基于同步压缩变换与时频匹配的信号特征提取方法及系统技术方案

本发明专利技术提出的一种基于同步压缩变换与时频匹配的信号特征提取方法，包括以下步骤：S1、结合时频域变换和同步压缩变换获取原始信号的高分辨率时频分布；S2、设置时频匹配模板，通过时频匹配模板计算高分辨率时频分布的时间中心和特征频率；S3、结合时间中心和特征频率进行二次采样，获得校正信号，并根据校正信号进行故障分析和诊断。本发明专利技术能够较好地解决目前列车轨边声学监测系统中，由于非线性多普勒干扰带来的信号畸变和特征频率混叠问题；无需使用麦克风阵列，降低成本和安装复杂度；提高对信号多普勒参数的估计精度和畸变的校正效果，对不同的背景噪声有更强的鲁棒性。

【技术实现步骤摘要】
基于同步压缩变换与时频匹配的信号特征提取方法及系统
本专利技术涉及信号处理
，尤其涉及一种基于同步压缩变换与时频匹配的信号特征提取方法及系统。
技术介绍
铁路运输也是国家经济的支柱产业，在整个交通运输的领域当中无可替代。随着现代铁路运输的快速发展和不断提速，对铁路运输的需求也就越来越高，列车运行过程中的安全性问题变得日益突出。而列车轴承故障时列车故障的主要类型，也是影响列车安全的最大根源之一。列车轴承一般所处的工作环境十分恶劣，交变应力的作用使其常常会发生故障，而轴承在列车的所有部件中又具有不可取代的地位。在这种特殊的工作状态下，应力的反复作用会引起轴承损坏，严重影响列车安全稳定地运行。由此可见，如何有效实现针对轴承这一关键部件故障的可靠监测和诊断，如何实现我国高速列车的智能化自动监测，对我国铁路运输和高速列车发展有着重大的意义，更是铁路事业前进道路上的机遇和新的挑战。传统的振动监测手段中，振动传感器需要安装在待测目标上或者附近，才能获得相应的可靠的振动信号，而列车上很多地方是不适合安装振动传感器的。另一方面，对于车载监测系统而言，顾名思义，每个部位都需要安装有振动传感器，这样一来在线监控整个列车的所有轴承会导致成本过高，系统往往复杂昂贵。目前列车道旁监测系统主要有热轴检测和轨边声学监测(TracksideAcousticDetectionSystem：TADS)两种方式。列车轴承的TADS系统示意图如图1所示，由于系统需要完成数据采集、处理、分析等主要工作，所以其主要由三个核心模块构成，即声学传感器阵列、声信号采集装置和信号处理模块。从该系统的功能来看，其主要技术难点在于对麦克风采集到的声信号进行数据处理，并从中提取有助于诊断结论裁定的特征。但从系统的模型中可看出，麦克风实际采集到的信号中存在着诸多问题和不足，这些则形成了限制系统发展到应用过程中的主要技术难题。从图1中可以知道在麦克风到铁轨间存在一段距离，当列车驶过时，信号源和麦克风之间存在相对速度，此时会产生多普勒效应，且相对速度由于几何关系会产生非均匀变化。图2所示为声源经过麦克风时的信号采集几何模型，其中声源在t＝0时刻位于A点，与麦克风沿前进方向上距离为S，运行速度为v，假设t时刻声源运动到A’点，此时声源与麦克风的直线距离为R(t)，速度方向与二者连线夹角为θ(t)，麦克风离声源运动方向的距离为r。根据此模型可以看出，麦克风采集到的声学信号由于r和v的存在，将产生不同于天体和雷达学科的非线性多普勒效应，该效应使得信号的频谱发生崎变和展宽。可见，采集获取的信号中会存在不同于传统雷达信号的非线性多普勒的干扰。这一现象会导致声音信号出现时频域的非线性展宽。在传统的诊断方法中，将难以通过获取信号的时域特征频率来确定轴承的健康状态和故障类型。现阶段对于此类问题的解决方案基本上分为两个步骤：直接采集列车的速度信息或者对信号进行分析获取声音信号的时变特征，然后根据特征对受到多普勒干扰的信号进行二次重采样恢复原有的特征频率。由于第一步时解决问题的关键，所以现阶段针对此类时变信号的特征提取出现了较多的研究和成果。由于采集列车的速度信息受限于成本、施工难度、需要精确的几何位置信息等问题，大部分的研究都集中在如何从采集的声音信号中识别提取出信号的时变特征，并恢复其非线性多普勒参数。比如根据获取的发送终端运动速度和位置，计算参考信息并用于传统的线性多普勒频移校正(张彤多普勒频移校正方法及装置，CN108683621A)和雷达勘测信号中基于子阵列的延时参考信号，引入随机相位误差和多普勒频移产生的相位，通过香味补偿来校正多普勒频移(刘治宇一种基于下变频波束形成中的多普勒频移校正方法CN105277932B)；类似方向的应用方法有采用麦克风阵列获取信号，计算不同片段的接收角构造重采样时间序列，并进一步对中央麦克风信号进行重采样计算(张尚斌一种基于麦克风阵列的多普勒畸变声学信号的校正方法CN106226078B)；丁晓喜还提出一种通过构造移频算子和声调算子，自适应学习多普勒模型中的参数，得到频谱共振带具有无畸变以及高能量聚集性的过渡基准项，实现对多普勒信号的完整校正(丁晓喜一种多普勒声学信号的自适应学习校正方法CN106872171B)。尽管目前现有的技术或方案在一定条件下可以通过先验知识或者外部信息得到声音信号的时变特征，并进一步对多普勒干扰进行校正处理，但是以上述提到的几种方法为代表的大部分现有技术路径，均存在以下一个或多个缺陷与不足：(1)现阶段大部分多普勒畸变校正方法都是使用于传统的线性多普勒效应，即声源和接收器都在其相对运动的直线上。这种情况有别于图1所示的情形，接收器在声源的运动方向旁，会导致声源、接收器、运动方向三者存在三角几何关系，其多普勒效应由共线时的线性变化变成非线性，单一的多普勒频移变成随时间非线性改变的频率变化，使得传统的频移校正方法不再适用。(2)近年来也有不少学者提出了类似模型的多普勒畸变校正方案。但是其中大部分算法在频域处理时原信号只能包含单一的频率成分，在特征频率分布比较密集的情况下难以进行有效的时变特征提取和多普勒干扰去除；而且通常采用的基于希尔伯特变换二次采样的端点效应会影响方法的有效性，降低了对频率参数的估计精度。(3)还有一部分方法，对采集的信号要求较高或者需要较多的硬件才能实现。比如前面提到的通基于麦克风阵列的畸变消除，需要安装较多的麦克风阵列，而且阵列的设计会直接影响信号处理结果；再比如通过构造移频算子或者能量重心法等方法，受到信号中的偶然高能频率分量影响，当信号中包含偶然的强噪声，将导致所提取的瞬时频率分布不准确，影响最终结果的判断，而且算法的收敛性会直接受到噪声的影响。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种基于同步压缩变换与时频匹配的信号特征提取方法。本专利技术提出的一种基于同步压缩变换与时频匹配的信号特征提取方法，包括以下步骤：S1、结合时频域变换和同步压缩变换获取原始信号的高分辨率时频分布；S2、设置时频匹配模板，通过时频匹配模板计算高分辨率时频分布的时间中心和特征频率；S3、结合时间中心和特征频率进行二次采样，获得校正信号，并根据校正信号进行故障分析和诊断。优选的，步骤S1具体包括以下步骤：S11、采集原始信号，并获取原始信号的时频域分布；S12、通过同步压缩变换对时频域分布进行高分辨率时频分析，获得高分辨率时频分布。优选的，步骤S11中，获取原始信号的时频域分布的方法为：短时傅里叶变换、小波变换、Wigner-Ville分布或者S变换。优选的，步骤S2具体包括以下步骤：S21、设置时频匹配模板，将时频匹配模板作用于高分辨率时频分布，获取多普勒信号的t0-f0分布；S22、对t0-f0分布搜索峰值，获取峰值对应的f0max和t0max作为特征频率和时间中心。优选的，步骤S21中，设置的时频匹配模板为非线性多普勒时频域匹配模板。优选的，步本文档来自技高网...

