基于过完备字典稀疏表示振动信号压缩感知方法
2018-06-01郭俊锋
机械设计与制造工程 2018年5期
石 斌, 郭俊锋
(兰州理工大学机电工程学院,甘肃 兰州 730050)
在日常生活和工程实践中,存在着大量的机械振动现象。机械振动信号包含着机械设备工作过程中所蕴含的大量的信息,利用这些振动信息人们可以更加深入地了解机械设备工作过程中的内在机理和特征,为更好地开发利用机械设备提供理论和技术支持。传统的且目前被广泛采用的振动信号检测与采样系统为基于奈奎斯特采样定理的采集系统,必然会产生大量的监测数据。
近年来出现的压缩感知采样突破了传统的奈奎斯特采样定理,只要信号是可压缩的或在某个变换域上是稀疏的,就可以基于压缩感知理论对其进行低速观测,然后通过合适的重构算法就可以实现信号的复原,给机械振动信号的采样、存储和处理带来极大的方便。压缩感知理论的一个重要的基础和前提是信号足够稀疏,因此信号的稀疏域的选择就显得尤为重要,只有选择合适的包含振动信号信息的过完备字典才能保证信号的稀疏度,从而保证信号的重构精度。
常用的正交基字典不能完整地包含振动信号的信息,振动信号在该稀疏方式下不够稀疏,造成振动信号压缩重构精度较低。目前,经典字典学习算法构造相关信号的过完备字典被广泛关注,由于这类字典灵活性好、自适应强,较完整地包含了信号的信息和特征,所以在信号压缩、去噪和特征提取等方面被大量采用。……
登录APP查看全文
