本文關(guān)鍵詞：振動(dòng)信號(hào)的稀疏去噪研究與應(yīng)用

  更多相關(guān)文章： 稀疏表示 自適應(yīng)稀疏基 K-SVD字典學(xué)習(xí)算法 稀疏分解算法

【摘要】：信號(hào)去噪是信號(hào)處理中重要的步驟之一,例如在對(duì)大型結(jié)構(gòu)的健康監(jiān)測(cè)中等。在不同的環(huán)境和采集設(shè)備下使得采集的信號(hào)包含不同分布形態(tài)的噪聲,這些噪聲會(huì)破壞和淹沒(méi)有用信號(hào)的結(jié)構(gòu)特征,若直接使用和處理這些信號(hào),會(huì)影響研究人員對(duì)大型建筑健康判斷的準(zhǔn)確度,甚至造成嚴(yán)重的經(jīng)濟(jì)損失、危害社會(huì)公共安全。所以信號(hào)去噪是分析信號(hào)預(yù)處理的重要步驟。稀疏去噪是當(dāng)前新興的一種去噪方法,其主要去噪理論是根據(jù)信號(hào)在合適的字典上稀疏表示,而噪聲在此字典上的展開(kāi)系數(shù)不稀疏,用稀疏分解算法求解稀疏展開(kāi)系數(shù),并去除噪聲映射,完成去噪。稀疏去噪中冗余字典能否很好的保留信號(hào)結(jié)構(gòu)特征是稀疏去噪的關(guān)鍵點(diǎn)之一。根據(jù)振動(dòng)信號(hào)符合AR模型,本文將AR模型與稀疏去噪相結(jié)合,通過(guò)一種改進(jìn)稀疏去噪中的冗余字典方法,提高了振動(dòng)信號(hào)稀疏去噪效果。首先根據(jù)振動(dòng)信號(hào)的結(jié)構(gòu)特征及AR模型的數(shù)學(xué)表達(dá)式,構(gòu)建自適應(yīng)過(guò)完備稀疏基及冗余字典,然后用現(xiàn)有的稀疏分解算法計(jì)算對(duì)應(yīng)信號(hào)在冗余字典上的稀疏展開(kāi)系數(shù)也就是振動(dòng)信號(hào)AR模型的自回歸系數(shù),最后利用過(guò)完備稀疏基及稀疏展開(kāi)系數(shù)來(lái)重構(gòu)去噪后信號(hào)。K-SVD字典訓(xùn)練是一種更新冗余字典算法,其提高信號(hào)與冗余字典的匹配度,從而提高去噪效果,目前常用于圖像稀疏去噪。本文先對(duì)采集的多條同一振動(dòng)信號(hào)序列,然后根據(jù)振動(dòng)信號(hào)序列對(duì)某一固定基做字典訓(xùn)練,然后用更新的字典對(duì)其中一列或者多列振動(dòng)信號(hào)進(jìn)行稀疏去噪。綜上述,本文主要是對(duì)振動(dòng)信號(hào)的稀疏去噪算法中稀疏域進(jìn)行了改進(jìn),增加了冗余字典的自適應(yīng)性,使得稀疏去噪適用于很多不同結(jié)構(gòu)特征的信號(hào)。實(shí)驗(yàn)仿真結(jié)果表明,自適應(yīng)稀疏基上的稀疏去噪算法對(duì)振動(dòng)信號(hào)有較好的去噪效果,并且自適應(yīng)冗余基可以很好的保留振動(dòng)信號(hào)的結(jié)構(gòu)特征,能夠很逼近的重構(gòu)原信號(hào)。
【關(guān)鍵詞】：稀疏表示 自適應(yīng)稀疏基 K-SVD字典學(xué)習(xí)算法 稀疏分解算法
【學(xué)位授予單位】：寧波大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN911.7
【目錄】：

• 摘要4-5
• Abstract5-9
• 引言9-11
• 1 緒論11-20
• 1.1 課題背景及研究意義11-13
• 1.2 研究現(xiàn)狀與進(jìn)展13-16
• 1.2.1 振動(dòng)信號(hào)去噪方法13-15
• 1.2.2 壓縮感知研究現(xiàn)狀15-16
• 1.3 關(guān)于本課題16-20
• 1.3.1 課題預(yù)期達(dá)到的目標(biāo)16-17
• 1.3.2 研究思路與內(nèi)容17-18
• 1.3.3 本文結(jié)構(gòu)安排18-20
• 2 信號(hào)稀疏表示理論20-31
• 2.1 壓縮感知理論20-22
• 2.2 信號(hào)稀疏表示22-30
• 2.2.1 信號(hào)的稀疏性22-23
• 2.2.2 信號(hào)的稀疏表示23-26
• 2.2.3 稀疏分解算法26-30
• 2.3 本章小結(jié)30-31
• 3 稀疏去噪理論分析31-57
• 3.1 ARMA模型31-33
• 3.2 稀疏表示中字典的選擇與構(gòu)造33-37
• 3.2.1 典型稀疏字典33-35
• 3.2.2 自適應(yīng)冗余字典35-37
• 3.3 基于信號(hào)模型的稀疏去噪算法37-47
• 3.3.1 基于AR模型構(gòu)造過(guò)完備稀疏基37-40
• 3.3.2 信號(hào)去噪重構(gòu)40-41
• 3.3.3 對(duì)振動(dòng)信號(hào)去噪實(shí)驗(yàn)仿真41-47
• 3.4 基于字典訓(xùn)練的稀疏去噪算法47-55
• 3.4.1 振動(dòng)信號(hào)字典訓(xùn)練稀疏去噪改進(jìn)算法48-49
• 3.4.2 用訓(xùn)練字典對(duì)振動(dòng)信號(hào)進(jìn)行稀疏去噪仿真49-55
• 3.5 本章小結(jié)55-57
• 4 去噪算法實(shí)際應(yīng)用57-63
• 4.1 實(shí)際信號(hào)采集57-58
• 4.2 用基于自適應(yīng)過(guò)完備稀疏基算法對(duì)實(shí)際信號(hào)去噪58-60
• 4.3 字典訓(xùn)練稀疏去噪算法對(duì)實(shí)際信號(hào)去噪60-62
• 4.4 本章小結(jié)62-63
• 5 總結(jié)與展望63-66
• 5.1 總結(jié)63-64
• 5.2 展望64-66
• 參考文獻(xiàn)66-68
• 在學(xué)研究成果68-69
• 致謝69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 張春梅;尹忠科;;信號(hào)過(guò)完備稀疏表示的唯一解及其邊界條件[J];交通運(yùn)輸工程與信息學(xué)報(bào);2006年04期

，

本文編號(hào)：699918