CN113776653A - 振动信号的采样重构系统及方法 - Google Patents
振动信号的采样重构系统及方法 Download PDFInfo
- Publication number
- CN113776653A CN113776653A CN202111069810.9A CN202111069810A CN113776653A CN 113776653 A CN113776653 A CN 113776653A CN 202111069810 A CN202111069810 A CN 202111069810A CN 113776653 A CN113776653 A CN 113776653A
- Authority
- CN
- China
- Prior art keywords
- signal
- sparse
- sampling
- upper computer
- signals
- 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.)
- Granted
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000000638 solvent extraction Methods 0.000 claims abstract description 11
- 230000014509 gene expression Effects 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 37
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000000903 blocking effect Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007906 compression Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000010292 periodic partitioning Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种振动信号的采样重构系统及方法。该系统包括采样装置、微控制系统和上位机；采样装置与微控制系统相连，微控制系统与上位机相连；采样装置用于对振动信号进行稀疏采样，得到稀疏采样信号，并将稀疏采样信号发送到微控制系统；微控制系统用于对稀疏采样信号进行分块，得到观测序列，并将观测序列发送到上位机；上位机用于对观测序列进行重构，得到振动信号。本发明通过采集装置和微控制系统将振动信号的采集和压缩过程合并为一个整体，再通过上位机对压缩信号进行重构，可以有效地降低振动信号的数据量。
Description
技术领域
本发明涉及信号处理技术领域，尤其涉及一种振动信号的采样重构系统及方法。
背景技术
为了对机械设备的运行状态进行监控，通常需要对机械设备的振动信号进行分析。振动信号呈现非线性、非平稳的特点。
根据奈奎斯特采样定理，采样频率不能低于原始机械设备振动信号的两倍。因此在获取机械设备的振动信号时会产生大量数据，如何将降低振动信号的数据量成为本领域技术人员亟需解决的问题。
发明内容
本发明实施例提供了一种振动信号的采样重构系统及方法，以解决降低振动信号的数据量的问题。
第一方面，本发明实施例提供了一种振动信号的采样重构系统，包括采样装置、微控制系统和上位机；采样装置与微控制系统相连，微控制系统与上位机相连；
采样装置用于对振动信号进行稀疏采样，得到稀疏采样信号，并将稀疏采样信号发送到微控制系统；
微控制系统用于对稀疏采样信号进行分块，得到观测序列，并将观测序列发送到上位机；
上位机用于对观测序列进行重构，得到振动信号。
在一种可能的实现方式中，观测序列包括多个稀疏块信号；
上位机具体用于：
获取观测矩阵；
基于观测矩阵，通过MT-BCS(Multi-task Bayesian Compressive Sensing，多任务贝叶斯压缩感知)算法对观测序列进行联合重构，得到多个稀疏信号；
对各个稀疏信号进行逆稀疏变换，得到分块振动信号；
将各个分块振动信号进行拼接，得到振动信号。
在一种可能的实现方式中，上位机具体用于：
对各个稀疏块信号的共享超参数和噪声信号的超参数进行初始化；
基于相关向量机、观测矩阵、共享超参数的初始值和噪声信号的超参数的初始值确定共享超参数的目标值和噪声信号的超参数的目标值；
基于共享超参数的目标值和噪声信号的超参数的目标值确定各个稀疏信号的估计值。
在一种可能的实现方式中，上位机具体用于：
基于观测矩阵建立各个稀疏信号的均值模型和方差模型；
对共享超参数和噪声信号的超参数求最大边缘分布，得到共享超参数和噪声信号的超参数的更新表达式；
基于均值模型、方差模型和更新表达式对共享超参数和噪声信号的超参数进行迭代，直至符合预设的终止条件，得到共享超参数的目标值和噪声信号的超参数的目标值。
在一种可能的实现方式中，各个稀疏块信号的表达式为：
yi＝Θisi+εi
