斜拉索振动信号的包络线稀疏复原算法

经验模态分解算法在故障诊断、信号去噪、趋势预测和趋势消除等很多领域具有广泛的应用价值。信号包络线提取是经验模态分解算法的核心关键技术,直接影响分解结果的效果。目前在信号处理中常用的包络分析法有Hilbert变换、广义检波滤波、三次样条插值法和偏微分方程建模等,但是这些方法存在提取包络线精度不高、端点效应等不足,尤其是端点抖动效应导致很大的包络线提取误差。将信号的极值点看成是包络线信号的某一变换域上稀疏采样点,引入了稀疏优化算法对这些极值点进行包络线的稀疏优化复原。首先研究分析包络线的平稳变化特性,以此构建变频的DCT稀疏基;其次求解信号的极值点,以信号的极值点集用于稀疏优化算法的观测值;然后采用正交匹配追踪算法进行包络线的稀疏复原求解;最后对实际斜拉索振动信号进行算法测试和应用,通过与三次样条插值法进行比较分析,结果表明本算法不仅可以提高提取信号包络线的精度,还可以有效的抑制端点效应。

基于稀疏复原算法的风电并网电压闪变包络线提取

闪变包络线检测是分析电压波动与闪变的关键。IEC推荐的平方检测法在闪变低频段的包络线提取误差较大,不适合风力发电并网产生的电压闪变包络线提取。文中针对风电并网引起的电压闪变问题,提出了基于稀疏复原算法的闪变包络线提取方法。以电压闪变信号的极值点作为观测序列,根据闪变包络线低频段较平稳的变化特性,构造变频宽的离散余弦变换基,利用正交匹配追踪算法还原出最佳闪变包络线。通过对单一频率闪变、复合频率闪变、基波频率变动、谐波及噪声影响的电压闪变信号进行分析,表明了该算法提取闪变包络线的准确性。最后,通过对张北柔直电网中新能源风电场实测的电压波动信号进行分析,进一步验证了所提算法提取风电并网引起的电压闪变包络线的可行性与有效性。

基于空时联合稀疏重构的红外小弱运动目标检测方法

提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。

振动信号包络线的稀疏重构最优化算法研究与应用

经验模态分解是处理非线性、非平稳信号的有效方法,其核心关键是包络线的提取。针对目前提出的包络拟合算法所存在的端点效应、拟合误差大、抗噪性低等问题,在文献[9]的基础上,提出一种基于稀疏复原最优化算法提取信号包络线的方法。首先利用外罚函数将包络线稀疏优化模型的凹问题转换为凸二次规划问题;其次采用混合变异粒子群算法对改变稀疏基频带宽度的变化因子m进行全局寻优,利用最优变化因子构建适合包络线变化趋势的最佳稀疏基,然后将采集信号的所有极值点作为稀疏重构过程中的观测值,利用最佳稀疏基与观测值建立稀疏重构模型,使用内点法对该模型进行处理,最终自适应地得到了全局最优的包络线信号。结果表明,该方法可以有效抑制端点飞翼问题,粒子群算法的引入可以自适应地匹配最优的稀疏基映射带宽,在拟合精度和抗噪声等性能方面获得了比文献[9]更好的效果,有效提高了包络线拟合精度和抗噪性。

基于稀疏高频双字典的磁共振成像超分辨率重建法

针对磁共振成像(MRI,Magnetic Resonance Imaging)分辨率低且成像扫描时间长的特点,为了优化重建图像纹理细节的质量,在现有的稀疏表示的方法基础上,提出了一种基于高频稀疏双字典的磁共振成像超分辨率重建法。首先,在离线训练双字典阶段,运用稀疏表示的算法思想,提取出用于字典学习的高分辨率图像块和残余高频图像块,运用正交跟踪方法结合迭代使稀疏系数逐渐趋于收敛。然后,对低分辨率图像通过一次稀疏字典学习得到初始高分辨率图像,再提取出高频(HF,High Frequency)边界或纹理细节区域,根据稀疏高频字典对进行二次重构。实验结果表明,本文算法不仅丰富了磁共振成像纹理细节,使主观视觉效果明显提升,在客观指标峰值信噪比(PSNR)和均方根误差(RMSE)也有一定程度的改善。