一种压缩声学冲击信号的稀疏小波包节点选取算法制造技术

一种压缩声学冲击信号的稀疏小波包节点选取算法，解决现有技术轨道中的周期性脉冲声信号大数据压缩难的问题。该算法利用小波包节点的聚类特性，对采集健康信号和故障信号进行小波包分解；再对每个子带能量进行归一化处理；并通过求相应子带的差值和降序排列，获得归一化损伤敏感能量系数向量；进而通过求解相邻系数间差值，获得最大差值位置及其前面位置的对应节点号，即为对脉冲信号敏感小波包节点；然后，保留与故障相关的小波包，其他小波包节点的小波系数设置为零；最后，进行小波包逆变换，得到输出数据；能够在保留有效声学信息的条件下，满足高压缩比和高保真度的要求，适用于铁路钢轨声学冲击信号的压缩处理。用于铁路钢轨声学冲击信号的压缩处理。用于铁路钢轨声学冲击信号的压缩处理。

【技术实现步骤摘要】
一种压缩声学冲击信号的稀疏小波包节点选取算法


[0001]本专利技术属于铁路声学冲击信号处理
，具体涉及一种依据小波包分解的簇特性，选取含有冲击信号的有效信息进行数据传输，能够在保留有效声学信息的条件下，实现数据的高压缩比，适用于铁路钢轨声学冲击信号压缩处理的压缩声学冲击信号的稀疏小波包节点选取算法。

技术介绍

[0002]目前，监测钢轨或车轮踏面损伤的方法有两种，一种是在车轴上布设传感器，其缺点是车身、转向架、车架等部件的振动也会传递给传感器，许多振动频域会重叠，难以确定振动源，进而降低了损伤识别的准确率。另一种是在道旁安装静态状态检测设备，如车轮冲击载荷探测器系统(Wheel Impact Load Detectors systems)和基于声学的道旁监测系统(Wayside monitoring systems based on acoustic and ultrasonic)，这种方法的缺点是钢轨中的振动衰减非常快，不能进行大范围实时监测；而且，基于声学的道旁监测系统还容易受到电磁和环境噪声的干扰。
[0003]声音在钢轨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种压缩声学冲击信号的稀疏小波包节点选取算法，其特征在于，包括如下步骤：步骤一、对传感器输出信号进行Nyquist采样，得到采集的健康信号x
nor
(t)；步骤二、对声学健康信号x
nor
(t)和故障信号x
in
(t)进行小波包分解，得到每个子带归一化的能量向量T
j,nor
和T
j,in
；步骤三、通过获得对应子带T
j,nor
和T
j,in
的差值和降序排列，获得归一化损伤敏感能量系数向量λ
j
′
；步骤四、通过计算向量λ
j
′
中相邻元素的差值，得到向量d
j
；步骤五、得到向量d
j
中最大差值位置n，位置n前面的敏感因子对应的小波包节点即为与故障相关的有效小波包；步骤六、保留与故障相关的小波包，并将其他小波包节点的小波系数设置为零；步骤七、进行小波包逆变换，得到输出数据。2.根据权利要求1所述的压缩声学冲击信号的稀疏小波包节点选取算法，其特征在于：所述步骤二，故障信号x
in
(t)、能量向量T
j,nor
和T
j,in
通过如下方式获得：获得小波包分解系数，根据式(1)获得每个子带的能量；式中：j是小波包分解层级；N是第i个子带的小波包系数个数；是小波包分解系数；根据式(2)获得故障信号x
in
(t)；式中：s(t)是周期性冲击分量；i是冲击重复的次数；f
i
＝1/T为周期冲击频率，与车轮转动频率相同；A0是周期性冲击的幅度；f
n
为谐振频率；C为衰减系数；n(t)为添加的高斯白噪声；f
s
为采样频率；根据式(3)获得健康信号x
nor
(t)的归一化能量向量T
j,nor
和故障信号x
...

【专利技术属性】
技术研发人员：岳国栋，赵立笠，王一豪，
申请(专利权)人：沈阳建筑大学，
类型：发明
国别省市：