其中，i表示稀疏块信号的序号，yi表示第i个稀疏块信号，Θi表示yi对应的观测矩阵，si表示yi中的稀疏信号，εi表示yi中的噪声；
均值模型的表达式为：
其中，μi表示第i个稀疏信号的均值，∑i表示第i个稀疏信号的方差，
表示第i个观测矩阵的转置，α0表示噪声信号的超参数，yi表示第i个稀疏块信号；
方差模型的表达式为：
其中，diag(α1，α2，...，αn)表示共享超参数的对角矩阵；
共享超参数的更新表达式为：
其中，
表示共享超参数中第j个分量更新后的值，αj表示共享超参数中第j个分量的值，
表示μi第j个分量，∑i，(j，j)表示∑i第j个对角线元素，P表示观测序列中的稀疏块信号数目；
噪声信号的超参数的更新表达式为：
其中，
表示噪声信号的超参数更新后的值，mi表示第i个稀疏块信号长度，n表示振动信号长度。
在一种可能的实现方式中，共享超参数和噪声信号的超参数服从伽马分布；
上位机具体用于：
确定各个稀疏信号的先验分布表达式；
基于共享超参数和噪声信号的超参数的分布特点确定各个稀疏信号的后验分布表达式；
将共享超参数的目标值和噪声信号的超参数的目标值代入后验分布表达式，得到各个稀疏信号的后验分布，各个后验分布分布用于表示各自对应的稀疏信号的估计值。
在一种可能的实现方式中，采样装置包括多路采样电路，每路采样电路包括随机数发生器、四象限乘法器、低通滤波器和ADC采样电路；
随机数发生器与四象限乘法器相连，四象限乘法器与低通滤波器相连，低通滤波器与ADC采样电路相连，ADC采样电路与微控制系统相连；
随机数发生器用于生成随机序列，并将随机序列发送至四象限乘法器；
四象限乘法器用于将随机序列与振动信号进行混频，得到混频信号，并将混频信号发送至低通滤波器；
低通滤波器用于对混频信号进行低通滤波，得到低频信号，并将低频信号发送至ADC采样电路；
ADC采样电路用于对低频信号进行采样，得到稀疏采样信号，并将稀疏采样信号发送至微控制系统；
微控制系统用于将各路采样电路得到的稀疏采样信号进行线性混合，并对线性混合后的稀疏采样信号进行分块，得到观测序列。
在一种可能的实现方式中，微控制系统包括处理器、传输模块、存储器；处理器分别与各个采样电路、传输模块、存储器相连，传输模块与上位机相连；
处理器用于控制各个采样电路同步进行采样得到稀疏采样信号，对稀疏采样信号进行分块，得到观测序列，并将观测序列发送至传输模块和/或存储器；
传输模块用于将观测序列发送至上位机；
存储器用于存储观测序列。
在一种可能的实现方式中，微控制系统具体用于：
获取ADC采样电路的采样频率；
基于线性混合后的稀疏采样信号的峰距确定振动信号的转速；
将采样频率与转速相除，得到振动信号的周期；
基于周期对线性混合后的稀疏采样信号进行分块，得到观测序列。
第二方面，本发明实施例提供了一种振动信号的采样重构方法，包括：
微控制系统获取采样装置对振动信号进行稀疏采样得到的稀疏采样信号；
微控制系统对稀疏采样信号进行分块得到观测序列，并将观测序列发送至上位机；观测序列包括多个稀疏块信号；
上位机获取观测矩阵；
上位机基于观测矩阵，通过MT-BCS算法对观测序列进行联合重构，得到多个稀疏信号；
上位机对各个稀疏信号进行逆稀疏变换，得到分块振动信号；
上位机将各个分块振动信号进行拼接，得到振动信号。
本发明实施例提供一种振动信号的采样重构系统及方法，该系统包括采样装置、微控制系统和上位机；采样装置与微控制系统相连，微控制系统与上位机相连；采样装置用于对振动信号进行稀疏采样，得到稀疏采样信号，并将稀疏采样信号发送到微控制系统；微控制系统用于对稀疏采样信号进行分块，得到观测序列，并将观测序列发送到上位机；上位机用于对观测序列进行重构，得到振动信号。本发明通过采集装置和微控制系统将振动信号的采集和压缩过程合并为一个整体，再通过上位机对压缩信号进行重构，可以有效地降低振动信号的数据量。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的振动信号的采样重构系统的结构示意图；
图2是本发明又一实施例提供的采样装置的结构示意图；
图3是本发明另一实施例提供的微控制系统的结构示意图；
图4是本发明实施例提供的振动信号的采样重构方法的实现流程图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
参见图1，其示出了本发明实施例提供的振动信号的采样重构系统1的结构示意图，详述如下：
该系统1包括采样装置11、微控制系统12和上位机13。采样装置11与微控制系统12相连，微控制系统12与上位机13相连。
采样装置11用于对振动信号进行稀疏采样，得到稀疏采样信号，并将稀疏采样信号发送到微控制系统12。
微控制系统12用于对稀疏采样信号进行分块，得到观测序列，并将观测序列发送到上位机13。
上位机13用于对观测序列进行重构，得到振动信号。
在本实施例中，在机械信号采集领域，Nyquist采样定理对于机械振动信号十分不利，通常情况下，机械振动信号是非平稳信号，其频率分布各不相同，尤其是高频成分。而在机械设备发生故障时，振动中含有较强的周期冲击，其对应的振动信号的频率也会更高。因此，采样系统面临更高的要求，以达到所需的转换精度和转换效率。为了进一步提高采样精度和采样速率，仅提高ADC的性能是不够的，必须对传统的Nyquist采样原理进行改进。而采用压缩感知技术，可以从根本上解决低速采样问题。
