基于双稀疏字典模型机械振动信号压缩感知方法
来源：机械工程学报杂志2018年第6期北京时间：
作者：郭俊锋, 石斌, 雷春丽, 魏兴春, 李海燕
单位：兰州理工大学机电工程学院 兰州 730050
摘要：针对机械装备在状态监测与故障诊断过程中，依据传统香农-内奎斯特采样定理进行数据采集时，面临的大量机械振动信号存储、传输和处理等困难问题，提出基于双稀疏字典模型机械振动信号压缩感知方法。分析机械振动信号在基于双稀疏字典模型训练得到的过完备字典上的近似稀疏性；然后利用高斯随机矩阵作为测量矩阵对机械振动信号进行压缩测量；最后通过双稀疏字典模型训练得到的过完备字典，结合正交匹配追踪算法完成对原始机械振动信号的重构。仿真测试结果表明，在相同压缩率下，相比经典K-奇异值分解（K-Singular value decomposition，K-SVD）字典训练方法，所提的方法有更高的重构精度，同时重构时间缩短将近50%。该方法既可以得到较高的信号压缩比又有着精确的信号重构性能。
关键词：双稀疏字典模型,稀疏表示,压缩重构,振动信号；
基金资助：国家自然科学基金资助项目（51465034）。
