振動信號的稀疏去噪研究與應(yīng)用.pdf

1、信號去噪是信號處理中重要的步驟之一，例如在對大型結(jié)構(gòu)的健康監(jiān)測中等。在不同的環(huán)境和采集設(shè)備下使得采集的信號包含不同分布形態(tài)的噪聲，這些噪聲會破壞和淹沒有用信號的結(jié)構(gòu)特征，若直接使用和處理這些信號，會影響研究人員對大型建筑健康判斷的準確度，甚至造成嚴重的經(jīng)濟損失、危害社會公共安全。所以信號去噪是分析信號預(yù)處理的重要步驟。
　　稀疏去噪是當前新興的一種去噪方法，其主要去噪理論是根據(jù)信號在合適的字典上稀疏表示，而噪聲在此字典上的展開系數(shù)

2、不稀疏，用稀疏分解算法求解稀疏展開系數(shù)，并去除噪聲映射，完成去噪。稀疏去噪中冗余字典能否很好的保留信號結(jié)構(gòu)特征是稀疏去噪的關(guān)鍵點之一。根據(jù)振動信號符合 AR模型，本文將 AR模型與稀疏去噪相結(jié)合，通過一種改進稀疏去噪中的冗余字典方法，提高了振動信號稀疏去噪效果。首先根據(jù)振動信號的結(jié)構(gòu)特征及 AR模型的數(shù)學(xué)表達式，構(gòu)建自適應(yīng)過完備稀疏基及冗余字典，然后用現(xiàn)有的稀疏分解算法計算對應(yīng)信號在冗余字典上的稀疏展開系數(shù)也就是振動信號 AR模型的自回

3、歸系數(shù)，最后利用過完備稀疏基及稀疏展開系數(shù)來重構(gòu)去噪后信號。
　　K-SVD字典訓(xùn)練是一種更新冗余字典算法，其提高信號與冗余字典的匹配度，從而提高去噪效果，目前常用于圖像稀疏去噪。本文先對采集的多條同一振動信號序列，然后根據(jù)振動信號序列對某一固定基做字典訓(xùn)練，然后用更新的字典對其中一列或者多列振動信號進行稀疏去噪。
　　綜上述，本文主要是對振動信號的稀疏去噪算法中稀疏域進行了改進，增加了冗余字典的自適應(yīng)性，使得稀疏去噪適用于