对于上述问题，可以采用经典MWC(modulated wideband converter，调制宽带转换器)模拟信息转换器作为采样装置11对振动信号进行稀疏采样。稀疏采样的具体过程为：根据信号频域的能量分布进行切谱，然后用随机数生成器生成的数据流与各频带单独混频和低通滤波，最后。混频后信号频谱由若干个分散的频带组成，参考扩频通信原理进行混频，根据各子频带的线性组合，将各子频带叠加到基带频率范围内，确保通过低通滤波过滤后的低频信号包含所有频带信息。
本实施例中微控制系统12与上位机13可以是有线连接，也可以是无线连接。有线连接可以是传输媒质为架空明线、电缆、光缆和波导等形式的连接，无线连接可以是5G通信、WiFi通信等无线通信方式的连接。
在一些实施例中，观测序列包括多个稀疏块信号。上位机13由多个稀疏块信号得到振动信号的实现过程可以包括：
上位机13获取观测矩阵；
上位机13基于观测矩阵，通过MT-BCS算法对观测序列进行联合重构，得到多个稀疏信号；
上位机13对各个稀疏信号进行逆稀疏变换，得到分块振动信号；
上位机13将各个分块振动信号进行拼接，得到振动信号。
在本实施例中，观测矩阵大小为m×n，其中m为稀疏块信号长度，n为振动信号长度。振动信号经采集装置11采样后，只有经过精确的恢复，才能使压缩过程具有实际应用价值。该恢复过程可以被理解为一个优化问题，要想实现对原始信号的精确重构，需要遍历所有可能解，在现有条件下难以实现。对于以上问题，可以利用原始信号在稀疏域中的稀疏性，得到精确的重构结果，如基底跟踪算法、正交匹配跟踪算法等，由于机械振动信号噪音大、非平稳，传统的重构算法在对机械振动信号进行压缩感知时，效果并不理想，因此本实施例中使用了一种改进重构效果的MT-BCS算法。
MT-BCS突破了传统压缩感知重构算法的局限，将信号重构问题转化为参数估计问题，而非传统的信号重构问题。该方法充分利用了稀疏信号中所含的信息，结合参数的先验知识，实现信号参数估计。参数估计过程中充分考虑了误差的影响，贝叶斯压缩感知信号重构过程具有良好的噪声鲁棒性，有利于提高含噪机械振动信号的压缩感知重构效果。优化后的MT-BCS适用于机械振动信号这类复杂非平稳信号，并且在信号采集过程中考虑了噪声的干扰，具有很强的鲁棒性，重估准确性优于贪婪算法和凸优化。对三类压缩感知重构算法来说，贪婪算法和凸优化算法都是基于范数逼近的，要求原始信号稀疏，但对机械振动信号一般不能直接使用。
MT-BCS算法采用机械振动信号周期分块后，利用了不同信号块之间的相关性，即不同信号块可能具有相同或相似的分布模型。就像机器学习中训练样本优化模型参数一样，在大量数据块联合压缩重构问题中也是一样。在BCS重构过程中，每一块数据的BCS重构过程都能对分布超参数进行优化，达到促进块稀疏重构，提高贝叶斯参数估计精度的目的。
在一些实施例中，上位机13通过MT-BCS算法重构得到多个稀疏信号的实现过程可以包括：
上位机13对各个稀疏块信号的共享超参数和噪声信号的超参数进行初始化；
上位机13基于相关向量机、观测矩阵、共享超参数的初始值和噪声信号的超参数的初始值确定共享超参数的目标值和噪声信号的超参数的目标值；
上位机13基于共享超参数的目标值和噪声信号的超参数的目标值确定各个稀疏信号的估计值。
在本实施例中，MT-BCS算法通过挖掘不同信号块相关性来提高重构精度，每个信号块的重构均可看作是一个任务，不同任务共享一组超参数，因此每块数据重构都能够对整体重构做出贡献，由此提高了信号重构的精度。基于相关向量机对超参数进行迭代得到收敛值，就可以对振动信号的参数进行估计。
在一些实施例中，上位机13确定共享超参数的目标值和噪声信号的超参数的目标值的实现过程可以包括：
上位机13基于观测矩阵建立各个稀疏信号的均值模型和方差模型；
上位机13对共享超参数和噪声信号的超参数求最大边缘分布，得到共享超参数和噪声信号的超参数的更新表达式；
上位机13基于均值模型、方差模型和更新表达式对共享超参数和噪声信号的超参数进行迭代，直至符合预设的终止条件，得到共享超参数的目标值和噪声信号的超参数的目标值。
在一些实施例中，各个稀疏块信号的表达式为：
yi＝Θisi+εi
其中，i表示稀疏块信号的序号，yi表示第i个稀疏块信号，Θi表示yi对应的观测矩阵，si表示yi中的稀疏信号，εi表示yi中的噪声；
均值模型的表达式为：
其中，μi表示第i个稀疏信号的均值，∑i表示第i个稀疏信号的方差，
表示第i个观测矩阵的转置，α0表示噪声信号的超参数，yi表示第i个稀疏块信号；
方差模型的表达式为：
其中，diag(α1，α2，...，αn)表示共享超参数的对角矩阵；
共享超参数的更新表达式为：
其中，
表示共享超参数中第j个分量更新后的值，αj表示共享超参数中第j个分量的值，
表示μi第j个分量，∑i，(j，j)表示∑i第j个对角线元素，P表示观测序列中的稀疏块信号数目；
噪声信号的超参数的更新表达式为：
其中，
表示噪声信号的超参数更新后的值，mi表示第i个稀疏块信号长度，n表示振动信号长度。
