CN106027061A - 一种基于自适应观测矩阵的Lamb波压缩感知方法 - Google Patents

一种基于自适应观测矩阵的Lamb波压缩感知方法 Download PDF

Info

Publication number
CN106027061A
CN106027061A CN201610297907.8A CN201610297907A CN106027061A CN 106027061 A CN106027061 A CN 106027061A CN 201610297907 A CN201610297907 A CN 201610297907A CN 106027061 A CN106027061 A CN 106027061A
Authority
CN
China
Prior art keywords
signal
lamb wave
sensing method
method based
adaptive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610297907.8A
Other languages
English (en)
Inventor
孙亚杰
顾菲红
季赛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201610297907.8A priority Critical patent/CN106027061A/zh
Publication of CN106027061A publication Critical patent/CN106027061A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • H03M7/3062—Compressive sampling or sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种基于自适应观测矩阵的Lamb波压缩感知方法。所述基于自适应观测矩阵的Lamb波压缩感知方法，在板材表面贴附由多个传感器组成的传感器阵列，并包括如下步骤：a、通过所述传感器阵列采集Lamb波的原始信号；b、通过离散余弦变换将变换系数重新排列顺序，并得到所述原始信号的稀疏系数；c、由稀疏系数中非零值的个数及其位置，构造自适应的观测矩阵对信号进行投影变换从而得到观测值；d、基于所述观测值，构造重构算法并得到构造信号。本发明的有益效果在于：所述基于自适应观测矩阵的Lamb波压缩感知方法可以利用低采样率数据采集设备即可，对设备要求较低，且简单易行。

Description

一种基于自适应观测矩阵的Lamb波压缩感知方法
技术领域
本发明涉及一种基于自适应观测矩阵的Lamb波压缩感知方法。
背景技术
传统的Nyquist采样定理指出：只有保证采样频率大于或者等于被采样信号最高频率的两倍时，被采样信号的信息才不会丢失，才能够利用采样值恢复出原来的信号。
但是，压缩感知技术指出：只要原始信号在时域或者某变换基下具有稀疏性，那么就能以低采样的速率采集信号，并以高概率重构。其中，在信号的稀疏表示过程中，需要将信号投影到正交变换基，常用的正交变换基有：离散余弦变换基、傅里叶变换基、小波基、Curvelet基等。
而且，传统的观测矩阵有：高斯观测矩阵、随机观测矩阵等，其特点是一般都是固定的，在进行压缩采样后的信号一般不能包含原始信号的全部信息，因此在重构过程中就不能将信号完整的重构。
然而，采用能根据稀疏系数向量的信息自适应构成的自适应的观测矩阵，在压缩采样后包含原始信号的全部信息，能够提高重构的精确度。采取传统的高斯或伯努利测量矩阵，正交匹配追踪算法只能高概率的恢复单个稀疏信号，而不能高概率的恢复所有信号。在自适应的观测矩阵下，可以运用正交匹配追踪算法高概率的重构全部信号，能够有效的减小重构误差。
因此，有必要提供一种能够实现对传感器低采样率采集的信号进行精确重构的基于自适应观测矩阵的Lamb波压缩感知方法。
发明内容
本发明的目的在于提供一种基于自适应观测矩阵的Lamb波压缩感知方法。
本发明的技术方案如下：一种基于自适应观测矩阵的Lamb波压缩感知方法，在板材表面贴附由多个传感器组成的传感器阵列，并包括如下步骤：
a、通过所述传感器阵列采集Lamb波的原始信号；
b、通过离散余弦变换将变换系数重新排列顺序，并得到所述原始信号的稀疏系数；
c、由稀疏系数中非零值的个数及其位置，构造自适应的观测矩阵对信号进行投影变换从而得到观测值；
d、基于所述观测值，构造重构算法并得到构造信号。
优选地，在步骤a中，通过所述传感器阵列的传感器采集特定方向的Lamb波的原始信号。
优选地，在步骤c中，所述观测矩阵通过原始信号或稀疏系数向量进行变换得到所述观测值。
优选地，在步骤d中，基于所述观测值，并采用正交匹配追踪算法得到所述构造信号。
优选地，在步骤d中还包括如下步骤：将所述构造信号与所述原始信号进行比较。
本发明的有益效果在于：所述基于自适应观测矩阵的Lamb波压缩感知方法可以利用低采样率数据采集设备即可，对设备要求较低，且简单易行。
而且，所述基于自适应观测矩阵的Lamb波压缩感知方法充分利用信号的可压缩性和稀疏性，利用低于Nyquist采样定律要求的采样率进行数据采集，精确恢复原始信号。
此外，所述基于自适应观测矩阵的Lamb波压缩感知方法可以克服由于压缩采样，得到的信号不能包含原始信号的全部信息的缺点，从而提高信号的重构精度。
附图说明
图1是本发明实施例提供的基于自适应观测矩阵的Lamb波压缩感知方法的流程框图；
图2是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法的步骤S1中获得的原始信号的时域图；
图3是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法的步骤S2中原始信号经过离散余弦变换后得到的稀疏系数示意图；
图4是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法的步骤S3中观测矩阵得到的观测值示意图；
图5a是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法的步骤S4中得到的构造信号与原始信号的整体对比示意图；
图5b是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法的步骤S4中得到的构造信号与原始信号的局部对比示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
请参阅图1，是本发明实施例提供的基于自适应观测矩阵的Lamb波压缩感知方法的流程框图。本发明实施例提供的基于自适应观测矩阵的Lamb波压缩感知方法100通过在板材表面贴附由多个传感器组成的传感器阵列，进而通过所述传感器阵列获得相对应地响应信号。所述基于自适应观测矩阵的Lamb波压缩感知方法100包括如下步骤：
步骤S1、通过所述传感器阵列采集Lamb波的原始信号。
具体地，在步骤a中，通过所述传感器阵列的传感器采集特定方向的Lamb波的原始信号。例如，以LF-21M防锈铝板为例，在所述铝板上布八个压电片组成一个传感器线阵，根据相控阵原理通过所述传感器线阵接收到特定方向的原始信号。请参阅图2，是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法中步骤S1获得的原始信号的时域图。
步骤S2、通过离散余弦变换将变换系数重新排列顺序，并得到所述原始信号的稀疏系数。
具体地，对所述传感器采集得到的原始信号，通过变换系数的重新排列顺序使其可近似稀疏表示，选取离散余弦变换(DCT)为稀疏基，减少稀疏系数向量中的非零值个数，有效提高压缩感知的效率。请参阅图3，是图1所示的基于自适应观测矩阵的Lamb波压缩感知方法中步骤S1获得的原始信号经过离散余弦变换后得到的稀疏系数示意图。
步骤S3、由稀疏系数中非零值的个数及其位置，构造自适应的观测矩阵对信号进行投影变换从而得到观测值。
具体地，构造一个自适应的观测矩阵对信号进行投影变换，且所述自适应观测矩阵中的元素即为稀疏系数向量中非零值的个数与其位置。由于，观测值可以看作是通过观测矩阵直接对原始信号进行观测得到，也可以看作是通过对稀疏系数向量进行变换得到，实际上就是通过观测矩阵提取的稀疏系数向量中的非零值，所以，只要找到稀疏系数向量中非零值的位置，就可以生成观测矩阵。因此，自适应观测矩阵由稀疏向量中非零值的个数与位置的信息自适应的构成。例如，对于采集长度为1024个点的原始信号，选取观测值为400完成信号投影，所得信号如图4所示。
步骤S4、基于所述观测值，构造重构算法并得到构造信号。
具体地，在步骤S4中，构造稳定的、计算复杂度较低的重构算法来精确的恢复原信号。优选地，基于所述观测值，并采用正交匹配追踪算法得到所述构造信号。即，通过所述正交匹配追踪算法在自适应观测矩阵下实现高概率的重构全部信号。其中，所述正交匹配追踪算法是通过贪婪迭代的方法从归一化过完备字典中找到具有最佳线性组合的原子加权逼近原始信号的一种信号重构算法。
而且，在所述步骤S4中，还包括如下步骤：将所述构造信号与所述原始信号进行比较，如图5a和图5b所示，进而获得所述构造信号和所述原始信号之间的差别程度。
相较于现有技术，本发明提供的基于自适应观测矩阵的Lamb波压缩感知方法100可以利用低采样率数据采集设备即可，对设备要求较低，且简单易行。
而且，所述基于自适应观测矩阵的Lamb波压缩感知方法100充分利用信号的可压缩性和稀疏性，利用低于Nyquist采样定律要求的采样率进行数据采集，精确恢复原始信号。
此外，所述基于自适应观测矩阵的Lamb波压缩感知方法100可以克服由于压缩采样，得到的信号不能包含原始信号的全部信息的缺点，从而提高信号的重构精度。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于自适应观测矩阵的Lamb波压缩感知方法，在板材表面贴附由多个传感器组成的传感器阵列，其特征在于：包括如下步骤：
a、通过所述传感器阵列采集Lamb波的原始信号；
b、通过离散余弦变换将变换系数重新排列顺序，并得到所述原始信号的稀疏系数；
c、由稀疏系数中非零值的个数及其位置，构造自适应的观测矩阵对信号进行投影变换从而得到观测值；
d、基于所述观测值，构造重构算法并得到构造信号。
2.根据权利要求1所述的基于自适应观测矩阵的Lamb波压缩感知方法，其特征在于：在步骤a中，通过所述传感器阵列的传感器采集特定方向的Lamb波的原始信号。
3.根据权利要求1所述的基于自适应观测矩阵的Lamb波压缩感知方法，其特征在于：在步骤c中，所述观测矩阵通过原始信号或稀疏系数向量进行变换得到所述观测值。
4.根据权利要求1所述的基于自适应观测矩阵的Lamb波压缩感知方法，其特征在于：在步骤d中，基于所述观测值，并采用正交匹配追踪算法得到所述构造信号。
5.根据权利要求4所述的基于自适应观测矩阵的Lamb波压缩感知方法，其特征在于：在步骤d中还包括如下步骤：将所述构造信号与所述原始信号进行比较。
CN201610297907.8A 2016-05-06 2016-05-06 一种基于自适应观测矩阵的Lamb波压缩感知方法 Pending CN106027061A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610297907.8A CN106027061A (zh) 2016-05-06 2016-05-06 一种基于自适应观测矩阵的Lamb波压缩感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610297907.8A CN106027061A (zh) 2016-05-06 2016-05-06 一种基于自适应观测矩阵的Lamb波压缩感知方法

