一种小样本条件下的螺旋桨噪声线谱重构方法技术

本发明专利技术公开了一种小样本条件下的螺旋桨噪声线谱重构方法，包括以下步骤：(1)采集螺旋桨的噪声信号；(2)根据谱相关函数对所采集的噪声信号进行检测，得到循环调制谱CMS；(3)用测量矩阵对循环调制谱进行压缩感知观测，得到小样本的测量结果，然后进行重构得到重构的循环调制谱CMS1；(4)根据循环调制谱CMS得到对应的加强包络谱EES，根据重构的循环调制谱CMS1，得到对应的加强包络谱EES1；(5)通过特征信息和相关系数进行线谱特征比较。利用本发明专利技术，能够解调流质噪声和环境噪声等载波信号的干扰，将螺旋桨原始信号特征准确重构出来，从而识别螺旋桨的运转特性，具有强大的实用性。

A Line Spectrum Reconstruction Method for Propeller Noise under Small Sample Conditions

【技术实现步骤摘要】
一种小样本条件下的螺旋桨噪声线谱重构方法
本专利技术属于信号处理领域，尤其是涉及一种小样本条件下的螺旋桨噪声线谱重构方法。
技术介绍
螺旋桨是多种运输工具和推进设备的重要动力部件。由于其通常工作在高负荷运转以及复杂环境的工况中，因此其信号成分中常常会包含由环境噪声(载波)和螺旋桨本身的调制信号(轴频、叶频等)组成的复杂非平稳信号，各种信号之间复杂的耦合关系导致许多传统的信号分析方法不再适用，特征线谱无法提取，从而会埋没很多故障初生阶段的信号表现，对于一些新型的信号特征提取方法，精确的结果依赖于高采样率条件下的大量采样点数，同时高采样率下的大量采样数据也加重了信号的传输、储存负担，降低了特征线谱分析的时效性。目前信号处理领域常用的螺旋桨噪声信号线谱重构方法主要有傅里叶变换、短时傅里叶变换、小波变换等，这些方法都旨在运用与目标信号相匹配的基函数去处理信号，提取信号特征。但是这些方法都建立在目标信号是平稳信号的基础之上，而现实工业环境中的信号大多数是非平稳信号，对螺旋桨等旋转机械而言，其噪声信号是一种特殊的非平稳信号，里面隐含的周期特征需要高阶统计量来反映，因此传统的信号处理方法并不适用；同时在故障初生阶段信号的特征往往比较微弱，受到多种信号的调制作用，难以进行特征提取。循环平稳分析与线谱重构通常采用二阶或者更高阶的统计量进行特征提取，由于精确的高阶循环统计量依赖于更长的时间序列和更高的采样率，而海量的数据又为数据的存储和传输带来巨大的负担，也降低了数据处理的效率，因此有必要寻求一种小样本条件下获得信号特征线谱的方法，提高信号分析处理的时效性和精准度。专利技术内容本专利技术提供了一种小样本条件下的螺旋桨噪声线谱重构方法，能够解调流质噪声和环境噪声等载波信号的干扰，将螺旋桨原始信号特征准确重构出来，从而识别螺旋桨的运转特性，具有强大的实用性。本专利技术的技术方案如下：一种小样本条件下的螺旋桨噪声线谱重构方法，包括以下步骤：(1)使用水听器采集螺旋桨的噪声信号；(2)根据谱相关函数对所采集的噪声信号进行检测，得到循环调制谱CMS；(3)用测量矩阵对循环调制谱进行压缩感知观测，得到小样本的测量结果，然后进行重构得到重构的循环调制谱CMS1；(4)根据循环调制谱CMS得到对应的加强包络谱EES，根据重构的循环调制谱CMS1，得到对应的加强包络谱EES1；(5)通过特征信息和相关系数进行线谱特征比较。步骤(2)中，所述的谱相关函数的定义为：其中，t为时间、T为待处理序列总时长；f1和f2表示计算的两个频率，两者之间的相关性可以反映调制信息；xΔf(t,f1)表示信号x(t)在以中心频率f1频率范围为[f1-Δf1/2,f1+Δf1/2]滤波后的时域波形结果；表示xΔf(t,f2)的共轭复数；j表示虚数单位。上式是循环平稳分析谱相关函数的一种定义式，f1和f2遍历整个频域范围之后，可以得出关于频谱频率f和循环频率α二维循环调制谱CMS(f，α)。步骤(3)中，压缩感知观测的过程表示为：y＝Φx其中，x∈RN，是N×1维原始信号，在此表示为二维循环调制谱的每一列；Φ∈RM×N，是M×N维测量矩阵，y∈RM是M×1维的观测值，其中M/N为采样率，0<M/N<1。