在本实施例中，将每个信号块作为一个任务，每个任务模型均为贝叶斯重构，每个任务观测向量服从高斯分布，稀疏向量采用分层结构描述，则每个任务的先验分布为：
其中，ni为任务的观测量数目；
在MT-BCS框架下，多任务压缩感知可采用后验概率分布描述：
在该模型下，参数最大后验估计可通过下式计算：
根据上述超参数的更新表达式和均值模型、方差模型的表达式进行反复迭代，求得超参数的收敛值，从而得到原始信号的估计值。
在一些实施例中，共享超参数和噪声信号的超参数服从伽马分布。上位机13基于共享超参数的目标值和噪声信号的超参数的目标值确定各个稀疏信号的估计值的实现过程可以包括：
上位机13确定各个稀疏信号的先验分布表达式；
上位机13基于共享超参数和噪声信号的超参数的分布特点确定各个稀疏信号的后验分布表达式；
上位机13将共享超参数的目标值和噪声信号的超参数的目标值代入后验分布表达式，得到各个稀疏信号的后验分布，各个后验分布分布用于表示各自对应的稀疏信号的估计值。
在本实施例中，各个稀疏信号的先验分布表达式为：
各个稀疏信号的后验分布表达式为：
p(si|yi，α，α0)＝N(si|μi，∑i)
参照图2，在一些实施例中，采样装置2包括多路采样电路20，每路采样电路包括随机数发生器21、四象限乘法器22、低通滤波器23和ADC采样电路24；
随机数发生器21与四象限乘法器22相连，四象限乘法器22与低通滤波器23相连，低通滤波器23与ADC采样电路24相连，ADC采样电路24与微控制系统12相连；
随机数发生器21用于生成随机序列，并将随机序列发送至四象限乘法器22；
四象限乘法器22用于将随机序列与振动信号进行混频，得到混频信号，并将混频信号发送至低通滤波器23；
低通滤波器23用于对混频信号进行低通滤波，得到低频信号，并将低频信号发送至ADC采样电路24；
ADC采样电路24用于对低频信号进行采样，得到稀疏采样信号，并将稀疏采样信号发送至微控制系统12；
微控制系统12用于将各路采样电路得到的稀疏采样信号进行线性混合，并对线性混合后的稀疏采样信号进行分块，得到观测序列。
在本实施例中，采样装置2由MWC系统组成。MWC按机械振动信号的频域能量分布分片，基于此得出MWC系统最优参数，MWC系统参数包括切分的通道数以及每个通道的最高采样率。MWC系统吸收了扩频通信的原理，整个系统由多个采样通道组成，每个通道对相同的模拟信号进行随机数混合，理论上可以从这些混合信号中恢复稀疏的多频段信号。本实施例中的采样装置2采用四信道方式，利用计算机时钟控制各个信道进行同步采样，四信道方式的计算复杂度要低于单信道方式。
本实施例中的随机数发生器21可以是移位寄存器。采样装置2使用移位寄存器产生的改进的m序列对振动信号进行随机混频。随机数发生器21还用于生成由随机数模拟组成的随机矩阵，作为重构时的观测矩阵。移位寄存器的不断实时反馈可以实现系统的随机性。伪随机序列的数目由序列长度决定，移位寄存器的反馈形式由移位寄存器的特征多项式不同项系数决定。
本实施例中对振动信号进行随机混频的目的是将振动信号的各个子频段随机组合并叠加到基带频率上，以确保通过低通滤波后得到的低频信号包含了所有的频带信息，而低通滤波器在频域内具有频率截断的作用，对宽带稀疏信号的频谱具有切割并加以组合的效果。
通常进行混频步骤的器件为混合器，但一般的混合器都是针对特定的载波频段，对于频段未知的机械振动信号不适用。本实施例中采用四象限乘法器完成混频。随着乘法器带宽增加，每一个乘数引脚都具有较强的一致性，如果选择得当，输入伪随机序列不存在任何带宽问题。
本实施例中的低通滤波器23可降低混频信号的带宽，对稀疏宽带信号的频谱具有切割作用；对于后端ADC采样电路24，在模数转换过程中，低通滤波器23可防止信号频谱混叠失真。
本实施例中优化后的四路ADC型式、电压和温度接近一致。采用偏置失配、增益失配等措施尽量使四路采样具有较好的一致性，以保证采样准确性。
参照图3，在图2所示实施例的基础上，微控制系统3包括处理器31、传输模块32、存储器33；处理器31分别与各个采样电路20、传输模块32、存储器相连33，传输模块32与上位机相连13；
处理器31用于控制各个采样电路20同步进行采样得到稀疏采样信号，对稀疏采样信号进行分块，得到观测序列，并将观测序列发送至传输模块32和/或存储器33；
传输模块32用于将观测序列发送至上位机13；
存储器33用于存储观测序列。
在本实施例中，稀疏采样信号可以临时存储在处理器内部缓存器中，同时无线传输模块与处理器双向连接，以将观测序列实时传回上位机，进行后续分析处理。另外，微控系统还可以把采集的压缩信号存储在大容量存储器中，供以后使用。存储器33采用大容量存储器存储观测序列，以及在缓存器容量不足时作为缓存。
本实施例中的传输模块可以采用5G或Wifi技术实现信号传输。5G技术与以前的蜂窝网络相比，数据传输速率大大提高，最高可达10Gbit/s，比目前的有线因特网快100倍左右，比以往的4G LTE网络快100倍左右。5G技术的另外一个优势是较低的网络延迟(比1毫秒更快)，而采用4G通信时延迟有30-70毫秒。
