自适应Laplace小波字典的矿山微震信号稀疏降噪方法

针对矿山微震信号降噪问题,提出了一种基于自适应Laplace小波字典的稀疏降噪方法。该方法从矿山微震信号特征波形的先验知识分析入手,首先通过相关滤波法选取与微震信号特征波形最匹配的Laplace小波参数,并以此构造Laplace小波参数字典。然后结合正交匹配追踪(OMP)算法,稀疏重构出微震信号的特征波形。考虑到相关滤波法计算量大、时间较长,使用鲸鱼优化算法(WOA)进行快速的全局参数寻优。仿真微震信号和实测信号分析结果表明,所提出方法可有效重构出微震信号的特征波形,实现微震信号的降噪,且对噪声具有一定的抗干扰能力。相比常用的集合经验模态分解(EEMD)方法,提出的基于自适应Laplace小波字典的稀疏降噪方法具有一定的优越性。

图像压缩感知的自适应方向提升稀疏表示及重构算法

为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。

基于小波包字典优化的旋转机械振动信号压缩感知重构方法

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法结合小波包多分辨率分析及K-SVD字典训练方法,提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法,提高稀疏度。根据旋转机械振动信号自身特征,提出用块稀疏贝叶斯学习最大期望值算法,代替传统仅依赖于稀疏假设的算法实现信号重构。实际轴承振动信号仿真结果表明,该方法相对于传统的压缩感知方法重构性能明显提高。

基于小波基的压缩感知重构算法设计

针对传统重构理论下对硬件设备的高要求和高损耗问题,提出基于小波基的压缩感知重构算法,利用小波变换在图像压缩重构上的优势,选取合适的小波基作为稀疏基,对一维信号和二维图像采用正交匹配追踪(OMP)算法,进行信号的压缩和重构,并对算法进行相应的改进。实验表明,压缩感知理论用于数字信号和数字图像处理有着显著的优势。

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.