资源描述：
《形态中值小波算法在监测数据压缩中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、146传感器与微系统(TransducerandMicrosystemTechnologies)2011年第30卷第5期形态中值小波算法在监测数据压缩中的应用薛宁静(延安大学计算中心,陕西延安716000)摘要:生产设备的状态监测中,尤其是无线传感器网络的发展,常因测点数众多、数据量巨大给数据的传输带来很大的困难,需要采用压缩算法解决。常用的传统小波压缩算法因运算量大,而且是线性变换,难以处理实时性要求高和非线性映射关系下的数据压缩问题。形态Haar小波虽然运算简单,且为非线性运算,但只取数值的极大和极小值,数据的恢
2、复精度受到限制。形态中值小波基于信号的局部形态特征来实现更新算子的自适应。将形态中值小波算法应用于监测数据的压缩中,与形态Haar小波相比具有更好的压缩效果。关键词:形态中值小波算法;数据压缩;状态监测;形态小波中图分类号:TP277文献标识码:A文章编号:10009787(2011)05014603ApplicationofmorphologicalmedianwaveletalgorithminmonitoringdatacompressionXUENingjing(ComputerCenter,YananUniversity
3、,Yanan716000,China)Abstract:Withthedevelopmentofequipmentconditionmonitoring,especiallywirelesssensornetworks,thereareanumberofmeasuringpointsandhugeamountofdataneedtobetransmitted,whichcanbesolvedbythecompressionalgorithms.Traditionalwaveletcompressionalgorithmsarelineartransf
4、ormandspendlongcomputingtime.Theycannotbeusedtocompressdataeffectively,whentherearehighrealtimerequirementandnonlinearcharacteristics.ThemorphologicalHaarwaveletissimpleandnonlinear,butitjusttakesthenumericalmaximumandminimumvalues,whichlimitstheaccuracyofthedatarecovery.Themo
5、rphologicalmedianwaveletisusedtoachievetheselfadaptationoftheupdatingoperatorbasedonthelocalmorphologicalfeatureofthesigna.lInthispaperthemorphologicalmedianwaveletisappliedtocompressthemonitoringdata,andthecompressionresultsarebetterthanthemorphologicalHaarwavelet.Keywords:mor
6、phologicalmedianwaveletalgorithm;datacompression;conditionmonitoring;morphologicalwavelet0引言计算量较大,现场检测的实时性要求很高,需要实时采样和目前,大型旋转机械振动和电气信号的在线监测与诊实时处理后给出结果,小波分析很难满足在线诊断系统运[1]断系统正朝着多机网络化和远程诊断的方向发展。为行实时性的要求。因此,为了对非线性信号进行更好的分获取充分的故障诊断信息,需对信号进行多通道高速采样,析,需要进行小波的非线性扩展。传统小波可以通过提升而且,在某些环境恶
7、劣的地方需要利用无线传感器网络进方案(liftingscheme)或者形态算子(morphologicaloperators)[3,4]行数据的传输,由于信号的数据量非常大,如果对信号不加实现非线性扩展。本文主要研究通过形态算子实现的分析地全部传输,对网络传输的压力将非常之大,所以,有非线性小波,即形态小波,并将形态小波用于一维信号处理必要采用数据压缩的方法在传输前对信号进行压缩,然后领域。基于形态小波的信号压缩分析方法,由于计算简单,[5]在分析端对该信号进行重构。可以方便地利用硬件来实现,运算实时性高;并且,形态小波分析作为一种优秀的数据压缩方法,
8、被广泛使用。小波运算为原位运算,不需要额外的内存空间来保留计算[2]但是,传统的小波分析是基于
