[发明专利]一种基于稀疏表示的信号中瞬态成分检测方法及装置

说明书

技术领域

本发明涉及信号的分析检测领域，具体涉及一种基于稀疏表示的信号中瞬态成分检测方法及装置。

背景技术

目前，信号中瞬态成分的检测，在机械设备的故障诊断与状态监测、生物医学信号检测等领域具有广泛的应用。由于采集过程中获得的信号存在着大量的噪声，因而待检测信号的瞬态成分亦会被噪声污染，对于强噪声背景下的瞬态特征检测一直是信号检测的难题。

其中，最普遍的瞬态成分检测方法就是直接判断时域信号中是否存在瞬态成分，但是由于信号中的瞬态成分往往夹杂着大量噪声，直接对信号中瞬态成分进行检测的过程准确性较低，效率也较低；经验模态分解（Empirical Mode Decomposition，简称EMD）是分析信号中所含成分的一种常用方法。EMD根据信号自身时间尺度特征将信号分解成多个本征模式函数，得到原信号不同时间尺度下的局部特征，具有很强的自适应性，然而EMD分解容易产生虚假分量和模态混叠，影响信号中瞬态成分的判断；且对低信噪比信号的分析效果较弱。

现有技术中，稀疏表示是一种自适应性好，表达简洁的信号表示方法，通过在过完备库中自适应的选择与信号最相似的原子，并使选择的原子个数尽可能的少，从而将原始信号表示成一组最少基函数的线性展开。信号稀疏表示具备自适应性好，表达简洁等特点，已被广泛应用于图像压缩，压缩感知等方面。

发明内容

本发明实施例提供了一种基于稀疏表示的信号中瞬态成分检测方法及装置，用于检测和提取信号中瞬态成分，结果表示简洁且对噪声敏感度小。

本发明第一方面提供一种基于稀疏表示的信号中瞬态成分检测方法，其中，可包括：

对输入信号进行模/数转换，获得检测信号；

计算所述检测信号的最优小波基底；

对所述最优小波基底进行扩充，构造最优小波原子库；

根据所述最优小波原子库，利用分裂增广拉格朗日收缩算法求解优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数；

对所述稀疏表示系数取阈值，获得特征稀疏表示系数；

根据所述特征稀疏表示系数，确定出所述检测信号中瞬态成分的发生时刻；

根据所述检测信号中瞬态成分的发生时刻，确定所述检测信号中瞬态成分的周期。

优选地，所述计算所述检测信号的最优小波基底，包括：

建立小波库，所述小波库为一组小波原子的集合；

计算所述检测信号与所述小波库中小波原子的相似度；

将与检测信号相似程度最高的小波原子确定为最优小波基底。

优选地，所述最优小波基底为其中，t分别表示对应的频率、衰减因子、延时参数、时间参数；

所述对所述最优小波基底进行扩充，构造最优小波原子库，包括：

对所述最优小波基底以预设采样频率为延时间隔，按不同时移进行扩充，构造出行表示不同时间参数，列表示不同延时参数的最优小波原子库A(t,τ)，其中τ表示按所述预设采样频率的倒数均匀取值的延时参数。

优选地，所述根据所述最优小波原子库，利用分裂增广拉格朗日收缩算法求解优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数，包括：

根据所述检测信号，得到所述检测信号的变量分离表达式；

根据所述最优小波原子库A(t,τ)和所述变量分离表达式，获得小波基底下的分裂增广拉格朗日收缩算法；

迭代所述小波基底下的分裂增广拉格朗日收缩算法，获得稀疏表示系数。

优选地，所述对所述稀疏表示系数取阈值，获得特征稀疏表示系数，包括：根据3σ准则，对所述稀疏表示系数取阈值，获得特征稀疏表示系数，其中，所述σ为所述稀疏表示系数的标准差。

本发明第二方面提供一种基于稀疏表示的信号中瞬态成分检测装置，其中，可包括：

第一获取模块，用于对输入信号进行模/数转换，获得检测信号；

计算模块，用于计算所述检测信号的最优小波基底；

构造模块，用于对所述最优小波基底进行扩充，构造最优小波原子库；

第一确定模块，用于根据所述最优小波原子库，利用分裂增广拉格朗日收缩算法求解优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数；

第二获取模块，用于对所述稀疏表示系数取阈值，获得特征稀疏表示系数；

第二确定模块，用于根据所述特征稀疏表示系数，确定出所述检测信号中瞬态成分的发生时刻；