基于过完备字典的缺失振动数据压缩感知重构算法

发布时间：2018-03-02 13:20

  本文选题：字典学习　切入点：K-奇异值分解　出处：《系统工程与电子技术》2017年08期 　论文类型：期刊论文

【摘要】：针对振动数据采集过程中由于设备短路或环境变化等诸多因素导致的数据丢失问题,提出了一种基于过完备字典的缺失振动数据压缩感知重构算法。首先利用K-奇异值分解算法对大量振动数据进行字典学习得到过完备字典,然后构建缺失振动数据的采样矩阵作为压缩感知框架下的测量矩阵。最后利用正则化正交匹配追踪算法完成缺失数据的重构。通过振动数据库数据和实测航空发动机振动数据实验表明,所提算法优于传统基于离散余弦变换和离散傅里叶变换的数据修复算法,同时具有一定的鲁棒性。
[Abstract]:Aiming at the problem of data loss caused by the short circuit of the equipment or the change of the environment in the process of vibration data acquisition, In this paper, an algorithm for reconstruction of missing vibration data compression perception based on overcomplete dictionaries is proposed. Firstly, over-complete dictionaries are obtained by using K-singular value decomposition (SVD) algorithm to study a large number of vibration data in dictionaries. Then, the sampling matrix of missing vibration data is constructed as the measurement matrix under the frame of compressed perception. Finally, the reconstruction of missing data is accomplished by regularized orthogonal matching tracing algorithm. The vibration database data and the measured aerial emission are used to reconstruct the missing data. The experiment of vibration data of motive shows that, The proposed algorithm is superior to the traditional data repair algorithm based on discrete cosine transform and discrete Fourier transform and has some robustness.
【作者单位】： 海军航空工程学院青岛校区控制系;海军航空工程学院青岛校区电子系;
【基金】：国家自然科学基金(51505491)资助课题
【分类号】：TP18

【参考文献】

相关期刊论文 前8条

1 蔡体健;樊晓平;谢昕;徐君;;基于编码复杂度的混合结构稀疏人脸识别方法[J];模式识别与人工智能;2015年07期

2 郭亮;高宏力;黄海凤;张筱辰;;基于压缩感知理论的时变信号压缩技术[J];西南交通大学学报;2015年03期

3 方标;黄高明;高俊;;LFM宽带雷达信号的多通道盲压缩感知模型研究[J];自动化学报;2015年03期

4 张新鹏;胡茑庆;程哲;钟华;;基于压缩感知的振动数据修复方法[J];物理学报;2014年20期

5 周亚同;王丽莉;蒲青山;;压缩感知框架下基于K-奇异值分解字典学习的地震数据重建[J];石油地球物理勘探;2014年04期

6 彭向东;张华;刘继忠;;基于过完备字典的体域网压缩感知心电重构[J];自动化学报;2014年07期

7 高娃;查富生;宋宝玉;李满天;;Fast filtering algorithm based on vibration systems and neural information exchange and its application to micro motion robot[J];Chinese Physics B;2014年01期