本实施例中的微控制系统还可以包括特征分析模块可对信号做简单的快速傅里叶变换，视情况传输特征数据还是原始信号。如果需要保留原始信号留待后续处理(状态识别、寿命预测等)，则需要传输原始信号，而如果仅仅利用特征进行故障诊断，则只需要传输特征数据即可。
在一些实施例中，微控制系统获取观测序列的实现过程可以包括：
微控制系统获取ADC采样电路的采样频率；
微控制系统基于线性混合后的稀疏采样信号的峰距确定振动信号的转速；
微控制系统将采样频率与转速相除，得到振动信号的周期；
微控制系统基于周期对线性混合后的稀疏采样信号进行分块，得到观测序列。
在本实施例中，微控制系统利用分析信号峰距大小来估算机械振动信号的周期，并进行转速计算。采用采样频率与转速相除的方法计算周期，然后按周期长度对信号进行分块压缩和传输。根据信号类周期大小确定分块长度，同时采用离散余弦变换稀疏基对原始信号进行稀疏化表示。
本发明实施例提供的振动信号的采样重构系统包括采样装置、微控制系统和上位机；采样装置与微控制系统相连，微控制系统与上位机相连；采样装置用于对振动信号进行稀疏采样，得到稀疏采样信号，并将稀疏采样信号发送到微控制系统；微控制系统用于对稀疏采样信号进行分块，得到观测序列，并将观测序列发送到上位机；上位机用于对观测序列进行重构，得到振动信号。本发明通过采集装置和微控制系统将振动信号的采集和压缩过程合并为一个整体，再通过上位机对压缩信号进行重构，可以有效地降低振动信号的数据量。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的方法实施例，对于其中未详尽描述的细节，可以参考上述对应的系统实施例。
图4示出了本发明实施例提供的振动信号的采样重构方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图4所示，该方法包括：
步骤401，微控制系统获取采样装置对振动信号进行稀疏采样得到的稀疏采样信号；
步骤402，微控制系统对稀疏采样信号进行分块得到观测序列，并将观测序列发送至上位机；观测序列包括多个稀疏块信号；
步骤403，上位机获取观测矩阵；
步骤404，上位机基于观测矩阵，通过MT-BCS算法对观测序列进行联合重构，得到多个稀疏信号；
步骤405，上位机对各个稀疏信号进行逆稀疏变换，得到分块振动信号；
步骤406，上位机将各个分块振动信号进行拼接，得到振动信号。
在本实施例中，上位机对各个稀疏信号进行逆傅里叶变换可以实现逆稀疏变换，对分块振动信号按照传输顺序进行拼接，得到原始振动信号。
在一些实施例中，步骤404包括：
步骤4041，对各个稀疏块信号的共享超参数和噪声信号的超参数进行初始化；
步骤4042，基于相关向量机、观测矩阵、共享超参数的初始值和噪声信号的超参数的初始值确定共享超参数的目标值和噪声信号的超参数的目标值；
步骤4043，基于共享超参数的目标值和噪声信号的超参数的目标值确定各个稀疏信号的估计值。
在一些实施例中，步骤4042包括：
步骤40421，基于观测矩阵建立各个稀疏信号的均值模型和方差模型；
步骤40422，对共享超参数和噪声信号的超参数求最大边缘分布，得到共享超参数和噪声信号的超参数的更新表达式；
步骤40423，基于均值模型、方差模型和更新表达式对共享超参数和噪声信号的超参数进行迭代，直至符合预设的终止条件，得到共享超参数的目标值和噪声信号的超参数的目标值。
在一些实施例中，各个稀疏块信号的表达式为：
yi＝Θisi+εi
其中，i表示稀疏块信号的序号，yi表示第i个稀疏块信号，Θi表示yi对应的观测矩阵，si表示yi中的稀疏信号，εi表示yi中的噪声；
均值模型的表达式为：
其中，μi表示第i个稀疏信号的均值，∑i表示第i个稀疏信号的方差，
表示第i个观测矩阵的转置，α0表示噪声信号的超参数，yi表示第i个稀疏块信号；
方差模型的表达式为：
其中，diag(α1，α2，...，αn)表示共享超参数的对角矩阵；
共享超参数的更新表达式为：
其中，
表示共享超参数中第j个分量更新后的值，αj表示共享超参数中第j个分量的值，
表示μi第j个分量，∑i，(j，j)表示∑i第j个对角线元素，P表示观测序列中的稀疏块信号数目；
噪声信号的超参数的更新表达式为：
其中，
表示噪声信号的超参数更新后的值，mi表示第i个稀疏块信号长度，n表示振动信号长度。
在一些实施例中，共享超参数和噪声信号的超参数服从伽马分布；
步骤4043包括：
步骤40431，确定各个稀疏信号的先验分布表达式；
步骤40432，基于共享超参数和噪声信号的超参数的分布特点确定各个稀疏信号的后验分布表达式；
步骤40433，将共享超参数的目标值和噪声信号的超参数的目标值代入后验分布表达式，得到各个稀疏信号的后验分布，各个后验分布分布用于表示各自对应的稀疏信号的估计值。
