节点文献

基于VMD和K-SVD字典学习的供水管道泄漏振动信号压缩感知方法

免费订阅

【作者】 李帅永毛维培程振华韩明秀夏传强

【Author】 Li Shuaiyong;Mao Weipei;Cheng Zhenhua;Han Mingxiu;Xia Chuanqiang;Key Laboratory of Industrial Internet of Things & Networked Control, Ministry of Education, Chongqing University of Posts and Telecommunications;

【通讯作者】 毛维培;

【机构】 重庆邮电大学工业物联网与网络化控制教育部重点实验室

【摘要】 针对供水管道泄漏振动信号在分析型字典下进行压缩感知时,信号的重构均方误差较大和不能保留信号中重要泄漏信息的问题,提出了基于变分模态分解(VMD)和K-奇异值分解算法(K-SVD)的供水管道泄漏振动信号压缩感知方法。首先,利用VMD算法将管道泄漏振动信号分解若干个本征模态函数(IMF),并对IMF分量进行互相关性分析;然后,选取最优模态分量,构成最优模态集,再借助K-SVD学习算法训练过完备字典;最后,选择高斯随机矩阵为观测矩阵和重构算法为正交匹配追踪算法(OMP)对管道泄漏振动信号进行压缩感知。实验结果表明,基于VMD-K-SVD稀疏表示构造的过完备字典的压缩感知方法与基于FFT正交基、DCT正交基、K-SVD的压缩感知方法相比,在压缩率为50%~89.5%下重构均方误差更小和互相关系数更高,且在相同压缩率下得到的重构信号的互相关延时估计定位误差的平均值分别降低80.12%、64.2%、61.38%。因此,所提的压缩感知方法具有较好的重构性能和稀疏性。

【基金】 国家自然科学基金(61703066);重庆市基础研究与前沿探索项目(cstc2018jcyjAX0536);重庆市科技重大主题专项(cstc2018jszx-cyztzxX0028);重庆市研究生科研创新项目(CYS19271);重庆市技术创新与应用示范项目(cstc2018jscx-msybX0022)资助
【所属期刊栏目】 检测技术 (2020年03期)
  • 【DOI】10.19650/j.cnki.cjsi.J2005965
  • 【分类号】TU991.38
  • 【下载频次】28
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: