一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置，用于檢測和提取信號(hào)中瞬態(tài)成分，結(jié)果表示簡潔且對噪聲敏感度小。本發(fā)明方法包括：對輸入信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)；計(jì)算所述檢測信號(hào)的最優(yōu)小波基底；對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫；根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)；根據(jù)所述特征稀疏表示系數(shù)，確定出所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻；根據(jù)所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻，確定所述檢測信號(hào)中瞬態(tài)成分的周期。
【專利說明】—種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信號(hào)的分析檢測領(lǐng)域，具體涉及一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置。
【背景技術(shù)】
[0002]目前，信號(hào)中瞬態(tài)成分的檢測，在機(jī)械設(shè)備的故障診斷與狀態(tài)監(jiān)測、生物醫(yī)學(xué)信號(hào)檢測等領(lǐng)域具有廣泛的應(yīng)用。由于采集過程中獲得的信號(hào)存在著大量的噪聲，因而待檢測信號(hào)的瞬態(tài)成分亦會(huì)被噪聲污染，對于強(qiáng)噪聲背景下的瞬態(tài)特征檢測一直是信號(hào)檢測的難題。
[0003]其中，最普遍的瞬態(tài)成分檢測方法就是直接判斷時(shí)域信號(hào)中是否存在瞬態(tài)成分，但是由于信號(hào)中的瞬態(tài)成分往往夾雜著大量噪聲，直接對信號(hào)中瞬態(tài)成分進(jìn)行檢測的過程準(zhǔn)確性較低，效率也較低；經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,簡稱EMD)是分析信號(hào)中所含成分的一種常用方法。EMD根據(jù)信號(hào)自身時(shí)間尺度特征將信號(hào)分解成多個(gè)本征模式函數(shù)，得到原信號(hào)不同時(shí)間尺度下的局部特征，具有很強(qiáng)的自適應(yīng)性，然而EMD分解容易產(chǎn)生虛假分量和模態(tài)混疊，影響信號(hào)中瞬態(tài)成分的判斷；且對低信噪比信號(hào)的分析效果較弱。
[0004]現(xiàn)有技術(shù)中，稀疏表示是一種自適應(yīng)性好，表達(dá)簡潔的信號(hào)表示方法，通過在過完備庫中自適應(yīng)的選擇與信號(hào)最相似的原子，并使選擇的原子個(gè)數(shù)盡可能的少，從而將原始信號(hào)表示成一組最少基函數(shù)的線性展開。信號(hào)稀疏表示具備自適應(yīng)性好，表達(dá)簡潔等特點(diǎn)，已被廣泛應(yīng)用于圖像壓縮，壓縮感知等方面。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實(shí)施例提供了一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置，用于檢測和提取信號(hào)中瞬態(tài)成分，結(jié)果表示簡潔且對噪聲敏感度小。
[0006]本發(fā)明第一方面提供一種基于稀疏表不的信號(hào)中瞬態(tài)成分檢測方法，其中，可包括:
[0007]對輸入信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)；
[0008]計(jì)算所述檢測信號(hào)的最優(yōu)小波基底；
[0009]對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫；
[0010]根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；
[0011]對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)；
[0012]根據(jù)所述特征稀疏表示系數(shù)，確定出所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻；
[0013]根據(jù)所述檢 測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻，確定所述檢測信號(hào)中瞬態(tài)成分的周期。
[0014]優(yōu)選地，所述計(jì)算所述檢測信號(hào)的最優(yōu)小波基底，包括:[0015]建立小波庫，所述小波庫為一組小波原子的集合；
[0016]計(jì)算所述檢測信號(hào)與所述小波庫中小波原子的相似度；
[0017]將與檢測信號(hào)相似程度最高的小波原子確定為最優(yōu)小波基底。
[0018]優(yōu)選地,所述最優(yōu)小波基底為ψ(]\ξ,〒,?),其中，/、ξ、T , t分別表示對應(yīng)的頻率、衰減因子、延時(shí)參數(shù)、時(shí)間參數(shù)；
[0019]所述對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫，包括:
