然电压凹陷除在发生和终止时刻外,各段时间信号都是连续的,频率突变点清晰可见,从图5中的仿真信号Hilbert谱可以精确地检验到扰动发生和终止时刻,与模拟扰动完全一致。
4??仿真实例
电力系统发生故障时,故障信号中包含了大量的非基频暂态信号,它是突变的,在突变点会表现为频率的急剧变化。本文对故障电流的故障暂态和扰动时刻进行检测,将故障电流信号用基于EEMD的方法自适应的分解成多个IMF分量,在很大程度上克服了EMD产生的模态混叠问题,保证了IMF分量具有实际的物理意义,故障电流的IMF分量反应在Hilbert谱上是间断不连续的,从而通过瞬时频率的突变实现了对故障开始和结束时刻的准确检测。
同步电机是电力系统中的重要元件,当其突然短路所产生的冲击电流可能达到额定电流的十几倍,对电机本身和相关的电器设备都可能产生严重的危害。本文采用Matlab/Simulink环境下的PSB模型库对同步电机进行故障仿真。采用简化的同步电机、三相并联RLC负载和三相电路短路故障发生器实现同步电机三相短路。
图6为同步电机三相短路A相接地故障电流时域图。设定在0.1s时,三相电路故障发生器闭合,此时发生三相电路短路,其电流变大。在0.2s时,三相电路故障发生器打开,故障排除,
电流恢复稳态运行。
束时刻,分别为0.1s和0.2s,与预先的设想完全一致,完成了故障时刻的检测,实例说明了方法的有效性。
采用EEMD代替EMD分解在很大程度上克服了模态混叠现象,很好地保证IMF分量具有清晰的物理意义,即在不同的IMF分量中给出故障信号所含的不同频率成分。仿真实验结果表明,该方法能清晰有效的显示电力系统暂态故障信号的特征,通过瞬时频率实现对故障暂态和扰动时刻进行准确的定位。参考文献:
[1]??祝志慧,孙云莲,李洪.基于EMD的时频分析方法的电力故障
信号检测[J].武汉大学学报(工学版),):119-112.
[2]??NEHuang,ZShen,SRLong.TheEmpiricalModeDecomposi??
tionandtheHilbertSpectrumforNonlinearandNon-stationaryTimeSeriesAnalysis[C].Proc.R.Soc.LondonA,-995.
[3]??ZLu,JSSmith,QHWuandJFitch.Empiricalmodedecompo??
sitionforpowerqualitymonitoring[J].ProceedingsofIEEE/PESTransmissionandDistributionExposition:AsiaandPacific,.
[4]??钱勇,等.基于经验模态分解的局部放电去噪方法[J].电力系
统自动化,):53-56
[5]??李天云,赵妍,李楠.基于EMD的Hilbert变换应用于暂态信号
分析[J].电力系统自动化,):49-52.
[6]??孙云莲,罗卫华,李洪.基于EMD的ICA方法在电力载波通信
信号提取中的应用[J].中国电机工程学报,):
图6??同步电机三相短路故障电流
[7]??ZWuandNEHuang.EnsembleEmpiricalModeDecomposition
ANoise-AssistedDataAnalysisMethod[R].Calverton:CenterforOcean-Land-AtmosphereStudies,2005.
[8]??ZWuandNEHuang.Astudyofthecharacteristicsofwhitenoise
usingtheempiricalmodedecompositionmethod[J].Proc.R.Soc.Lond.A,7-1611.
