摘要：# 3. 加权峭度指标def weighted_kurtosis(fibfs):"""计算分量加权峭度:param fibfs: 分量列表:return: 权重数组"""kurt = np.array([kurtosis(fibf) for fibf in f
算法流程
信号建模：
FDM分解：
加权峭度重构：
双谱分析：
部分代码如下：
# 3. 加权峭度指标def weighted_kurtosis(fibfs):"""计算分量加权峭度:param fibfs: 分量列表:return: 权重数组"""kurt = np.array([kurtosis(fibf) for fibf in fibfs])weights = kurt / np.sum(kurt)return weights# 4. 调制信号双谱分析def modulated_bispectrum(signal, fs, nperseg=256):"""计算复合切片双谱:param signal: 输入信号:param fs: 采样频率:param nperseg: 分段长度:return: 双谱矩阵，频率数组"""n = len(signal)nseg = n // npersegbispec = np.zeros((nperseg//2, nperseg//2), dtype=complex)for seg in np.array_split(signal[:nseg*nperseg], nseg):X = fft(seg)X_conj = np.conj(X)for i in range(nperseg//2):for j in range(i, nperseg//2):k = i + jif k担任《Mechanical System and Signal Processing》《中国电机工程学报》等期刊审稿专家，擅长领域：信号滤波/降噪，机器学习/深度学习，时间序列预分析/预测，设备故障诊断/缺陷检测/异常检测。
来源：冀冀学习课堂