[0020]對所述最優(yōu)小波基底ψ{]\ξ,〒,?)，以預(yù)設(shè)采樣頻率為延時(shí)間隔，按不同時(shí)移進(jìn)行
擴(kuò)充，構(gòu)造出行表示不同時(shí)間參數(shù)，列表示不同延時(shí)參數(shù)的最優(yōu)小波原子庫A(t，τ)，其中τ表示按所述預(yù)設(shè)采樣頻率的倒數(shù)均勻取值的延時(shí)參數(shù)。
[0021]優(yōu)選地，所述根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)，包括:
[0022]根據(jù)所述檢測信號(hào)，得到所述檢測信號(hào)的變量分離表達(dá)式；
[0023]根據(jù)所述最優(yōu)小波原子庫A (t，τ)和所述變量分離表達(dá)式，獲得小波基底下的分裂增廣拉格朗日收縮算法；
[0024]迭代所述小波基底下的分裂增廣拉格朗日收縮算法，獲得稀疏表示系數(shù)。
[0025]優(yōu)選地，所述對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)，包括:根據(jù)3σ準(zhǔn)則，對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)，其中，所述σ為所述稀疏表示系數(shù)的標(biāo)準(zhǔn)差。
[0026]本發(fā)明第二方面提供一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測裝置，其中，可包括:
[0027]第一獲取模塊，用于對輸入信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)；
[0028]計(jì)算模塊，用于計(jì)算所述檢測信號(hào)的最優(yōu)小波基底；
[0029]構(gòu)造模塊，用于對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫；
[0030]第一確定模塊，用于根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；
[0031]第二獲取模塊，用于對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)；
[0032]第二確定模塊，用于根據(jù)所述特征稀疏表示系數(shù)，確定出所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻；
[0033]第三確定模塊，用于根據(jù)所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻，確定所述檢測信號(hào)中瞬態(tài)成分的周期。
[0034]優(yōu)選地，所述計(jì)算模塊具體用于:建立小波庫，所述小波庫為一組小波原子的集合；計(jì)算所述檢測信號(hào)與所述小波庫中小波原子的相似度；將與檢測信號(hào)相似程度最高的小波原子確定為最優(yōu)小波基底。
[0035]優(yōu)選地,所述最優(yōu)小波基底為乙O，其中，/、C ' F、t分別表示對應(yīng)的頻率、衰減因子、延時(shí)參數(shù)、時(shí)間參數(shù)；
[0036]則所述構(gòu)造模塊具體用于:對所述最優(yōu)小波基底，以預(yù)設(shè)采樣頻率為
延時(shí)間隔，按不同時(shí)移進(jìn)行擴(kuò)充，構(gòu)造出行表示不同時(shí)間參數(shù)，列表示不同延時(shí)參數(shù)的最優(yōu)小波原子庫A(t，τ)，其中τ表示按所述預(yù)設(shè)采樣頻率的倒數(shù)均勻取值的延時(shí)參數(shù)。[0037]優(yōu)選地，所述第一確定模塊，具體用于:根據(jù)所述檢測信號(hào)，得到所述檢測信號(hào)的變量分離表達(dá)式；根據(jù)所述最優(yōu)小波原子庫A(t，τ)和所述變量分離表達(dá)式，獲得小波基底下的分裂增廣拉格朗日收縮算法；迭代所述小波基底下的分裂增廣拉格朗日收縮算法，獲得稀疏表示系數(shù)。
[0038]優(yōu)選地，所述第二獲取模塊，具體用于:根據(jù)3σ準(zhǔn)則，對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)，其中，所述σ為所述稀疏表示系數(shù)的標(biāo)準(zhǔn)差。
[0039]從以上技術(shù)方案可以看出，本發(fā)明實(shí)施例提供的一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置具有以下優(yōu)點(diǎn):
[0040]本發(fā)明方法中首先建立小波庫，再對檢測信號(hào)進(jìn)行相關(guān)運(yùn)算，然后擴(kuò)充構(gòu)成具有不同延時(shí)參數(shù)的小波原子庫，再結(jié)合分裂增廣拉格朗日收縮算法，能實(shí)現(xiàn)待檢測信號(hào)在該小波原子庫上的稀疏表示。本發(fā)明將原始信號(hào)中的瞬態(tài)成分轉(zhuǎn)化成一個(gè)僅含有少量數(shù)值的稀疏向量表示出來，實(shí)現(xiàn)了瞬態(tài)成分的簡潔表達(dá)；由于檢測信號(hào)中噪聲成分與該小波原子庫相似程度低，而故障成分與小波原子庫的相似度大，因此本發(fā)明方法對噪聲敏感度小，能實(shí)現(xiàn)弱故障特征檢測；可用于對機(jī)械設(shè)備振動(dòng)信號(hào)的周期瞬態(tài)成分進(jìn)行檢測，可以實(shí)現(xiàn)對機(jī)械設(shè)備故障特征的檢測。
