一种基于压缩感知的钢轨声发射信号快速高精度重构方法技术

本发明专利技术公开了一种基于压缩感知的钢轨声发射信号快速高精度重构方法，所述方法为：一、将采集到的钢轨声发射信号进行3层的小波包变换，得到多尺度数据集，通过构建高斯随机矩阵，对多尺度数据集进行随机采样，获得测量值矩阵；二、基于K

【技术实现步骤摘要】
一种基于压缩感知的钢轨声发射信号快速高精度重构方法


[0001]本专利技术属于钢轨的故障检测领域，涉及一种无损检测领域的信号处理方法以及信号重构方法，具体涉及一种基于压缩感知的钢轨声发射信号快速高精度重构方法。

技术介绍

[0002]近年来，随着铁路的大规模建设，钢轨经常被过度使用，承受着较高的载荷。钢轨裂纹在恶劣的条件下容易形成和扩展，破坏了钢轨的完整性，造成严重的列车脱轨事故。目前，为了及时检测铁路钢轨裂纹，声发射(Acoustic Emission,AE)技术被引入到钢轨结构健康监测(Structural Health Monitoring,SHM)中，因为它具有高灵敏度、被动监测和高环境适应性等优点。然而，长期的监测过程和AE信号的高采样率导致了需要处理的大量数据，这对裂纹信号的实时检测是不利的。因此，当务之急是开发一种方法来有效地压缩和重建原始裂纹信息。幸运的是，作为一种有吸引力的技术，压缩传感(Compressed Sensing,CS)理论通过随机采样对信号进行高效压缩和精确重建，从而提高了钢轨结构健康监测过程中裂纹信号分析的实时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于压缩感知的钢轨声发射信号快速高精度重构方法，其特征在于所述方法包括如下步骤：步骤一：将采集到的钢轨声发射信号进行3层的小波包变换，得到多尺度数据集，通过构建高斯随机矩阵，对多尺度数据集进行随机采样，获得测量值矩阵；步骤二：基于并行的字典学习算法，构建多尺度模块化字典，结合多尺度模块化字典，利用改进的稀疏度自适应匹配追踪算法对多尺度数据集进行重构，通过计算重构测量值与原始测量值之间的峭度差，自适应的调节SAMP算法中的迭代步长；步骤三：基于设计的选择函数，利用重构前后多尺度数据集的峭度偏差，自适应的对多尺度字典中性能差的模块进行局部更新，在满足重构信号的精度要求后，利用小波反变换，获取高精度的重构钢轨声发射信号。2.根据权利要求1所述的基于压缩感知的钢轨声发射信号快速高精度重构方法，其特征在于所述步骤一的具体步骤如下：1)将钢轨结构健康监测过程中采集到的钢轨声发射信号以相同长度存放于声发射信号集X＝[x1,x2,...,x
N
|x
N
∈R
M
×1],X∈R
M
×
N
中，并对声发射信号集X进行3层的WPT，构建多尺度数据集其中M为每个信号的长度，N为信号集中的样本数量，Q为分解得到的节点总数，V＝{1,2,...,8}，为第v个尺度下的第N列；2)构建高斯随机矩阵G
v
∈R
F
×
H
，F为测量值长度，H为的长度，通过与多尺度数据集相乘C
v
＝G
v
X
v
，C＝[C1；C2；...；C
v
|C
v
∈R
F
×
N
]，得到对应尺度v下的测量值矩阵C
v
，实现大数据量的钢轨声发射信号快速压缩。3.根据权利要求1所述的基于压缩感知的钢轨声发射信号快速高精度重构方法，其特征在于所述步骤二的具体步骤如下：1)初始化多尺度模块化字典字典其中为初始化的多尺度模块化字典中的第v个模块，为第v个模块中初始化的第s个字原子，每个模块包含s个字典原子，迭代次数t＝0；2)同时对于第t次迭代中的每个字典模块使用正交匹配追踪算法进行稀疏编码，得到多尺度的稀疏矩阵其中为第v个字典模块对应的第t代稀疏矩阵，为第s行稀疏系数；3)依据如下公式逐列更新多尺度模块化字典中的原子：其中l
Ω
(t)为第t代的多尺度模块化字典的更新残差，λ为正则化系数；4)初始化峭度残差索引集令初始步长
迭代次数I＝1；5)分别计算每个节点下的取Γv中最大的前β(I)个值的序号加入序号集H，当迭代次数I＞1时，自适应的计算迭代步长β
v
(I)；6)令则获取第I次迭代的传感矩阵其中为第v个尺度下第I次迭代的索引集，为传感矩阵中的第i列；7)利用最小二乘法求解重构的稀疏系数矩阵其中为第v个尺度下第I次迭代中重构的稀疏系数矩阵；8)将按降序排列，取前β
v
(I)项对应中的列序号记为集合l；9)更...

【专利技术属性】
技术研发人员：章欣，宋树帜，沈毅，王艳，常永祺，陈逸飞，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：