基于BCC-OMP优化的原子分解去噪算法

为提高电网电能质量的检测精度及识别准确率,提出一种基于细菌群体趋药性算法和正交匹配追踪算法结合(BCCOMP)优化的原子分解算法,并将其应用于电能质量扰动信号去噪中。该方法在Gabor原子库的基础上,采用正交匹配追踪算法优化匹配追踪算法,并对原子分解过程使用细菌趋药性算法做进一步优化,从而提高收敛速度、增强去噪能力。通过设置合理残差比阈值确定终止迭代次数,对各种类型含噪信号均可自适应去噪,提高原子分解法去噪的普适性。仿真算例验证了所提方法的有效性、快速性和准确性。     

基于自适应稀疏表示的宽带噪声去除算法

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法.根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示.降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练.染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除.仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声.     

基于改进ICA-OMP优化原子分解的谐波和间谐波检测方法

针对原子分解中匹配追踪类算法存在的问题,提出一种结合帝国竞争算法(ICA)和正交匹配追踪算法(OMP)优化原子分解的电网谐波和间谐波信号检测方法。首先根据谐波和间谐波信号的特征,将Gabor原子库简化为正弦原子库。然后采用OMP算法对谐波和间谐波信号进行原子分解,通过设置合理的相关性阈值确定终止迭代次数。最后,根据搜寻出的最佳匹配原子的索引参数实现谐波和间谐波信号参数估计。在OMP算法迭代过程中引入ICA,可实现在连续参数空间中搜索最佳匹配原子,避免索引参数步长对检测精度的限制。算例仿真与实测表明本文提出的算法能够在噪声干扰情况下准确检测出各次谐波和间谐波分量,频率、幅值和相位的最大检测误差分别为0.015 4%、0.722 4%和1.512 6°,可有效分辨出频率相近的间谐波分量,实现时变谐波和间谐波分量的精确定位。与正交匹配追踪算法相比,计算复杂度缩减率在99%以上。     

基于谐波追踪的发动机转子系统早期故障特征提取方法研究

应用谐波追踪方法研究了航空发动机振动问题,对发动机转子系统早期故障表现的高度不平稳信号进行自适应处理。文中在传统Gabor原子库基础上介绍了一种谐波原子,并针对转子异常振动冲击使用了非对称高斯窗函数,对振动信号进行匹配追踪分解,从而准确而有效地获得了转子系统的冲击损伤特征和信息。计算机仿真结果证实了该方法的准确性,最后将该方法应用于转子实验台的冲击信号特征提取中。     

基于压缩感知弱匹配追踪算法的信号特征提取

针对滚动轴承故障诊断中的特征提取问题,提出一种基于压缩感知弱匹配追踪算法的特征提取方法。针对轴承故障信号特征特点构建了一个由傅里叶字典和冲击时频字典组成的联合字典,作为弱匹配追踪算法中的过完备冗余原子库。进而利用改进的简化粒子群寻优算法在联合字典原子库中寻找最能匹配轴承故障信号特征的原子,实现故障信号的快速高效稀疏分解。在信号重构阶段提出了一种改进的阈值降噪策略,解决了软阈值降噪存在恒定偏差以及硬阈值降噪的不连续问题。对CWRU（Case Western Reserve University）轴承数据中心所提供的标准轴承故障信号和某钢厂滚动轴承实测信号进行了仿真,仿真结果验证了该方法的优越性。     

基于匹配追踪稀疏分解的电能质量扰动检测

根据基于冗余字典的匹配追踪(MP)信号分解思想,提出一种电能质量扰动信号的参数检测与特征波形提取方法。在MP算法的每次迭代中,首先采用快速傅里叶变换(FFT)搜索能量最大的频率成分,然后采用基于离散Gabor原子中心区域的简化内积计算方法获得扰动参数的估计值,并以该估计值作为初始解,采用BFGS算法做局部搜索,进而获得精确匹配参数,并结合基于递归的内积计算确定扰动的起止时刻,最后根据电力信号扰动波形特点,设计合成字典,确定与扰动成分最匹配的波形。对单一和混合电能质量扰动信号的分解实验表明,该方法可以实现扰动参数的快速精确检测,进而有效提取扰动特征波形,并具有较好的抗噪性能。     

基于改进多路径匹配追踪的芯片超声信号去噪方法

针对高频超声检测倒装焊芯片微缺陷的回波信号受噪声影响的问题,提出了一种基于改进多路径匹配追踪算法(MMP)的高频超声信号稀疏去噪方法。利用MMP算法获取全局最优的原子,针对MMP计算量过大的问题,在迭代过程中设置阈值和引入剪枝操作,筛选误差较大的路径,减少迭代路径,降低算法复杂度。为了避免字典维度上升导致的计算量过大,通过构建连续原子库对重构信号参数进行调整,最终实现芯片超声检测信号噪声的抑制。通过仿真和实验证明,提出的方法能够有效的去除倒装芯片高频超声检测信号中的噪音,与其他去噪算法相比,所提方法通过增加少量的计算,实现信号重构精度的提高,提升了B扫图的清晰度。     

基于量子遗传优化的原子分解算法及其在机械故障诊断中的应用

机械设备故障的发生往往伴随着振动现象,通过对故障振动信号进行有效的分析是机械设备故障诊断的关键。最近提出的稀疏分解算法具有多分辨率、稀疏性和冗余的特点,但是也存在着原子库构造困难和分解算法计算量大的问题,为了更好将稀疏分解算法应用于机械故障诊断中,提出在正交匹配追踪算法的基础上,采用具有良好时频特性的Gabor原子,利用量子遗传算法快速求解多参数全局最优解的优点,从振动信号中快速和准确地提取出故障特征信息。通过数值仿真信号分析证明了所提的方法无论在特征提取的准确性上还是减小计算时间上都优于传统的正交匹配追踪算法,另外在轴承故障诊断实际应用中的实例分析中,相比传统的频谱分析方法更能有效地提取出故障特征信息,有效降低了背景噪声和杂质频率的干扰。     

基于改进匹配追踪算法的特征提取及其应用

特征提取是机械设备状态监测和故障诊断过程中最基本、最关键的一部分,针对现有各种提取方法的不同缺点,提出一种自适应信号分解技术来实现旋转机械振动信号的特征提取。该方法是一种改进的匹配追踪算法,不需要构造任何参数表达的基函数,而是将观察信号分解为一系列波形的组合,这些波形由非参数波形估计方法计算而来,用以匹配信号的局部结构。非参数波形估计方法中模板信号的自适应调整使该方法也不需要具有任何信号的先验知识,因而在实际应用中具有更加良好的柔性和适应性。仿真信号和转子试验台试验信号验证该方法的可行性和有效性,即使是在噪声和信号中特征波形频带重叠的情况下也能将信号分离和提取出来。     

手指肌电信号稀疏分解重构与活动段特征提取研究

针对传统信号处理方法在非平稳信号处理中的局限性问题,对稀疏分解思想和自适应过完备原子库进行了研究,提出了将稀疏分解思想应用到表面肌电信号处理中的方法。采用数据分割的方式,对原始信号进行了预处理。在正交匹配追踪算法的基础上,利用K均值-奇异值分解(K-SVD)算法构造了自适应过完备原子库,对分割后的各个样本块分别进行了稀疏分解,将其多维特征重构为一维稀疏系数。同时,以便于实际应用与连续控制为原则,对每个样本块的稀疏系数进行了重组,用单个特征值表征了样本块的多维特征。数据分析结果表明,重构后的一维稀疏系数可以保留四维原始信号的绝大部分能量,而重组后的特征值可以准确反映原始信号活动段的变化。