【專利附圖】

【附圖說明】
[0041]為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例描述所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0042]圖1為本發(fā)明實(shí)施例提供的一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法的流程圖；
[0043]圖2a為本發(fā)明實(shí)施例提供的基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法的另一流程不意圖；
[0044]圖2b為本發(fā)明實(shí)施例提供的基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法的另一流程不意圖；
[0045]圖2c為本發(fā)明實(shí)施例提供的基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法的另一流程不意圖；
[0046]圖3為本發(fā)明實(shí)施例一中齒輪箱內(nèi)部傳動(dòng)結(jié)構(gòu)意圖；
[0047]圖4為本發(fā)明實(shí)施例一中齒輪箱三檔齒輪斷齒狀態(tài)時(shí)的時(shí)域波形和小波稀疏表示檢測結(jié)果示意圖；
[0048]圖5為本發(fā)明實(shí)施例二中軸承外圈局部故障的時(shí)域波形和小波稀疏表示檢測結(jié)果示意圖；
[0049]圖6為本發(fā)明實(shí)施例二中軸承內(nèi)圈局部故障的時(shí)域波形和小波稀疏表示檢測結(jié)果示意圖；
[0050]圖7為本發(fā)明實(shí)施例二中軸承滾動(dòng)體局部故障的時(shí)域波形和小波稀疏表示檢測結(jié)果示意圖；
[0051]圖8為本發(fā)明實(shí)施例提供的一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0052]本發(fā)明實(shí)施例提供了一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法及裝置，用于檢測和提取信號(hào)中瞬態(tài)成分，結(jié)果表示簡潔且對噪聲敏感度小。
[0053]為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點(diǎn)能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而非全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0054]本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三” “第四”等(如果存在)是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
[0055]下面通過具體實(shí)施例，分別進(jìn)行詳細(xì)的說明。
[0056]請參考圖1，圖1為本發(fā)明實(shí)施例提供的一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測方法的流程圖，其中，所述檢測方法包括:
[0057]步驟S101、對輸入信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)；
[0058]其中，可以利用傳感裝置輸入并進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)，記為y(t);即檢測信號(hào)y(t)是在實(shí)際應(yīng)用中使用傳感器等設(shè)備測量采集到的信號(hào)。
[0059]步驟S102、計(jì)算所述檢測信號(hào)y (t)的最優(yōu)小波基底；
[0060]可以理解的是，本發(fā)明實(shí)施例中，所述最優(yōu)小波基底的判斷標(biāo)準(zhǔn)通常用小波基底與原始信號(hào)(即y(t))的最大相似度來衡量，其中，最大相似度可以用最大相關(guān)系數(shù)來定量表不。
[0061]例如:小波基底Ψ與信號(hào)y的相關(guān)系數(shù)可以表示為:
【權(quán)利要求】
1.一種基于稀疏表不的信號(hào)中瞬態(tài)成分檢測方法，其特征在于，包括: 對輸入信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)； 計(jì)算所述檢測信號(hào)的最優(yōu)小波基底； 對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫； 根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)； 對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)； 根據(jù)所述特征稀疏表示系數(shù)，確定出所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻； 根據(jù)所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻，確定所述檢測信號(hào)中瞬態(tài)成分的周期。
