小波包多级树模型管道泄漏信号压缩感知方法.pdf

《小波包多级树模型管道泄漏信号压缩感知方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第35卷第3期仪器仪表学报V01．35No．32014年3月ChineseJoumalofScientificInstrumentMar．2014小波包多级树模型管道泄漏信号压缩感知方法王学伟，苏丹，袁洪芳，王琳(北京化T大学信息科学与技术学院北京100029)摘要：针对目前管道泄漏监测信号压缩感知处理过程中，所需测量数较高，存数据压缩比较高的情况下泄漏信号重构性能指标比较低，未对稀疏信号固有的结构特征充分考虑的问题，提出了基于小波包多级树模型的管道泄漏监测信号稀疏化表示方法和结构模型的快速贝叶斯匹配追踪算法(M—FBMP)的压缩感知方法，

2、该方法充分利用管道泄漏监测信号的特点合理选择稀疏基，构建了一次分解小波包多级树的管道泄漏监测信号模型，优化了标准高斯测量矩阵，推导了基于管道泄漏监测信号稀疏信号结构的M．FBMP算法，实现了信号的压缩采样和重构。通过实验对比该方法与传统快速贝叶斯匹配追踪(FBMP)压缩感知方法，实验给出了不同数据压缩比条件下，2种压缩感知方法所能达到的性能指标，结果表明所提方法与基于FBMP的压缩感知方法在均方根误差、信号的重构信噪比相同量级的情况下，数据压缩比提高了3．4倍，大大降低了T业监控数据传输对网络通信信道带宽的要求。在数据压缩比为30：1的条件

3、下，利用所提算法进行信号恢复，信号的重构信噪比提高了近2倍；重构能量恢复系数优于1×10～，重构信号精度可以满足管道泄漏检测与定位的要求。关键词：泄漏信号；压缩感知；快速贝叶斯匹配追踪；数据压缩中图分类号：TP391文献标识码：A国家标准学科分类代码：510．40PipelineleakagesignalcompressedsensingbasedonwaveletpackethierarchicaltreemodelWangXuewei，SuDan，YuanHongfang，WangLin(CollegeofInformationScie

4、nce&Technology，BeijingUniversityofChemicalTechnology，Beijing100029，China)Abstract：Aimingattheproblemsthatincurrentpipelineleakagesignalcompressedsensingprocessingtherequirednumberofmeasurementsishigh，theperformanceindexofleakagesignalreconstructionislowunderhighcompres—sio

5、nratio，andtheinherentstructuralcharacteristicsofpipelineleakagesparsesignalarenotfullyconsidered，inthispaper，anewmethodofpipelineleaksignalsparserepresentationisproposedbasedonthewaveletpackethierarchi-caltreemodel；basedonthecharacteristicsofthesparsestructuralmodelofthese

6、signalsanewcompresssensing，method，namedmodel-fastBayesianmatchingpursuit(M-FBMP)，isdeveloped．Theproposedmethodfullymakesuseofthecharacteristicsofthepipelineleakagesignaltoselectthesparsebasisreasonably，constructsthewaveletpackagehierarchicaltreemodelofthepipelineleakagesig

7、nal，optimizesthestandardGaussianmeasurementmatrix；thentheM—FBMPalgorithmforthepipelineleakagesignalisdeduced，thecompressedsamplingandreconstructionofthesignalisachieved．TheproposedmethodandthetraditionalfastBayesianmatchingpursuits(FBMP)methodwerecomparedinexperiments，thep

8、erformanceindicesofthetwocompressedsensingmethodsaregivenunderdiffer—entdatacompressionra