基于改进量子进化算法的稀疏特征提取方法

发布时间：2025-02-06 17:15

　　 特征提取是进行模式识别的关键环节,利用稀疏分解将信号表达为具有一定结构特征的原子组合,为提取信号内部特征信息提供了一种有效途径.本文提出基于改进量子进化算法的稀疏特征提取方法,利用改进量子进化算法的并行性和全局搜索能力,使信号在过完备的原子库上实现快速精确的稀疏分解.对过完备的原子库进行量子比特概率幅编码,通过量子比特的交叉进化-变异操作更新原子库,以信号残差与原子的内积作为量子进化目标函数,筛选出最具信号结构特征的原子,凭借稀疏重构实现信号的特征提取.仿真信号和故障轴承振动信号的稀疏特征提取结果表明了所提方法的有效性和优越性.

【文章页数】：7 页

【部分图文】：

图1 旋转角Δθ与当前量子比特与最优量子比特的相位角差值 | θ 0 -θ ij | 的关系

式中G和Ngen分别为设定的最大代数和当前代数.由式(14)可以看出:当种群个体达到“优良”前,即η=0,得Δθ=π/2,相当于NOT门操作,发生“大变化”的变异;而当种群个体达到“优良”后,其变异的幅度随代的增加而逐渐缩减,直到减小到0.

图2 3种方法提取结果的重构误差RMSE随信噪比SNR变化关系

3种方法提取结果的RMSE随信噪比SNR变化关系如图2所示.可以看出,本文方法在相同强度噪声环境下提取还原出特征分量的失真度比GA-OMP方法和DCQGA-OMP方法更小.这主要由于所提IQEA在匹配具有一定结构特征的信号成分时,寻优筛选出的Gabor原子参数(q,p,α,β....

图3 3种方法提取特征成分所需的稀疏分解次数与信噪比SNR关系

3种方法提取特征成分所需的稀疏分解次数与SNR关系如图3所示.可以看出,所提方法在相同强度噪声环境下稀疏提取特征成分所需的分解次数比GA-OMP方法和DCQGA-OMP方法明显少,这进一步说明在相同的分解结束条件下,所提方法在每次稀疏分解过程中筛选出的匹配原子比其他两种方法更精....

图4 故障轴承的振动信号波形

∥Rkf-Rk-1f∥22∥Rkf∥22<0.01.?????????(25)提取结果如图5所示,对提取结果进行Hilbert包络谱分析,其频谱分布如图6所示.可以看出,图5重构信号中冲击成分周期性很明显,图6中频谱峰值处的频率约为145.6Hz.....

本文编号：4030632