重构的过程基于压缩感知测量结果y和测量矩阵Φ进行，重构算法采用基于交替方向拉格朗日乘子的全变分正则化算法，公式为：其中，β和μ是容错常数，νi和λ是优化乘子，Dix＝ωi，表示信号x在第i个位置上的离散梯度，通过迭代求出ω和x。步骤(4)中，根据循环调制谱CMS得到对应的加强包络谱EES的公式如下：EES(α)＝∫fCMS(f,α)df其中，f为频谱频率，α为循环频率。步骤(5)中，所述的特征信息包括信号的轴频、叶频以及两者之间的关系：叶频＝轴频*叶数；所述的相关系数表示为：其中，EES为原始信号经过循环平稳分析所得的加强包络谱，EES1为由重构所得循环调制谱进行循环平稳分析所得的加强包络谱，D(EES)和D(EES1)分别表示二者的方差；Cov(EES,EES1)表示二者之间的协方差(数据的离散程度)，具体计算公式为：Cov(EES,EES1)＝E(EES*EES1)-E(EES)*E(EES1)其中，E(EES*EES1)为EES和EES1之积的数学期望，E(EES)为EES的数学期望，E(EES1)为EES1的数学期望。与现有技术相比，本专利技术具有以下有益效果：1、本专利技术通过基于压缩感知技术的循环平稳分析，对采集到的噪声信号进行处理，并且在小样本的条件下准确地重构出复杂工况下的调制信息，从而对运行状态的下的螺旋桨进行精准地识别和定位，并且提高了信息处理的效率。2、本专利技术能够突破传统频谱分析在复杂工况下的缺陷，综合运用循环平稳分析中高阶统计量的优点和压缩感知分析小样本的优点，在传统频谱无法提取出有用信息的基础上，依然能从复杂的工况中精准提取出特征线谱，为螺旋桨的识别与诊断提供了一种高效的方式。附图说明图1为本专利技术一种小样本条件下的螺旋桨噪声线谱重构方法的流程示意图；图2为本专利技术实施例中螺旋桨噪声信号经快速傅里叶变换后的频谱图；图3为本专利技术实施例中螺旋桨原始噪声信号对应的循环调制谱CMS；图4为本专利技术实施例中经压缩感知方法重构出来的循环调制谱CMS1；图5为本专利技术实施例中循环调制谱CMS所对应的加强包络谱EES；图6为本专利技术实施例中循环调制谱CMS1所对应的加强包络谱EES1。具体实施方式下面结合附图和实施例对本专利技术做进一步详细描述，需要指出的是，以下所述实施例旨在便于对本专利技术的理解，而对其不起任何限定作用。如图1所示，一种小样本条件下的螺旋桨噪声线谱重构方法，包括以下步骤：S01，用水听器采集获取水下螺旋桨的噪声信号。S02，用谱相关函数对所采集的噪声信号进行检测，得到循环调制谱CMS；其中谱相关函数的定义为：其中，t为时间、T为待处理序列总时长；f1和f2表示计算的两个频率，两者之间的相关性可以反映调制信息；xΔf(t,f1)表示信号x(t)在以中心频率f1频率范围为[f1-Δf1/2,f1+Δf1/2]滤波后的时域波形结果；表示xΔf(t,f2)的共轭复数；j表示虚数单位。上式是循环平稳分析谱相关函数的一种定义式，f1和f2遍历整个频域范围之后，可以得出关于频谱频率f和循环频率α二维循环调制谱CMS(f，α)。对于螺旋桨的噪声信号，可以简化为如下模型：其中，v(t)为随机载波信号，Ai为实数，表示余弦信号的模，αi为需要检测的调制频率。令α＝f1-f2，当或或±αi时，corrx(f1,f2)不为零，即检测到需要检测的循环频率，通过计算，可以得出关于频谱频率f和循环频率α二维循环调制谱CMS(f，α)。S03，用测量矩阵对循环调制谱进行压缩感知观测，得到小样本的测量结果；由于经过谱相关函数计算所得循环调制谱分辨率巨大，没有必要将全部范围的图谱进行压缩感知处理，因此仅仅提取包含有用信息的有限低频范围以内进行压缩观测，最终所得待处理图像的分辨率为10000*681，其中10000为连续频率的点数，其取值范围约为0～2500Hz，681为离散循环频率的点数，其取值范围约为0～15Hz，记待压缩感知处理的循环调制谱为CMS0。观测过程可以表示为：y＝Φx本文档来自技高网...

