基于量子叠加态参数估计的机械振动信号降噪方法
2014-09-06陈彦龙张培林王怀光
振动与冲击 2014年10期
陈彦龙,张培林,王怀光
(军械工程学院 七系,石家庄 050003)
机械状态监测有效方法为振动信号分析,而现场采集的振动信号会受噪声干扰,直接影响机械设备状态监测。小波分析在振动信号降噪中得以广泛应用,通常假设小波分解系数满足高斯分布,但小波压缩特性使小波系数概率密度分布较高斯分布在零值位置更尖,并在分布两端呈明显拖尾趋势,故设小波分解系数满足高斯分布所得结论并不准确。陶新民等[1]用广义高斯分布分析轴承振动信号多尺度小波分解系数的统计特征,实现轴承故障诊断。张志刚等[2]据机械振动信号有效小波系数统计分布进行拉普拉斯建模,对主减速器中齿轮故障信号进行有效降噪。
小波变换中,双数复小波(DTCWT)具有近似平移不变性等性质[3],信号分析效果更好。本文将用DTCWT实现一维机械振动信号的小波变换。而多数研究均假设信号双树复小波系数的实、虚部独立分布,未考虑信号虚、实部间关系,若采用二维广义高斯分布及二维拉普拉斯分布[4]对实、虚部小波系数建模,则参数估计复杂,需大量数值计算,较难实现。为此,本文基于二维正态分布提出含可变参数的联合概率密度分布。并受文献[5]QSP基本理论启发,借鉴量子叠加态概念,对信号进行分析、处理:① 对信号DTCWT小波系数建模,建立含可变参数的联合概率密度分布;② 据贝叶斯极大后验估计(MAP)准则,结合父-子代小波系数尺度间相关性,导出基于叠加态参数估计的自适应收缩函数,实现一维机械振动信号降噪。……
登录APP查看全文
