针对由于地震信号采集环境的复杂性带来的采样信号不完整,存在大量噪声等情况,对采集的叠前地震信号进行去噪和重建。在传统的K-奇异值分解(K-singular value decomposition,K-SVD)建造冗余字典的压缩感知重建的基础上,提出了基于形态...针对由于地震信号采集环境的复杂性带来的采样信号不完整,存在大量噪声等情况,对采集的叠前地震信号进行去噪和重建。在传统的K-奇异值分解(K-singular value decomposition,K-SVD)建造冗余字典的压缩感知重建的基础上,提出了基于形态分量分析(morphometric principal components analysis,MCA)的K-SVD地震信号的去噪与重建。即使用MCA对地震信号的结构和平滑部分进行分类,并针对上述两种类别分别构建由K-SVD算法计算的冗余字典,将两种类别分别置于不同字典中进行去噪与重建。与传统的方法相比,该方法在减少了地震信号采集的成本和难度的基础上,精确辨别地震信号细节,并取得良好的去噪效果。展开更多
针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法...针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。展开更多
文摘针对由于地震信号采集环境的复杂性带来的采样信号不完整,存在大量噪声等情况,对采集的叠前地震信号进行去噪和重建。在传统的K-奇异值分解(K-singular value decomposition,K-SVD)建造冗余字典的压缩感知重建的基础上,提出了基于形态分量分析(morphometric principal components analysis,MCA)的K-SVD地震信号的去噪与重建。即使用MCA对地震信号的结构和平滑部分进行分类,并针对上述两种类别分别构建由K-SVD算法计算的冗余字典,将两种类别分别置于不同字典中进行去噪与重建。与传统的方法相比,该方法在减少了地震信号采集的成本和难度的基础上,精确辨别地震信号细节,并取得良好的去噪效果。
文摘针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。