本发明实施例提供的振动信号的采样重构方法包括：微控制系统获取采样装置对振动信号进行稀疏采样得到的稀疏采样信号；微控制系统对稀疏采样信号进行分块得到观测序列，并将观测序列发送至上位机；观测序列包括多个稀疏块信号；上位机获取观测矩阵；上位机基于观测矩阵，通过MT-BCS算法对观测序列进行联合重构，得到多个稀疏信号；上位机对各个稀疏信号进行逆稀疏变换，得到分块振动信号；上位机将各个分块振动信号进行拼接，得到振动信号。本发明通过采集装置和微控制系统将振动信号的采集和压缩过程合并为一个整体，再通过上位机对压缩信号进行重构，可以有效地降低振动信号的数据量。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个振动信号的采样重构方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种振动信号的采样重构系统，其特征在于，包括采样装置、微控制系统和上位机；所述采样装置与所述微控制系统相连，所述微控制系统与所述上位机相连；
所述采样装置用于对振动信号进行稀疏采样，得到稀疏采样信号，并将所述稀疏采样信号发送到所述微控制系统；
所述微控制系统用于对所述稀疏采样信号进行分块，得到观测序列，并将所述观测序列发送到所述上位机；
所述上位机用于对所述观测序列进行重构，得到所述振动信号。
2.根据权利要求1所述的振动信号的采样重构系统，其特征在于，所述观测序列包括多个稀疏块信号；
所述上位机具体用于：
获取观测矩阵；
基于所述观测矩阵，通过MT-BCS算法对所述观测序列进行联合重构，得到多个稀疏信号；
对各个稀疏信号进行逆稀疏变换，得到分块振动信号；
将各个分块振动信号进行拼接，得到所述振动信号。
3.根据权利要求2所述的振动信号的采样重构系统，其特征在于，所述上位机具体用于：
对各个稀疏块信号的共享超参数和噪声信号的超参数进行初始化；
基于相关向量机、所述观测矩阵、所述共享超参数的初始值和所述噪声信号的超参数的初始值确定共享超参数的目标值和噪声信号的超参数的目标值；
基于共享超参数的目标值和噪声信号的超参数的目标值确定各个稀疏信号的估计值。
4.根据权利要求3所述的振动信号的采样重构系统，其特征在于，所述上位机具体用于：
基于所述观测矩阵建立各个稀疏信号的均值模型和方差模型；
对所述共享超参数和所述噪声信号的超参数求最大边缘分布，得到所述共享超参数和所述噪声信号的超参数的更新表达式；
基于所述均值模型、所述方差模型和所述更新表达式对所述共享超参数和所述噪声信号的超参数进行迭代，直至符合预设的终止条件，得到共享超参数的目标值和噪声信号的超参数的目标值。
5.根据权利要求4所述的振动信号的采样重构系统，其特征在于，各个稀疏块信号的表达式为：
yi＝Θisi+εi
其中，i表示稀疏块信号的序号，yi表示第i个稀疏块信号，Θi表示yi对应的观测矩阵，si表示yi中的稀疏信号，εi表示yi中的噪声；
所述均值模型的表达式为：
其中，μi表示第i个稀疏信号的均值，∑i表示第i个稀疏信号的方差，
表示第i个观测矩阵的转置，α0表示噪声信号的超参数，yi表示第i个稀疏块信号；
所述方差模型的表达式为：
其中，diag(α1，α2，...，αn)表示所述共享超参数的对角矩阵；
所述共享超参数的更新表达式为：
其中，
表示所述共享超参数中第j个分量更新后的值，αj表示所述共享超参数中第j个分量的值，
表示μi第j个分量，∑i，(j，j)表示∑i第j个对角线元素，P表示观测序列中的稀疏块信号数目；
所述噪声信号的超参数的更新表达式为：
其中，
表示所述噪声信号的超参数更新后的值，mi表示第i个稀疏块信号长度，n表示振动信号长度。
6.根据权利要求3所述的振动信号的采样重构系统，其特征在于，所述共享超参数和所述噪声信号的超参数服从伽马分布；
所述上位机具体用于：
确定各个稀疏信号的先验分布表达式；
基于所述共享超参数和所述噪声信号的超参数的分布特点确定各个稀疏信号的后验分布表达式；
将共享超参数的目标值和噪声信号的超参数的目标值代入所述后验分布表达式，得到各个稀疏信号的后验分布，各个后验分布分布用于表示各自对应的稀疏信号的估计值。
7.根据权利要求1所述的振动信号的采样重构系统，其特征在于，所述采样装置包括多路采样电路，每路采样电路包括随机数发生器、四象限乘法器、低通滤波器和ADC采样电路；
所述随机数发生器与所述四象限乘法器相连，所述四象限乘法器与所述低通滤波器相连，所述低通滤波器与所述ADC采样电路相连，所述ADC采样电路与所述微控制系统相连；
所述随机数发生器用于生成随机序列，并将所述随机序列发送至所述四象限乘法器；
所述四象限乘法器用于将所述随机序列与所述振动信号进行混频，得到混频信号，并将所述混频信号发送至所述低通滤波器；
所述低通滤波器用于对所述混频信号进行低通滤波，得到低频信号，并将所述低频信号发送至所述ADC采样电路；
所述ADC采样电路用于对所述低频信号进行采样，得到稀疏采样信号，并将所述稀疏采样信号发送至所述微控制系统；
所述微控制系统用于将各路采样电路得到的稀疏采样信号进行线性混合，并对线性混合后的稀疏采样信号进行分块，得到观测序列。
8.根据权利要求7所述的振动信号的采样重构系统，其特征在于，所述微控制系统包括处理器、传输模块、存储器；所述处理器分别与各个采样电路、所述传输模块、所述存储器相连，所述传输模块与所述上位机相连；
所述处理器用于控制各个采样电路同步进行采样得到所述稀疏采样信号，对所述稀疏采样信号进行分块，得到观测序列，并将所述观测序列发送至所述传输模块和/或所述存储器；
所述传输模块用于将所述观测序列发送至所述上位机；
所述存储器用于存储所述观测序列。