【技术保护点】
1.一种基于同步压缩变换与时频匹配的信号特征提取方法，其特征在于，包括以下步骤：/nS1、结合时频域变换和同步压缩变换获取原始信号的高分辨率时频分布；/nS2、设置时频匹配模板，通过时频匹配模板计算高分辨率时频分布的时间中心和特征频率；/nS3、结合时间中心和特征频率进行二次采样，获得校正信号，并根据校正信号进行故障分析和诊断。/n

【技术特征摘要】
1.一种基于同步压缩变换与时频匹配的信号特征提取方法，其特征在于，包括以下步骤：
S1、结合时频域变换和同步压缩变换获取原始信号的高分辨率时频分布；
S2、设置时频匹配模板，通过时频匹配模板计算高分辨率时频分布的时间中心和特征频率；
S3、结合时间中心和特征频率进行二次采样，获得校正信号，并根据校正信号进行故障分析和诊断。


2.如权利要求1所述的基于同步压缩变换与时频匹配的信号特征提取方法，其特征在于，步骤S1具体包括以下步骤：
S11、采集原始信号，并获取原始信号的时频域分布；
S12、通过同步压缩变换对时频域分布进行高分辨率时频分析，获得高分辨率时频分布。


3.如权利要求2所述的基于同步压缩变换与时频匹配的信号特征提取方法，其特征在于，步骤S11中，获取原始信号的时频域分布的方法为：短时傅里叶变换、小波变换、Wigner-Ville分布或者S变换。


4.如权利要求1所述的基于同步压缩变换与时频匹配的信号特征提取方法，其特征在于，步骤S2具体包括以下步骤：
S21、设置时频匹配模板，将时频匹配模板作用于高分辨率时频分布，获取多普勒信号的t0-f0分布；
S22、对t0-f0分布搜索峰值，获取峰值对应的f0max和t0max作为特征频率和时间中心。


5.如权利要求4所述的基于同步压缩变换与时频匹配的信号特征提取方法，其特征在于，步骤S21中，设置的时频匹配模板为非线性多...

【专利技术属性】
技术研发人员：翟中平，张海滨，吴问全，洪星园，
申请(专利权)人：安徽智寰科技有限公司，
类型：发明
国别省市：安徽;34