2.根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，所述計(jì)算所述檢測信號(hào)的最優(yōu)小波基底，包括: 建立小波庫，所述小波庫為一組小波原子的集合； 計(jì)算所述檢測信號(hào)與所述小波庫中小波原子的相似度； 將與檢測信號(hào)相似程度最高的小波原子確定為最優(yōu)小波基底。
3.根據(jù)權(quán)利要求1或2所述的檢測方法，其特征在于: 所述最優(yōu)小波基底為，其中，J、ξ、r > t分別表示對應(yīng)的頻率、衰減因子、延時(shí)參數(shù)、時(shí)間參數(shù)； 所述對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫，包括: 對所述最優(yōu)小波基底，匕O，以預(yù)設(shè)采樣頻率為延時(shí)間隔，按不同時(shí)移進(jìn)行擴(kuò)充，構(gòu)造出行表示不同時(shí)間參數(shù)，列表示不同延時(shí)參數(shù)的最優(yōu)小波原子庫A(t，τ)，其中τ表示按所述預(yù)設(shè)采樣頻率的倒數(shù)均勻取值的延時(shí)參數(shù)。
4.根據(jù)權(quán)利要求3所述的檢測方法，其特征在于，所述根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收 縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)，包括: 根據(jù)所述檢測信號(hào)，得到所述檢測信號(hào)的變量分離表達(dá)式； 根據(jù)所述最優(yōu)小波原子庫A (t，τ)和所述變量分離表達(dá)式，獲得小波基底下的分裂增廣拉格朗日收縮算法； 迭代所述小波基底下的分裂增廣拉格朗日收縮算法，獲得稀疏表示系數(shù)。
5.根據(jù)權(quán)利要求3所述的檢測方法，其特征在于，所述對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)，包括: 根據(jù)3σ準(zhǔn)則，對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)，其中，所述σ為所述稀疏表示系數(shù)的標(biāo)準(zhǔn)差。
6.一種基于稀疏表示的信號(hào)中瞬態(tài)成分檢測裝置，其特征在于，包括: 第一獲取模塊，用于對輸入信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，獲得檢測信號(hào)； 計(jì)算模塊，用于計(jì)算所述檢測信號(hào)的最優(yōu)小波基底； 構(gòu)造模塊，用于對所述最優(yōu)小波基底進(jìn)行擴(kuò)充，構(gòu)造最優(yōu)小波原子庫； 第一確定模塊，用于根據(jù)所述最優(yōu)小波原子庫，利用分裂增廣拉格朗日收縮算法求解優(yōu)化方程，并確定出所述檢測信號(hào)在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；第二獲取模塊，用于對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)； 第二確定模塊，用于根據(jù)所述特征稀疏表示系數(shù)，確定出所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻； 第三確定模塊，用于根據(jù)所述檢測信號(hào)中瞬態(tài)成分的發(fā)生時(shí)刻，確定所述檢測信號(hào)中瞬態(tài)成分的周期。
7.根據(jù)權(quán)利要求6所述的檢測裝置，其特征在于，所述計(jì)算模塊具體用于:建立小波庫，所述小波庫為一組小波原子的集合；計(jì)算所述檢測信號(hào)與所述小波庫中小波原子的相似度；將與檢測信號(hào)相似程度最高的小波原子確定為最優(yōu)小波基底。
8.根據(jù)權(quán)利要求6或7所述的檢測裝置，其特征在于: 所述最優(yōu)小波基底為VC7, ，其中，/、ξ、τ, t分別表示對應(yīng)的頻率、衰減因子、延時(shí)參數(shù)、時(shí)間參數(shù)； 則所述構(gòu)造模塊具體用于:對所述最優(yōu)小波基底go，以預(yù)設(shè)采樣頻率為延時(shí)間隔，按不同時(shí)移進(jìn)行擴(kuò)充，構(gòu)造出行表示不同時(shí)間參數(shù)，列表示不同延時(shí)參數(shù)的最優(yōu)小波原子庫A(t，τ)，其中τ表示按所述預(yù)設(shè)采樣頻率的倒數(shù)均勻取值的延時(shí)參數(shù)。
9.根據(jù)權(quán)利要求8所述的檢測裝置，其特征在于，所述第一確定模塊，具體用于:根據(jù)所述檢測信號(hào)，得到所述檢測信號(hào)的變量分離表達(dá)式；根據(jù)所述最優(yōu)小波原子庫A(t，τ)和所述變量分離表達(dá)式，獲得小波基底下的分裂增廣拉格朗日收縮算法；迭代所述小波基底下的分裂增廣拉格朗日收縮算法，獲得稀疏表示系數(shù)。
10.根據(jù)權(quán)利要求8所述的檢測裝置，其特征在于，所述第二獲取模塊，具體用于:根據(jù)3σ準(zhǔn)則，對所述稀疏表示系數(shù)取閾值，獲得特征稀疏表示系數(shù)，其中，所述σ為所述稀疏表示系數(shù)的標(biāo)準(zhǔn)差。
【文檔編號(hào)】G01H17/00GK103792000SQ201410057100
【公開日】2014年5月14日 申請日期:2014年2月20日 優(yōu)先權(quán)日:2014年2月20日
【發(fā)明者】蔡改改, 樊薇, 項(xiàng)巍巍, 張潤涵, 黃偉國, 朱忠奎 申請人:蘇州大學(xué)