收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于K-SVD字典学习算法的稀疏表示振动信号压缩测量重构方法

郭俊锋  石斌  魏兴春  李海燕  王智明  
【摘要】:针对目前机械振动信号频带越来越宽,依据传统香农-内奎斯特采样定理进行数据采集时,将会得到巨量振动数据,对存储、传输和处理带来困难的问题,提出了基于K-SVD字典学习算法的稀疏表示振动信号压缩测量重构方法。首先分析了振动信号在基于K-奇异值分解(K-Singular value decomposition,K-SVD)字典学习算法得到的过完备字典上的近似稀疏性,即可压缩性;然后利用高斯随机矩阵对振动信号进行压缩测量;最后基于压缩测量值采用正交匹配追踪算法对原始振动信号进行重构。仿真测试结果表明,当振动信号压缩率在60%~90%时,基于K-SVD字典学习算法构造的过完备字典比基于离散余弦过完备字典压缩感知重构相对误差小。该方法既可以得到较高的信号压缩比又有着精确的信号重构性能,在不丢失振动信息的情况下,大大减少了原始振动数据量。

知网文化
【相似文献】
中国期刊全文数据库 前3条
1 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
2 栗茂林;梁霖;王孙安;;基于稀疏表示的故障敏感特征提取方法[J];机械工程学报;2013年01期
3 郭俊锋;郑晓慧;魏兴春;;滚动轴承振动信号的稀疏表示研究[J];甘肃科学学报;2014年03期
中国硕士学位论文全文数据库 前5条
1 樊薇;信号瞬态成分稀疏表示方法及其机械故障特征提取应用研究[D];苏州大学;2015年
2 罗春艳;小波字典下齿轮箱复合故障瞬态特征的稀疏表示研究[D];苏州大学;2016年
3 吴楠;变转速下轴承瞬态特征稀疏表示及故障诊断研究[D];苏州大学;2017年
4 石斌;基于压缩感知理论的机械振动信号稀疏分解理论研究[D];兰州理工大学;2017年
5 于洋;基于压缩感知的旋转机械振动信号处理方法研究[D];燕山大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978