8 尹宏鹏;刘兆栋;柴毅;焦绪国;;压缩感知综述[J];控制与决策;2013年10期

相关硕士学位论文 前1条

1 朱建斐;数据集缺失数据恢复算法研究[D];西安电子科技大学;2015年

【共引文献】

相关期刊论文 前10条

1 段文胜;王鹏;党青宁;姚晓龙;彭更新;雷雪;;应用匹配追踪傅里叶插值技术实现OVT域连片处理[J];石油地球物理勘探;2017年04期

2 张岩;任伟建;唐国维;;利用多道相似组稀疏表示方法压制随机噪声[J];石油地球物理勘探;2017年03期

3 谢春临;黄伟;关晓巍;顾海燕;徐立显;;波形分解技术在强反射背景下薄砂层识别中的应用[J];石油地球物理勘探;2017年03期

4 赵端;谢琦;;基于特征加权的快速压缩感知跟踪[J];计算机应用与软件;2017年06期

5 谢世满;;机械设备振动信号采集对故障优化检测仿真[J];计算机仿真;2017年06期

6 余路;曲建岭;高峰;田沿平;申江江;;基于过完备字典的缺失振动数据压缩感知重构算法[J];系统工程与电子技术;2017年08期

7 李盈婷;;压缩感知理论及两种贪婪算法详解[J];无线互联科技;2017年08期

8 罗文东;田慕阳;张萌;;多层离散小波变换系数的稀疏向量构造的改进[J];电子器件;2017年02期

9 沈跃;刘慧;李光武;刘国海;;不相干约束项的判别字典表示电能质量扰动分类研究[J];电子测量与仪器学报;2017年04期

10 孟宗;李晶;龙海峰;潘作舟;;基于压缩信息特征提取的滚动轴承故障诊断方法[J];中国机械工程;2017年07期

【二级参考文献】

相关期刊论文 前10条

1 闫斌;陈浩;王文东;周小佳;;一种基于盲运算的1比特压缩感知重建算法[J];西南交通大学学报;2015年02期

2 蔡体健;樊晓平;;贪婪追踪系列算法的分析与优化[J];小型微型计算机系统;2014年05期

3 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

4 高娃;查富生;宋宝玉;李满天;;Fast filtering algorithm based on vibration systems and neural information exchange and its application to micro motion robot[J];Chinese Physics B;2014年01期

5 刘芳;武娇;杨淑媛;焦李成;;结构化压缩感知研究进展[J];自动化学报;2013年12期

6 宁方立;何碧静;韦娟;;基于l_p范数的压缩感知图像重建算法研究[J];物理学报;2013年17期

7 胡正平;宋淑芬;;原子稀疏结合块结构稀疏的联合表示图像识别算法[J];信号处理;2013年07期

8 冯丙辰;方晟;张立国;李红;童节娟;李文茜;;基于压缩感知理论的非线性γ谱分析方法[J];物理学报;2013年11期

9 孙闯;何正嘉;张周锁;陈雪峰;曹宏瑞;宁喜钰;邹利民;;基于状态信息的航空发动机运行可靠性评估[J];机械工程学报;2013年06期

10 白旭;李永强;赵生妹;;基于压缩感知的差分关联成像方案研究[J];物理学报;2013年04期

相关硕士学位论文 前1条

1 袁中萸;多元线性回归模型中缺失数据填补方法的效果比较[D];中南大学;2008年

【相似文献】

相关期刊论文 前8条

1 许陇云;环境振动数据的周期性检验[J];华东工业大学学报;1995年01期

2 缪国生,景敏卿,周健,姚智刚,陈锦玲;机电设备振动数据转换平台的设计与实现[J];机械制造;2003年12期

3 韩中合;海旷儒;朱霄~d;;3种预测模型在振动数据预测中的对比研究[J];汽轮机技术;2013年03期

4 陈春良,高连华,罗健华;智能化便携式振动数据采集处理器的设计[J];测试技术学报;1994年S1期

5 高潮;陈立;郭永彩;;一种用于振动数据采集的AGC设计[J];重庆大学学报;2010年01期

6 Margery Conner;;用Slam Stick评估应用的能量采集振动数据[J];电子设计技术;2012年01期

7 刘自然;甄守乐;颜丙生;余玉西;何园园;;基于TDMS的海量振动数据快速存储和查询虚拟系统[J];组合机床与自动化加工技术;2013年09期

8 许加兵;振动数据采集分析装置中的DSP系统的开发[J];仪器仪表学报;2001年S2期

相关硕士学位论文 前2条

1 李明;基于Spark并行计算框架的高铁走行部振动数据处理方法研究[D];西南交通大学;2016年

2 娄海英;风机振动检测与监控分析系统[D];北京交通大学;2008年

，

本文编号：1556696