基于K-奇异值分解字典学习的振动信号压缩感知方法
来源：济南大学学报·自然科学版杂志2020年第01期北京时间：
作者：何天远,王万仁,吴鲁明,邢亚航,郝如江
摘要：针对在齿轮箱的状态监测和故障诊断过程中传统的奈奎斯特采样定律采集到的振动信号数据量过大的问题,提出基于K-奇异值分解(K-SVD)字典学习的振动信号压缩感知(CS)方法,以实现对振动信号的高效压缩采样;在实验中分别将基于K-SVD训练生成的2种字典和离散余弦变换(DCT)固定字典用于信号的重构,并对其结果进行对比分析。实验结果表明,在相同压缩率时,与DCT固定字典相比,本文中所提出的方法能有效地提高重构信号的相似度。
关键词：齿轮箱;故障诊断;K-奇异值分解;压缩感知
