基于压缩感知理论的时变信号压缩技术.pdf

《基于压缩感知理论的时变信号压缩技术.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第50卷第3期西南交通大学学报Vo1．50No．32015年6月JOURNALOFSOUTHWESTJIAOTONGUNIVERSITYJun．2015文章编号：0258-2724(2015)03-0511-06DOI：10．3969／j．issn．0258-2724．2015．03．020基于压缩感知理论的时变信号压缩技术郭亮，高宏力，黄海风，张筱辰(西南交通大学机械工程学院，四川成都610031)摘要：机械设备在线状态监测与故障诊断系统中，为实现采集数据的远程传输和实时处理，需对数据进行压缩和滤波处理．通过分析机械振动信号时变性的特点

2、，以压缩感知理论为基础，构造了满足受限等距性质(restrictedisometricproperty，RIP)的稀疏变换矩阵和压缩感知矩阵；提出了基于压缩感知的时变信号压缩算法，并利用Lasso算法对压缩信号进行稀疏重构，恢复原始信号．采用不同类型的时变仿真信号和实测信号进行实验，对比了提出算法与现有算法的压缩与去噪效果．实验结果表明，新算法有更好的压缩去噪效果，当压缩比为40％时，能量保持率达到了95％以上，能满足工程实际需求．关键词：压缩感知；振动信号；数据压缩；信号去噪中图分类号：TH17文献标志码：ATime-VaryingSi

3、gnalCompressionTechnologyBasedonCompressedSensingGUOLiang，GAOHongli，HUANGHaifeng，ZHANGXiaochen(SchoolofMechanicalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China)Abstract：Datacompressionandde—noiseplayimportantrolesinthereal—timestorageandremotetransmissionofvi

4、brationsignalfortheon—linemonitoringandfaultdiagnosisofmechanicalequipments．Byanalyzingthetime—varyingcharacteristicsofvibrationsignals，thesparsetransfermatrixandcompressingsensingmatrixwhichsatisfyingtherestrictedisometricproperty(RIP)wereconstructed．Then，thesignalcompre

5、ssionandde—noisemethodwasproposedbasedoncompressionsensing．TheLassoalgorithmwasusedtoreconstructthecompressedvectortorestorerawsigna1．Theproposedmethodwasappliedtoanalyzingthesimulationandspindlevibrationsignalandwascomparedwiththewavelet—basedtechnique．Theexperimentalres

6、ultsshowthattheproposedmethodismoreeffectiveindatacompressionandde—noise，andwhenthesignalcompressionrateis40％，theenergyretentionrateexceeds95％tomeetindustrialrequirements．Keywords：compressedsensing；vibrationsignal；datacompression；signalde—noising近年来，随着计算机技术的发展和企业设备管络实时传输带

7、来一定挑战．另外由于现场工况复杂理要求的提高，大型机械设备的在线监测与诊断系和传感系统自身的原因，采集信号含有噪声．所以统正朝着网络化和远程化的方向发展．但是工业现在传输过程中需对信号进行压缩和去噪处理，无论场采集信号数据量大，且有一定的冗余度，这给网对减少传输时所用带宽还是提高信号的信噪比都收稿日期：2014-08-21基金项目：国家自然科学基金资助项目(51275426)作者简介：郭亮(1988一)，男，博士研究生，研究方向为智能化状态监测与故障诊断、智能信息处理，电话：028-87601734，E-mail：guoliang2248

8、@gmail．corn通信作者：高宏力(1971一)，男，教授，博士生导师，研究方向为复杂机电系统可靠性技术、智能化状态监测与故障诊断技术，E-mail：hongli—gao@home．swj