基于信号结构的稀疏分解原子库的优化策略

压缩传感技术应用于超声无损检测领域可有效减少检测的数据量,但其面临的一个技术瓶颈是稀疏分解原子库规模巨大,导致信号重构时间的贪婪性,降低了该项技术的实用性。文中通过分析频率因子、相位因子以及尺度因子与信号结构的关联特性,提出原子库优化策略,使原子库的规模减少为常规建库的1/8,提高了信号处理的实时性。

采用快速原子分解的电能质量扰动信号参数辨识

采用原子分解能够准确提取电能质量扰动信号的幅值、频率、相位以及扰动起止时刻等特征量。但在原子分解过程中需要作大量的计算,计算速度缓慢。针对这一问题,根据信号的特点采用快速原子分解方法将Gabor原子库分为5层,简化每一层的索引参数。首先利用快速傅里叶变换测出信号的主要频率点和通过小波变换粗提取扰动起止采样点序列,然后将信号依次通过Gabor原子库每一层,从每一层中搜索到对应的最佳匹配原子,并采用伪牛顿法对最佳匹配原子进行优化,最后转化为衰减正弦量原子,以残余正弦信号的能量作为判断终止条件。算例仿真结果表明,该方法能够准确对电能质量参数进行辨识,并且运算速度有较大提高,验证了所提方法的有效性和实时性。

基于稀疏分解的超声无损检测信号处理

为了在复杂背景噪声情况下,对缺陷的大小和位置实现精确的识别,提出了一种基于Ga-bor原子库稀疏分解的信号处理方法 ,利用匹配追踪算法将信号在超完备Gabor原子库中进行稀疏表示。采用相干比阈值作为迭代终止条件,根据信号噪声水平自适应调整迭代次数。针对算法计算量大的缺点,引入遗传算法,大大提高了计算的效率。实验表明,该方法可以有效减小噪声的影响,具有计算效率高、稳定性好的特点。

快速提取γ能谱特征方法研究

针对基于匹配追踪算法的γ能谱特征提取方法中匹配拟合效率较低的问题,研究在不同参数构成情况下能谱信号的拟合情况,构造新的原子库进行特征提取,通过对比所用时间和识别准确率来验证特征提取的效率和效果。实验结果表明:该方法相较于传统方法具有更高的提取效率和同等的提取效果。