[9]??张佳芳.基于EEMD的车内语音增强研究[D].杭州:浙江大
硕士学位论文学,2007
[作者简介]
图7??故障电流IMF分量的Hilbert谱
陈??可(1982-),男(汉族),陕西西安人,硕士研
究生,主要研究领域为计算机控制等;
图7为故障电流IMF分量的Hilbert谱,从图中可以清晰地看出故障电流的IMF分量在0.1s时瞬间频率发生急剧变化,0.2S时瞬间频率又突变恢复到之前的频率,Hilbert谱在0.1s和0.2s处是间断不连续的,而其它时刻都是连续的,这两处间断点真实反映了图6中模拟故障的发生时刻和结
李??野(1983-),男(汉族),辽宁锦州人,硕士研
究生,主要研究领域为计算机信息等;
陈??澜(1965-),女(汉族),山西人,副教授,硕士
生导师,主要从事控制理论及仿真方面的研究。
三亿文库包含各类专业文献、生活休闲娱乐、专业论文、文学作品欣赏、幼儿教育、小学教育、各类资格考试、高等教育、95EEMD分解在电力系统故障信号检测中的应用_图文等内容。　
　基于 EEMD 与 SVM 的配电网故障选线方法 52……改进的 EMD 方法在局部放电...局部均值分解在电力系统间谐波和谐波失真信号检测中的应用 96……一种求解环境... 　基于电机电流 EEMD 分解的煤矿设备故障诊断方法 7…...增强现实技术在电力系统故障源标识中的应用 31……...机电设备早期故障微弱信号的非线性检测方法及工程应用... 　基于电机电流 EEMD 分解的煤矿设备故障诊断方法 3…...基于频域信号的稀疏编码在机械故障诊断中的应用 48…...基于电力变压器振动信息的绕组形变诊断方法 60……... 　电力设备局部放电超高频信号检测用新型微带天线 1/6...EEMD 在电力谐波检测中的应用 15……浅谈电力营销...煤矿供电系统中继电保护及故障检测 37……采用改进... 　基于压缩感知的电力信号压缩与重构研究 3……基于 ...EEMD 在电力谐波检测中的应用 25……电力设备制造...暂态过电压检测电力变压器绕组匝间短路故障 49……高... 　另外,电动机驱动系统故障信号中往往含有大量时变、短时冲击、突变 成分,从而使得在电力系统故障诊断和检测中广泛应用的适合于平稳信号处 理的传统分析方法产生很大的... 　的应用等, 在电力系统的运行过程中,时常会发生故障...网,这三组 对称序分量可分别按对称的三相电路分解...测信号,提取方差、 幅值、频率等特征值,从而检测出... 　在电力系统故障分析中的应用学 生:xxx 指导老师:...信号处理与通讯、图像处理、信号检测、金融建模设计与...电压分解成三组对称的正序相量、负序相量和零序相... 　的电力系统自动化装置提供了技术条件,电力开关 信号检测、 模拟量检测(电力变送...故障录波器替代了机械光学结构原理的老式录波装置;微机远动装 置及巡回检测设备...您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于自相关分析和EMD理论的齿轮故障诊断方法研究.pdf 71页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：250 &&
基于自相关分析和EMD理论的齿轮故障诊断方法研究
你可能关注的文档：
··········
··········
--------------------------Page1------------------------------内蒙古科技大学硕士学位论文faulttype,Finally,throughtherelevantequipmentacquisitionarerespectivelythegearwearandgeartoothrootcrackfailureofgearvibrationsignals,theresultsshowthatthecomprehensiveapplicationofthetimedomainanalysis,powerspectralanalysis,autocorrelationanalysis,theEMDtheoryandenergyoperatordemodulatingmethodcaneffectiveandcomprehensivediagnosisthefaultofgear.Keyword:GTheautThetheoryofEMD;DDiagnosismethodIII--------------------------Page2------------------------------内蒙古科技大学硕士学位论文目录摘要..........................................................................................................................IAbstract..........................................................................................................................II1绪论............................................................................................................................11.1课题的研究背景..............................................................................................11.2齿轮故障诊断技术的研究现状与发展..........................................................11.3齿轮故障产生的机理......................................................................................31.3.1齿轮失效的基本形式...........................................................................41.3.2齿轮振动信号分析...............................................................................51.3.3齿轮典型故障特征...............................................................................71.4常见的齿轮故障诊断方法..............................................................................71.4.1时域分析方法.......................................................................................81.4.2频谱分析方法.......................................................................................81.4.3时频域联合分析方法...........................................................................91.4.4解调分析方法............................................................
正在加载中，请稍后...}