【技术保护点】
1.一种小样本条件下的螺旋桨噪声线谱重构方法，其特征在于，包括以下步骤：(1)采集螺旋桨的噪声信号；(2)根据谱相关函数对所采集的噪声信号进行检测，得到循环调制谱CMS；(3)用测量矩阵对循环调制谱进行压缩感知观测，得到小样本的测量结果，然后进行重构得到重构的循环调制谱CMS1；(4)根据循环调制谱CMS得到对应的加强包络谱EES，根据重构的循环调制谱CMS1，得到对应的加强包络谱EES1；(5)通过特征信息和相关系数进行线谱特征比较。

【技术特征摘要】
1.一种小样本条件下的螺旋桨噪声线谱重构方法，其特征在于，包括以下步骤：(1)采集螺旋桨的噪声信号；(2)根据谱相关函数对所采集的噪声信号进行检测，得到循环调制谱CMS；(3)用测量矩阵对循环调制谱进行压缩感知观测，得到小样本的测量结果，然后进行重构得到重构的循环调制谱CMS1；(4)根据循环调制谱CMS得到对应的加强包络谱EES，根据重构的循环调制谱CMS1，得到对应的加强包络谱EES1；(5)通过特征信息和相关系数进行线谱特征比较。2.根据权利要求1所述的小样本条件下的螺旋桨噪声线谱重构方法，其特征在于，步骤(2)中，所述的谱相关函数的定义为：其中，t为时间、T为待处理序列总时长；f1和f2表示计算的两个频率，两者之间的相关性可以反映调制信息；xΔf(t,f1)表示信号x(t)在以中心频率f1频率范围为[f1-Δf1/2,f1+Δf1/2]滤波后的时域波形结果；表示xΔf(t,f2)的共轭复数；j表示虚数单位。3.根据权利要求1所述的小样本条件下的螺旋桨噪声线谱重构方法，其特征在于，步骤(3)中，压缩感知观测的过程表示为：y＝Φx其中，x∈RN，是N×1维原始信号，在此表示为二维循环调制谱的每一列；Φ∈RM×N，是M×N维测量矩阵，y∈RM是M×1维的观测值，其中M/N为采样率，0<M/N<1。4.根据权利要求3所述的小样本条件下的螺旋桨噪声线谱重构方...

【专利技术属性】
技术研发人员：初宁，宁岳，黄乾，汪琳琳，叶靖菁，范潘斌，潘亦然，吴大转，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33