基于改进稀疏编码的微弱振动信号特征提取算法

发布时间：2018-04-22 12:43

  本文选题：振动信号 + 改进字典学习　； 参考：《仪器仪表学报》2017年03期

【摘要】：针对强噪声环境下难以有效提取微弱振动信号特征的问题,提出了基于改进字典学习和移不变分量过滤(IDL-SICF)的稀疏编码振动信号特征提取算法。首先,将振动信号进行分段和平滑预处理以降低数据处理复杂度,接着利用改进的字典学习和高效系数求解算法构建基于移不变稀疏编码的自适应滤波器,然后过滤字典原子重构的移不变分量以获得表征信号本质特征的最优基函数,取最优基函数对应的移不变分量的特征频率强度作为评价信号特征提取效果的优劣。仿真和实测数据的试验结果表明,相比于现有微弱振动信号提取算法,提出的算法具有更强的特征提取能力,在实际应用中具有较高的可行性。
[Abstract]:In order to solve the problem that it is difficult to extract the feature of weak vibration signal effectively in strong noise environment, a sparse coded feature extraction algorithm based on improved dictionary learning and shift invariant component filtering (IDL-SICF) is proposed. Firstly, the vibration signal is preprocessed by segmenting and smoothing to reduce the complexity of data processing. Then, an adaptive filter based on shift invariant sparse coding is constructed by using the improved dictionary learning and efficient coefficient solving algorithm. Then the shift invariant component of dictionary atom is filtered to obtain the optimal basis function which characterizes the essential feature of the signal. The feature frequency intensity of the shift invariant component corresponding to the optimal basis function is taken as the evaluation of the advantages and disadvantages of the signal feature extraction effect. The experimental results of simulation and measured data show that compared with the existing weak vibration signal extraction algorithm, the proposed algorithm has a stronger feature extraction ability and is more feasible in practical application.
【作者单位】： 海军航空工程学院青岛校区;
【基金】：国家自然科学基金(51505491)项目资助
【分类号】：TN911.7

【相似文献】

相关期刊论文 前10条

1 晁永国;戴芳;韩舒然;何静;;改进的非负稀疏编码图像基学习算法[J];计算机工程与科学;2010年01期

2 谢尧芳;苏松志;李绍滋;;基于稀疏编码的迁移学习及其在行人检测中的应用[J];厦门大学学报(自然科学版);2010年02期

3 郎利影;夏飞佳;;人脸识别中的零范数稀疏编码[J];应用科学学报;2012年03期

4 程东阳;蒋兴浩;孙锬锋;;基于稀疏编码和多核学习的图像分类算法[J];上海交通大学学报;2012年11期

5 邹柏贤;苗军;;自然图像稀疏编码模型研究综述[J];郑州大学学报(工学版);2013年03期

6 刘伟锋;刘红丽;王延江;;基于多分离部件稀疏编码的人脸图像分析[J];模式识别与人工智能;2013年11期

7 张抒;蔡勇;解梅;;基于局部区域稀疏编码的人脸检测[J];软件学报;2013年11期

8 单桂军;廖建锋;;最大似然稀疏编码在人脸识别中的研究[J];电视技术;2013年23期

9 王瑞霞;彭国华;郑红婵;;拉普拉斯稀疏编码的图像检索算法[J];计算机科学;2014年08期

10 钱乐乐;高隽;谢昭;;一种融合神经稀疏编码机制的层次目标识别算法[J];中国图象图形学报;2010年10期

相关会议论文 前3条

1 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

2 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 张莹莹;梁培基;;视网膜神经元的高效信息处理[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

相关博士学位论文 前10条

1 唐海峰;基于信号稀疏表征的故障诊断方法研究[D];上海交通大学;2014年

2 孙宇平;基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D];华南理工大学;2015年

3 徐平华;基于稀疏编码的多视域织物外观平整度表征与评级[D];东华大学;2016年

4 吕京磊;基于功能磁共振成像的大脑架构表达的研究[D];西北工业大学;2016年

5 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院（计算技术研究所）;2006年

6 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年

7 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年

8 朱秋平;基于稀疏编码的织物瑕疵检测算法研究[D];武汉大学;2014年

9 罗敏楠;T-S模糊推理系统的结构稀疏编码辨识理论与方法[D];清华大学;2014年

10 谢锦生;基于动态感知与异常注意的目标描述方法研究[D];中国科学技术大学;2012年

相关硕士学位论文 前10条

1 柏文强;基于局部特征提取和稀疏编码的人脸识别算法研究[D];燕山大学;2015年

2 李明;目标检测与识别算法研究与应用[D];中央民族大学;2015年

3 许涛;面向视频管理的指纹特征提取技术研究[D];电子科技大学;2015年

4 鲍珍珍;基于多路分层稀疏编码的遥感图像场景分类[D];西安电子科技大学;2014年

5 覃晓冰;基于稀疏编码的语音去噪技术研究[D];电子科技大学;2015年

6 谢易道;大规模人脸图像编码及其在人脸验证中的应用研究[D];电子科技大学;2015年

7 勾珍珍;基于空间约束和稀疏编码的高光谱图像分类[D];西安电子科技大学;2014年

8 黄成;基于非负稀疏编码的视频拷贝检测方法研究[D];湘潭大学;2015年

9 张文义;基于智能监控系统的图像质量增强算法的研究[D];南京邮电大学;2015年

10 丁文秀;基于分层深度学习的行人分类方法研究[D];合肥工业大学;2015年

，

本文编号：1787268