健康资讯 我所负责的第一款使用了FFT算法的产品是于2007年开发的电能质量监控仪。
该产品有以下功能：
对电力系统的基本数据实时监测，包括电流、电压、有功功率、无功功率、视在功率、功率因数、谐波、总谐波失真、故障等。
绘制电压、电流等信号的实时波形。
当前测试信号的相量图。
不平衡度、电压偏差、 频率偏差。
谐波分析；
闪变（波动与闪变)、 瞬态（跌落与瞬态）。
电能（累计）。
其中，三相电流和电压采用了当时比较先进的真有效值测量方法。
采用FFT进行谐波分析是其中的设计难点。
当时为了加快运算速度，采用汇编语言编写了包括FFT在内的一些算法。
采用了加窗以及准同步采样等算法解决频谱泄露、采样不同步等问题。
现在再回头看这些密密麻麻的汇编代码，无比佩服自己，居然能静下心来搞清楚其中的关系，并调试到没有问题。
由于STM32F103处理器不支持硬件浮点数运算，
通过FFT变换进行振动包络信号处理耗时比较长，
经过测算，将处理器的CPU主频设置为72MHz，4096个采样点的FFT变换耗时约160ms。
一路加速度信号的振动包络分析需要进行3次的FFT变换/逆变换，总耗时约为500ms。
处理八路加速度信号总耗时约为4s。
对于FFT的方案，接下来准备换用GD的cortex-M4内核的处理器。
该系列处理器最高支持168MHz左右的主频，支持硬件浮点数运算，预计8路总处理时间可以做到1s以内。
另外一种思路是在时间域上对包络信号进行处理，包括以下步骤：
1)通过硬件带通滤波器或者数字FIR带通滤波器滤除旋转加速度，实现共振解调。
2)将经过带通滤波器之后的数据做取绝对值运算。
3)将取绝对值运算之后的数据进行检波，得到包络信号。
4)将包络信号进行FFT变换得到包络的频谱，根据频谱预测故障并分析故障特征。
这两天，采用Octava以及delphi设计了一个上位机模拟软件，技术要点为：
1)采用Octava的fir1函数设计FIR带通滤波器，将生成的滤波器抽头系数保存为txt文件。
2)delphi模拟生成加速度信号，从txt文件中读取滤波器抽头系统，通过卷积运算得到滤波之后的数值。
3)我用一种创新的方法对取绝对值之后的数据进行包络检测。
我想到了峰值检测电路，
当输入电压大于电容两端电压时，输入电压快速向电容充电，
当输入电压小于电容两端电压时，电容电端电压按R*C为时间常数放电。
假设n时刻的电容电压为Y(n)，n+1时刻的输入电压为I(n+1)，
根据三要素法，得到n+1时刻的电容电压为：
Y(n+1)=[Y(n)-I(n+1)]*exp(-t/τ)+I(n+1)；
根据这一公式，再通过迭代计算，可以得到包络信号。
今天上午讲图像处理，两节课板书共两大黑板，主要是帮学生建立知识体系，因为只有系统化的知识才能产生能力，这是第一黑板，先写两黑板讲35分钟，再辅以ppt快速精讲，两节课下来，除了数学形态学，图像预处理基本都讲完了。因为研究生课时少内容多，图像处理和特征提取共讲11学时，需要学生有一定基础，且能课内外结合，还要及时编程训练。
对于想学好机器视觉的同学，我提供如下建议：1）把傅立叶变换、相关运算和卷积运算弄清楚，特别是三者之间联系和区别，FFT和逆FFT在同态滤波增晰中有应用，弄清楚从空域往频域转换的意义。卷积是传统视觉精华之一，各种图像滤波器要弄明白，关键是把卷积模板（卷积核）和卷积计算方法彻底弄懂；2）直方图虽然很简单，但却很重要，要能看到图像，脑子里能描出大致直方图，并用好软件中的直方图工具和算子，比如直方图均衡化，在血管造影等图像增强中常用；3）平滑滤波器是低通滤波器，锐化滤波器（包括边缘检测）是高通滤波器，保边滤波器算法则是实现图像平滑的同时，保留边缘细节，比如何凯明的导向滤波器，P-Malik的各向异性扩散滤器。
下一次课讲形态学和特征提取算法，继续与大家总结分享！[呲牙][呲牙]