9.根据权利要求7所述的振动信号的采样重构系统，其特征在于，所述微控制系统具体用于：
获取所述ADC采样电路的采样频率；
基于线性混合后的稀疏采样信号的峰距确定所述振动信号的转速；
将所述采样频率与所述转速相除，得到所述振动信号的周期；
基于所述周期对线性混合后的稀疏采样信号进行分块，得到观测序列。
10.一种振动信号的采样重构方法，其特征在于，包括：
微控制系统获取采样装置对振动信号进行稀疏采样得到的稀疏采样信号；
所述微控制系统对所述稀疏采样信号进行分块得到观测序列，并将所述观测序列发送至所述上位机；所述观测序列包括多个稀疏块信号；
上位机获取观测矩阵；
所述上位机基于所述观测矩阵，通过MT-BCS算法对所述观测序列进行联合重构，得到多个稀疏信号；
所述上位机对各个稀疏信号进行逆稀疏变换，得到分块振动信号；
所述上位机将各个分块振动信号进行拼接，得到所述振动信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111069810.9A CN113776653B (zh) | 2021-09-13 | 2021-09-13 | 振动信号的采样重构系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111069810.9A CN113776653B (zh) | 2021-09-13 | 2021-09-13 | 振动信号的采样重构系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113776653A true CN113776653A (zh) | 2021-12-10 |
| CN113776653B CN113776653B (zh) | 2023-08-11 |
Family
ID=78843230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111069810.9A Active CN113776653B (zh) | 2021-09-13 | 2021-09-13 | 振动信号的采样重构系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113776653B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115126963A (zh) * | 2022-06-21 | 2022-09-30 | 安徽省特种设备检测院 | 一种内检测器的检测信号处理方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7834795B1 (en) * | 2009-05-28 | 2010-11-16 | Bae Systems Information And Electronic Systems Integration Inc. | Compressive sensor array system and method |
| CN103178853A (zh) * | 2013-03-21 | 2013-06-26 | 哈尔滨工业大学 | 基于压缩感知的稀疏信号欠采样方法及实现装置 |
| CN104935349A (zh) * | 2015-06-04 | 2015-09-23 | 西南交通大学 | 一种振动信号压缩采样方法 |
| CN105181122A (zh) * | 2015-08-06 | 2015-12-23 | 兰州理工大学 | 机械振动信号数据压缩采集方法 |
| US20180198992A1 (en) * | 2016-08-30 | 2018-07-12 | Shenzhen University | Infrared image reconstruction method based on block-sparse compressive sensing and system thereof |
| CN111752184A (zh) * | 2020-05-20 | 2020-10-09 | 哈船光电(武汉)有限公司 | 一种多路振动信号同步采集系统及方法 |
-
2021
- 2021-09-13 CN CN202111069810.9A patent/CN113776653B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7834795B1 (en) * | 2009-05-28 | 2010-11-16 | Bae Systems Information And Electronic Systems Integration Inc. | Compressive sensor array system and method |
| CN103178853A (zh) * | 2013-03-21 | 2013-06-26 | 哈尔滨工业大学 | 基于压缩感知的稀疏信号欠采样方法及实现装置 |
| CN104935349A (zh) * | 2015-06-04 | 2015-09-23 | 西南交通大学 | 一种振动信号压缩采样方法 |