Publications (1)

Publication Number Publication Date
CN106027061A true CN106027061A (zh) 2016-10-12

Family

ID=57082188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610297907.8A Pending CN106027061A (zh) 2016-05-06 2016-05-06 一种基于自适应观测矩阵的Lamb波压缩感知方法

Country Status (1)

Country Link
CN (1) CN106027061A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106982061A (zh) * 2017-03-29 2017-07-25 南京信息工程大学 一种基于PCA稀疏表示的Lamb波压缩感知方法
CN107493106A (zh) * 2017-08-09 2017-12-19 河海大学 一种基于压缩感知的频率和角度联合估计的方法
CN109787637A (zh) * 2019-01-09 2019-05-21 电子科技大学 一种整数有限域压缩感知方法
CN111404553A (zh) * 2020-03-30 2020-07-10 北京工业大学 基于自适应算法的激光Lamb波压缩感知重构方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103347268A (zh) * 2013-06-05 2013-10-09 杭州电子科技大学 认知传感器网络中基于能量有效性观测的自适应压缩重构方法
CN103840838A (zh) * 2014-03-19 2014-06-04 哈尔滨工业大学 一种基于自适应观测矩阵的贝叶斯压缩感知信号恢复方法
CN104391040A (zh) * 2014-11-25 2015-03-04 南京信息工程大学 一种相控阵结构健康监测Lamb波压缩及重构方法
CN105372326A (zh) * 2015-10-20 2016-03-02 南京航空航天大学 一种基于Lamb波波数扫描的空间-波数滤波器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103347268A (zh) * 2013-06-05 2013-10-09 杭州电子科技大学 认知传感器网络中基于能量有效性观测的自适应压缩重构方法
CN103840838A (zh) * 2014-03-19 2014-06-04 哈尔滨工业大学 一种基于自适应观测矩阵的贝叶斯压缩感知信号恢复方法
CN104391040A (zh) * 2014-11-25 2015-03-04 南京信息工程大学 一种相控阵结构健康监测Lamb波压缩及重构方法
CN105372326A (zh) * 2015-10-20 2016-03-02 南京航空航天大学 一种基于Lamb波波数扫描的空间-波数滤波器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ALESSANDRO PERELLI等: "Model-Based Compressive Sensing for Damage Localization in Lamb Wave Inspection", 《IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS, AND FREQUENCY CONTROL》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106982061A (zh) * 2017-03-29 2017-07-25 南京信息工程大学 一种基于PCA稀疏表示的Lamb波压缩感知方法
CN107493106A (zh) * 2017-08-09 2017-12-19 河海大学 一种基于压缩感知的频率和角度联合估计的方法
CN107493106B (zh) * 2017-08-09 2021-02-12 河海大学 一种基于压缩感知的频率和角度联合估计的方法
CN109787637A (zh) * 2019-01-09 2019-05-21 电子科技大学 一种整数有限域压缩感知方法
CN109787637B (zh) * 2019-01-09 2020-07-07 电子科技大学 一种整数有限域压缩感知方法
CN111404553A (zh) * 2020-03-30 2020-07-10 北京工业大学 基于自适应算法的激光Lamb波压缩感知重构方法

Similar Documents

Publication Publication Date Title
CN106027061A (zh) 一种基于自适应观测矩阵的Lamb波压缩感知方法
US9015007B2 (en) Sensor array processor with multichannel reconstruction from random array sampling
US7834795B1 (en) Compressive sensor array system and method
CN103983850B (zh) 基于压缩感知的电力系统谐波压缩信号重构与检测方法
O’Connor et al. Compressed sensing embedded in an operational wireless sensor network to achieve energy efficiency in long-term monitoring applications
CN101621514B (zh) 网络数据的压缩方法、网络系统和融合中心设备
Sun et al. Compressive sensing of piezoelectric sensor response signal for phased array structural health monitoring
CN103178853B (zh) 基于压缩感知的稀疏信号欠采样方法
CN102195617B (zh) 脉冲流的低速采样
CN104597420B (zh) 基于多次激发的磁共振扩散成像方法
CN103368578A (zh) 基于压缩感知的分布式无线传感器网络节点信号采样方法
CN110311686A (zh) 一种压缩感知的伪随机等效采样信号重构方法
US20140266619A1 (en) Systems and methods for compressive sensing ranging evaluation
CN102830409B (zh) 一种基于压缩感知的导航信号采集方法
CN102879782A (zh) 基于分数阶傅里叶变换的压缩感知sar成像方法
CN105143904A (zh) 用于多信道发射机的多频带射频/磁共振成像脉冲设计
CN108802667A (zh) 基于广义正交匹配追踪的波达方向估计方法
CN109951223A (zh) 一种随机单脉冲采样在相位敏感otdr传感中恢复信号及频率的方法
CN102288951A (zh) 基于aic压缩信息获取和fbmp的雷达目标参数估计方法
Gkoktsi et al. A multi-sensor sub-Nyquist power spectrum blind sampling approach for low-power wireless sensors in operational modal analysis applications
CN105957119A (zh) 基于混沌系统的压缩感知磁共振图像的测量矩阵构建方法
CN107438773A (zh) 包括rf换能器和磁场探头阵列的无线类型rf线圈装置
CN107493106A (zh) 一种基于压缩感知的频率和角度联合估计的方法
CN103197312A (zh) 装载于慢速平台上的成像雷达的稀疏微波成像方法及装置
CN105490682A (zh) 基于svd和omp的压缩传感信号恢复算法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161012