| CN105181122A (zh) * | 2015-08-06 | 2015-12-23 | 兰州理工大学 | 机械振动信号数据压缩采集方法 |
| US20180198992A1 (en) * | 2016-08-30 | 2018-07-12 | Shenzhen University | Infrared image reconstruction method based on block-sparse compressive sensing and system thereof |
| CN111752184A (zh) * | 2020-05-20 | 2020-10-09 | 哈船光电(武汉)有限公司 | 一种多路振动信号同步采集系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115126963A (zh) * | 2022-06-21 | 2022-09-30 | 安徽省特种设备检测院 | 一种内检测器的检测信号处理方法及系统 |
| CN115126963B (zh) * | 2022-06-21 | 2022-12-30 | 安徽省特种设备检测院 | 一种内检测器的检测信号处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113776653B (zh) | 2023-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rani et al. | A systematic review of compressive sensing: Concepts, implementations and applications | |
| Pfander et al. | The restricted isometry property for time–frequency structured random matrices | |
| CN102754095B (zh) | 信号创新的稀疏取样 | |
| CN100504400C (zh) | 一种示波器的高速信号重构方法 | |
| CN102830409B (zh) | 一种基于压缩感知的导航信号采集方法 | |
| CN104780008A (zh) | 一种基于自适应压缩感知的宽带频谱感知方法 | |
| CN108347398B (zh) | 调制宽带转换器信号重构方法和装置 | |
| CN104852745A (zh) | 基于压缩感知的多频带信号欠采样重构方法及实现该方法的装置 | |
| CN106301631B (zh) | 一种基于子空间分解的互素欠采样频谱感知方法及其装置 | |
| CN113776653B (zh) | 振动信号的采样重构系统及方法 | |
| CN105553896A (zh) | 宽带多频稀疏信号的非均匀采样与重建方法 | |
| EP4042646B1 (en) | Method for the acquisition of impulse responses, e.g. for ultra-wideband systems | |
| JP6397505B2 (ja) | 圧縮センシングに基づく信号処理方法及び装置 | |
| CN106452626B (zh) | 基于多组互质采样的宽带频谱压缩感知 | |
| Tang et al. | Multi-dimensional spectrum map construction: A tensor perspective | |
| CN106506102B (zh) | 一种互素欠采样下高精度、低时延的谱感知方法及其装置 | |
| CN103929256B (zh) | 一种多帧压缩感知信号频谱检测方法 | |
| CN112689288A (zh) | 一种基于wann的射频指纹提取和识别方法 | |
| Hou et al. | Compressed sensing digital receiver and orthogonal reconstructing algorithm for wideband ISAR radar | |
| CN108169561B (zh) | 基于反馈结构的多谐波信号欠采样方法及系统 | |
| CN110944336A (zh) | 一种基于有限新息率的时频谱感知方法 | |
| CN104901704A (zh) | 具备时空相关特征的躯体传感网信号重构方法 | |
| CN104483546B (zh) | 一种fpga数字逻辑信号的频谱分析方法 | |
| Jiang et al. | Design and realization of FPGA-based DRFM with high instantaneous bandwidth | |
| CN114244458A (zh) | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |