CN114844510B - 一种旋转机械振动信号的压缩方法、解压方法和传输系统 - Google Patents
一种旋转机械振动信号的压缩方法、解压方法和传输系统 Download PDFInfo
- Publication number
- CN114844510B CN114844510B CN202210376746.7A CN202210376746A CN114844510B CN 114844510 B CN114844510 B CN 114844510B CN 202210376746 A CN202210376746 A CN 202210376746A CN 114844510 B CN114844510 B CN 114844510B
- Authority
- CN
- China
- Prior art keywords
- signal
- coefficient
- compression
- adaptive
- lsp
- 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.)
- Active
Links
- 238000007906 compression Methods 0.000 title claims abstract description 129
- 230000006835 compression Effects 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000005540 biological transmission Effects 0.000 title claims abstract description 16
- 230000006837 decompression Effects 0.000 title abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 53
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims description 68
- 230000015572 biosynthetic process Effects 0.000 claims description 61
- 238000003786 synthesis reaction Methods 0.000 claims description 61
- 239000013598 vector Substances 0.000 claims description 47
- 238000013139 quantization Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000009432 framing Methods 0.000 claims description 8
- 238000012805 post-processing Methods 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000007493 shaping process Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 230000005284 excitation Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000013144 data compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H03M7/70—Type of the data to be coded, other than image and sound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明实施例提供一种旋转机械振动信号的压缩方法、解压方法和传输系统,涉及旋转机械振动信号技术领域。其中,这种压缩方法包括步骤S1至步骤S4。S1、获取旋转机械振动的原始信号。S2、对原始信号进行预处理,以消除原始信号的噪声和不连续性,获取旋转机械振动的预处理信号。S3、基于各个压缩编码的压缩属性,选取压缩编码对预处理信号进行编码压缩,获取压缩信号。S4、发送压缩信号和选取的压缩编码对应的编号。本发明具增加了涵盖滤波、定标等方法在内的信号预处理步骤,能够更好地发掘振动信号冗余。在保证重构信号质量的同时达到较高压缩比;与此同时利用自适应码本搜索、固定码本搜索等方法,有效提高算法效率。
Description
技术领域
本发明涉及旋转机械振动信号处理技术领域,具体而言,涉及一种旋转机械振动信号的压缩方法、解压方法和传输系统。
背景技术
随着科学技术的不断发展以及制造业的转型升级,云制造模式应运而生,实现机械设备的远程状态检测、故障预警、预测性维护、运行优化等服务已是大势所趋,但机械设备上云率低却一直是制约其发展的重要瓶颈之一。
要解决此现状只能从源头上攻克机械振动信号由于精度高、数据量大造成的上云成本高这一难题。信号压缩技术可有效降低信号传输能耗,节约信号储存空间,减少上云成本,推动机械设备上云。
信号压缩算法可大致分为无损压缩和有损压缩,对于机械振动信号来说,传统的无损压缩方法虽具有优秀的重构信号质量,但其压缩比较低且系统复杂度高,导致算法效率低下,时间成本高,无法满足实时性压缩传输的需求;有损压缩算法虽相比于无损压缩能较好的平衡压缩比与重构质量,但由于机械振动信号重复性低、噪声多、精度高等特征,传统的有损压缩算法在机械振动信号上表现效果不佳,无法较好地平衡压缩比、重构信号质量及算法效率三大重要指标。
有鉴于此,申请人在研究了现有的技术后特提出本申请。
发明内容
本发明提供了一种旋转机械振动信号的压缩方法、解压方法和传输系统,以改善上述技术问题。
第一方面、
本发明实施例提供了一种旋转机械振动信号的压缩方法,其包含:
S1、获取旋转机械振动的原始信号。
S2、对原始信号进行预处理,以消除原始信号的噪声和不连续性,获取旋转机械振动的预处理信号。
S3、基于各个压缩编码的压缩属性,选取压缩编码对预处理信号进行编码压缩,获取压缩信号。
S4、发送压缩信号和选取的压缩编码对应的编号。
第二方面、
本发明实施例提供了一种旋转机械振动信号的解压方法,其包含:
S5、接收编号和压缩信号。其中,编号和压缩信号为第一方面所说的编号和压缩信号。
S6、根据编号对应的压缩编码解码压缩信号,获取预处理信号。其中,解码为编码压缩的逆过程。
S7、对预处理信号进行后处理,获取原始信号。其中,后处理为预处理的逆过程。
第三方面、
本发明实施例提供了一种旋转机械振动信号的传输系统,其包含信号发送装置和信号接收装置。
信号发送装置用于实现如下步骤:
S1、获取旋转机械振动的原始信号。
S2、对原始信号进行预处理,以消除原始信号的噪声和不连续性,获取旋转机械振动的预处理信号。
S3、基于压缩编码的压缩属性,选取压缩编码对预处理信号进行编码压缩,获取压缩信号。
S4、发送压缩信号和选取的压缩编码对应的编号。
信号接收装置用于实现如下步骤:
S5、接收编号和压缩信号。
S6、根据编号对应的压缩编码解码压缩信号,获取预处理信号。其中,解码为编码压缩的逆过程。
S7、对预处理信号进行后处理,获取原始信号。其中,后处理为预处理的逆过程。
通过采用上述技术方案,本发明可以取得以下技术效果:
具体的,本发明实施例的传输系统具有多种压缩比,可适用于不同需求场景下的机械振动信号压缩,更具通用性。增加了涵盖滤波、定标等方法在内的信号预处理步骤,能够更好地发掘振动信号冗余。在保证重构信号质量的同时达到较高压缩比;与此同时利用自适应码本搜索、固定码本搜索等方法,有效提高算法效率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他相关的附图。
图1是本发明第一实施例提供的压缩方法的流程示意图。
图2是本发明第三实施例提供的传输系统的逻辑图。
图3是本发明第三实施例提供的传输系统的流程示意图。
图4是AMR-VDC的压缩流程图。
图5是G.729A-VDC的压缩流程图。
图6是G.723.1-VDC的压缩流程图。
图7是G.721-VDC的压缩流程图。
图8是G.726-VDC的压缩流程图。
图9是本发明第二实施例提供的解压方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
实施例一:
请参阅图1至图8所示,本发明第一实施例提供一种旋转机械振动信号的压缩方法,其可由旋转机械振动信号的压缩设备来执行。特别的,由压缩设备内的一个或多个处理器来执行,以实现步骤S1至步骤S4。
S1、获取旋转机械振动的原始信号。
可以理解的是,许多设备中均安装有旋转轴;旋转机械振动的原始信号为测量得到的旋转轴在旋转过程中发出的振动信号。通过检测旋转轴的振动信号能够分析出设备的旋转轴是否正常工作,从而分析设备的工况。
压缩设备可以是便携笔记本计算机、台式机计算机、服务器、智能手机或者平板电脑等具有计算性能的电子设备。
S2、对原始信号进行预处理,以消除原始信号的噪声和不连续性,获取旋转机械振动的预处理信号。
具体的,对机械振动信号进行信号划分、高通滤波、信号定标、加窗等预处理。
在上述实施例的基础上,本发明的一个可选地实施例中,步骤S2包括步骤S21至步骤S23。
S21、对原始信号进行分帧处理,获取分帧信号。
S22、对分帧信号的每一帧分别进行定标和高通滤波,以消除分帧信号的噪声,获取去噪声信号。高通滤波模型为:
其中,z为输入高通滤波模型的振动信号。具体地,高通滤波的截止频率可以根据数据特征进行设定。
S23、对去噪声信号进行加窗,以消除去噪声信号的不连续性,获取预处理信号。加窗模型为:
其中,a、b、L1和L2均为加窗模型的参数,可由本领域技术人员自己设定,本发明对此不做具体限定。具体地,通过加窗能够减少帧起始和结束地方的信号不连续性问题。
S3、基于各个压缩编码的压缩属性,选取压缩编码对预处理信号进行编码压缩,获取压缩信号。
具体的,不同压缩编码的对机械振动信号的压缩效果不同,发送方可根据实际需求并参照算法属性表选择具有合适压缩比、重构信号质量及效率的压缩方法。发送方确定压缩方法后应当把编号发送给接收方,以便确定解压缩方法。
在上述实施例的基础上,本发明的一个可选地实施例中,压缩属性包括编号、压缩比、重构信号质量和效率。可选的,本发明实施例中的压缩编码包括五种,包括三种采用码本激励线性预测(CELP)的混合编码:AMR-VDC、G.729A-VDC和G.723.1-VDC。包括两种采用自适应差分脉冲编码调制(ADPCM)的波形编码:G.721-VDC和G.726-VDC。其中,各个压缩编码的压缩属性为:
可以理解的,在本实施例中,编号可以是1至5。在其它实施例中可以是压缩编码或者其它编号,只要其能够指示出压缩编码即可,本发明对此不做具体限定。此外,本发明的实施例是基于G.721、G.726、G.729、G.723.1、AMR这五种编码的具体实施方式,但其设计构思并不局限于G.721、G.726、G.729、G.723.1、AMR这五种编码编码,还可基于G.729A、G.729AB等编码实现机械振动信号压缩,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
S4、发送压缩信号和选取的压缩编码对应的编号。
具体的,本发明实施例的传输系统具有多种压缩比,可适用于不同需求场景下的机械振动信号压缩,更具通用性。增加了涵盖滤波、定标等方法在内的信号预处理步骤,能够更好地发掘振动信号冗余。在保证重构信号质量的同时达到较高压缩比;与此同时利用自适应码本搜索、固定码本搜索等方法,有效提高算法效率。
如图4所示,在上述实施例的基础上,本发明的一个可选的实施例中:AMR-VDC的编码压缩步骤包括1A至1F:
1A、LSP部分。具体的,LSP部分包括步骤1A1至1A6。
1A1、对预处理信号进行非对称窗加权,获取自相关系数。具体的,对预处理信号进行非对称窗加权,求出160个样点的自相关系数。
1A2、根据自相关系数,计算LP系数。LP系数的计算模型为:
其中,ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10,i=0,1,2…10。具体地,通过Levinson-Durbin算法求解LP系数的计算模型获得LP系数ack(k=1,2,…10)。
1A3、将LP系数转换为LSP系数。LSP系数的计算模型为:
σi=cosδi
其中,δi是线谱频率、z为变量。具体地,求解LSP系数的计算模型可得10阶LP滤波器的LSP值。
1A4、根据LSP系数,转换得到频率域LSF并去掉均值,然后用一阶滑动平均预测法求出预测残差矢量并使用分裂矩阵量化法进行量化,获取量化矢量。具体地,对于不同速率模式,使用不同的量化器对LSP参数进行量化。
1A5、根据量化矢量进行内插,获取LSP索引。内插模型为:
其中,σi为量化后的第i子帧的LP系数、n为常数。
1A6、根据量化及内插后的LP系数构建合成滤波器。合成滤波器的模型为:
其中,ai为量化及内插后的LP系数,x为输入合成滤波器的振动信号。
具体的,在LSP部分之后,为减少搜索计算量,先进行开环基音搜索得到基音估计值,进而在估计值附近进行闭环基音搜索。
1B、开环基音搜索部分。具体地,开环基音搜索部分包括步骤1B1和1B2。
1B1、信号输入加权滤波器得到加权信号。加权滤波器为:
其中,τ1和τ2为加权因子,x为输入加权滤波器的振动信号,ai为LP系数。
1B2计算加权信号的最大自相关函数,并对最大值进行归一化,获取基音估计值。
1C、闭环基音搜索部分。具体地,闭环基音搜索部分包括步骤1C1至1C3。
1C1、将预处理信号输入合成滤波器,并将合成滤波器的输出减去预处理信号得到残差信号。
1C2、将残差信号输入加权合成滤波器得到自适应码本搜索的目标信号。加权合成滤波器的模型为:
其中,τ1和τ2为加权因子,x为输入加权合成滤波器的振动信号,ai为LP系数。
1C3、对目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益。具体的,通过自适应码本搜索得到最佳自适应码本矢量f(n)与增益gp。自适应码本搜索包括闭环基音搜索及自适应码本矢量计算,通过闭环基音搜索得到延时后,在给出的整数延时m和分数延时t处内插过去的激励,从而计算自适应码本矢量与增益:
其中,q(n)为目标信号,y(n)是自适应码本矢量滤波信号。y(n)=f(n)h(n),h(n)=Z-1[HK(x)]。
1D、固定码本搜索部分。具体地,固定码本搜索部分包括步骤1D1。
1D1、以目标信号减去自适应码本贡献为目标进行固定码本搜索,获取固定码本索引、最佳固定码本矢量v(n)和增益gc。
具体地,以为目标进行具有代数结构的固定码本搜索,该操作依据深度优先树实现,设Gk是索引k处的固定码本矢量,则通过最大化下述等式实现固定码本搜索:
其中,Pk是第k个码本矢量,d表示自适应码本搜索后生成的信号x2(n)与脉冲响应h(n)之间的相关性,对称矩阵Ψ计算公式如下:
进而,得到随机激励信号v(n)与增益gc:
其中,e2是固定码本搜索的目标矢量,是固定码本矢量与联合滤波器脉冲响应h(n)的卷积。
1E、编码部分。具体地,编码部分包括步骤1E1。
1E1、将自适应码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取压缩信号。
1F、更新部分。具体地,更新部分包括步骤1F1和1F2。
1F1、对自适应码本增益gp和固定码本增益gc进行量化,并乘以各自的最佳码本矢量相加得到激励信号u(n)。固定码本增益的量化使用系数为的MA预测器。
其中,和为量化后的自适应码本增益和固定码本增益。
1F2、将残差信号与激励信号相减并输入合成滤波器与加权滤波器,以此修改滤波器状态。具体地,在计算下一子帧前,需更新LPC滤波器状态。当前子帧的总激励信号Q(n)为:
其中,和分别是量化后的自适应码本增益和固定码本增益;和分别是搜索得到的最佳自适应码本矢量和固定码本矢量。
如图5所示,在上述实施例的基础上,本发明的一个可选的实施例中:G.729A-VDC的编码压缩步骤包括1A至1F:
2A、LSP部分。具体的,LSP部分包括步骤2A1至2A6。
2A1、对预处理信号进行非对称窗加权,获取自相关系数。具体的,对每帧振动信号进行非对称加窗,求出80个样点的自相关系数。
2A2、根据自相关系数,计算LP系数。LP系数的计算模型为:
其中,ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10,i=0,1,2,…,10。具体地,通过Levinson算法变换为LP系数{ai}i=1,2,…,10。
2A3、将LP系数转换为LSP系数。LSP系数的计算模型为:
F1(x)=A(x)+x-11A(x-1)
F2(x)=A(x)-x-11A(x-1)
其中,ai为LP系数,x为预处理信号,i=0,1,2,…,10。具体地,求解LSP系数的计算模型可得LSP系数。
2A4、根据LSP系数,转换得到频率域LSF,进而进行二阶的矢量量化,获取量化矢量。具体地,量化时使用MA预测器,
2A5、根据量化矢量进行内插,获取LSP索引。内插模型为:
σi=0.5×σp+0.5×σc
其中,i=1,2,…,10,σi为量化后的第i子帧的LSP系数,σp为前一子帧的LSP系数,σc为当前子帧的LSP系数。
2A6、根据LSP系数索引构建合成滤波器。合成滤波器的模型为:
其中,ai为量化及内插后的LP系数,x为输入合成滤波器的振动信号。
2B、开环基音搜索部分。具体地,开环基音搜索部分包括步骤2B1和2B2。
2B1、将预处理信号输入加权滤波器得到加权信号。加权滤波器为:
其中,ai为LP系数,x为输入加权滤波器的振动信号,τ为加权因子。
2B2、计算加权信号的最大自相关函数,并对最大值进行归一化,获取基音估计值。
2C、闭环基音搜索部分。具体地,闭环基音搜索部分包括步骤2C1至2C3。
2C1、将预处理信号输入合成滤波器,并将合成滤波器的输出减去预处理信号得到残差信号。
2C2、将残差信号输入加权合成滤波器得到自适应码本搜索的目标信号。加权合成滤波器的模型为:
其中,τ为加权因子,ai为LP系数,x为输入加权合成滤波器的振动信号。
2C3、对目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益。具体地,具体的,通过自适应码本搜索得到最佳自适应码本矢量f(n)与增益gp。自适应码本搜索包括闭环基音搜索及自适应码本矢量计算,通过闭环基音搜索得到延时后,在给出的整数延时m和分数延时t处内插过去的激励u(n),从而计算自适应码本矢量f(n)与增益gp:
其中,q(n)为目标信号,h(n)为脉冲响应。
2D、代数码本搜索部分。具体地,固定码本搜索部分包括步骤2D1。
2D1、以目标信号减去自适应码本贡献为目标进行代数码本搜索,获取固定码本索引、最佳固定码本矢量v(n)和增益gc。
在本实施例中,为提高信号谐波分量,使用自适应滤波器P(x)对码本矢量进行滤波:
其中,L为基音延迟的整数部分,为参数;搜索过程采用深度优先树(DFS)搜索方法。
2E、编码部分。具体地,编码部分包括步骤2E1。
2E1、将自适应码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取压缩信号。
2F、更新部分。具体地,更新部分包括步骤2F1和2F2。
2F1、采用共轭结构对自适应码本增益gp和固定码本增益gc进行矢量量化,并乘以各自的最佳码本矢量相加得到激励信号u(n):
其中,和为量化后的自适应码本增益和固定码本增益。
2F2将残差信号与激励信号u(n)相减并输入合成滤波器与加权滤波器,以此修改滤波器状态。
如图6所示,在上述实施例的基础上,本发明的一个可选的实施例中:G.723.1-VDC的编码压缩步骤包括1A至1F:
3A、LSP部分:具体的,LSP部分包括步骤3A1至3A6。
3A1、对预处理信号加上一个180样本的窗,获取自相关系数。具体的,对预处理信号加上一个180样本的窗W(n),计算十一个自相关系数R(11),并给R(0)加权一个白噪声校正系数:
3A2、根据自相关系数,计算LP系数。LP系数的计算模型为:
其中,ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10,i=0,1,2,…,10。具体地,通过Levinson-Durbin算法求解LP系数的计算模型获得LP系数{ai}i=1,2,…,10。
3A3、将LP系数转换为LSP系数。
3A4、根据LSP系数,转换得到频率域LSF,然后进行分裂矢量量化,获取量化矢量。
3A5、根据量化矢量进行线性内插,获取LSP索引。
3A6、根据LSP系数构建合成滤波器。合成滤波器的模型为:
其中,x为输入合成滤波器的振动信号,ai为量化及内插后的LP系数,i表示子帧的序号。
具体的,在构造合成滤波器时,为减少参数,只对每子帧的第四子帧LP系数量化,其他子帧通过相关性插值获得,具体过程如下:首先,将第四子帧LPC系数转换为LSP系数并应用分裂矢量量化;其次,求前三帧的LSP参数时使用线性内插法,进而将四个LSP矢量转为LPC向量构造量化的LPC合成滤波器H(x)。
在本实施例中,在LSP部分之后,为减少搜索计算量,先进行开环基音搜索得到基音估计值LOL,进而在估计值附近进行闭环基音搜索。
3B、开环基音搜索部分。具体的,开环基音搜索部分包括步骤3B1和3B2。
3B1、将预处理信号输入加权滤波器得到加权信号。加权滤波器为:
其中,ai为LP系数,τ1和τ2为加权因子,x为输入加权滤波器的振动信号。具体的,对于每个子帧未量化的LP系数,结合加权因子τ1和τ2构造共振峰加权滤波器。对输入加权滤波器的振动信号{x(n)}n=0,1,…,239分为4个子帧,分别用滤波器K(x)进行滤波,得到加权信号。
3B2计算加权信号的最大互相关函数,并对最大值进行归一化,获取基音估计值。具体的,求加权信号的互相关系数(每两个子帧计算一次),以最大化互相关为准则,确定开环基音周期估计值。最大互相关函数为:
当互相关系数COL(j)最大时,索引号j即开环基音周期估计值。
具体地,为提高压缩信号质量,对每个子帧构造一个谐波噪声整形滤波器,降低共振峰区域的信号幅度,每个子帧的谐波噪声整形滤波器为:
P(x)=1-βx-T;
其中,T为最佳延时,β为最佳预测系数。加权信号经过Pi(z)滤波后得到谐波噪声加权信号。
3C、闭环基音搜索部分。具体地,闭环基音搜索部分包括步骤3C1至3C3。
3C1、将预处理信号输入合成滤波器,并将合成滤波器的输出减去预处理信号得到残差信号。
3C2、残差信号输入联合滤波器得到自适应码本搜索的目标信号。联合滤波器的模型为:
HKP(x)=H(x)·K(x)·P(x)
P(x)=1-βx-T
其中,β为最佳预测系数,T为最佳延时,H(x)为合成滤波器,K(x)为加权滤波器,P(x)为谐波噪声整形滤波器,x为输入联合滤波器的振动信号。
3C3、目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益。具体的,对每个子帧,通过闭环基音搜索得到闭环基音周期及自适应码本增益索引,进而通过下式求得自适应码本激励u(n):
其中,Q通过查找自适应码本增益表获得。
3D、固定码本搜索部分。具体地,固定码本搜索部分包括步骤3D1。
3D1、减去自适应码本贡献为目标进行代数码本搜索,获取固定码本索引。具体的,以自适应码本目标信号减去自适应码本贡献为目标进行固定码本搜索,进而得到最佳固定码本矢量v(n)与增益gc。
3E、编码部分。具体地,编码部分包括步骤3E1。
3E1、码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取压缩信号。
3F、更新部分。具体地,更新部分包括步骤3F1和3F2。
3F1、对自适应码本增益gp和固定码本增益gc进行量化,并乘以各自的最佳码本矢量相加得到激励信号u(n)。
其中,和为量化后的自适应码本增益和固定码本增益。
3F2、将残差信号与激励信号u(n)相减并输入合成滤波器与加权滤波器,以此修改滤波器状态。
如图7所示,在上述实施例的基础上,本发明的一个可选的实施例中:G.721-VDC的编码压缩步骤包括4A至4D:
4A、差分部分:
将预处理信号减去最终预测信号,获取原始差分信号。
4B、量化部分:
将原始差分信号进行自适应量化,获取编码后的压缩信号。自适应量化模型为:
c(n)=log2|d(n)|-θ(n)
θ(n)=al(n)θu(n-1)+[1-al(n)]θl(n-1)
其中,d(n)为原始差分信号,θ(n)是量化阶距自适应因子,θ(n)由快速定标因子θu(n)和慢速定标因子θl(n)两部分组成,al(n)为自适应速度控制参数,对于振动信号,al(n)趋近于1。慢速定标因子θl(n)由θu(n)经过低通滤波器获取。
4C、逆量化部分:
通过自适应逆量化器对压缩信号进行重构,获取重构差分信号。重构差分信号为:
d′(n)=2θ(n)+c(n)
其中,c(n)为编码后的压缩信号,θ(n)是量化阶距自适应因子。
4D、预测部分:
将重构差分信号输入零极点后向序贯自适应预测器,获取初始预测信号。
将初始预测信号和重构差分信号相加,获取重构信号。
将重构信号输入零极点后向序贯自适应预测器,并采用次优化的梯度符号法对预测系数进行自适应修正,获取最终预测信号。预测模型为:
其中,s(n)为重构信号、ak、bk为系数、d'(n)为重构差分信号。
如图8所示,在上述实施例的基础上,本发明的一个可选的实施例中:G.726-VDC的编码压缩步骤包括5A至5D:
5A、差分部分:
将预处理信号减去预测信号,获取原始差分信号。
5B、量化部分:
根据初始参数,对原始差分信号进行自适应量化,获取压缩信号。自适应量化器为:
c(n)=log2|d(n)|-θ(n)
θ(n)=al(n)θu(n-1)+[1-al(n)]θl(n-1)
θu(n)=(1-2-5)θ(n)+2-5W[c(n)]
其中,W[c(n)]通过查表获得,d(n)为原始差分信号,θ(n)是量化阶距自适应因子,θ(n)由快速定标因子θu(n)和慢速定标因子θl(n)两部分组成,al(n)为自适应速度控制参数。对于振动信号al(n)趋近于1。慢速定标因子θl(n)由θu(n)经过低通滤波器获取。
5C、逆量化部分:
通过自适应逆量化器对压缩信号进行重构,获取重构差分信号。重构模型为:
d′(n)=2θ(n)+c(n)
其中,c(n)为编码后的压缩信号,θ(n)是量化阶距自适应因子。
5D、预测部分:
将重构差分信号输入自适应预测器,获取初始预测信号。
将初始预测信号和重构差分信号相加,获取重构信号。
将重构信号输入自适应预测器,获取最终预测信号。
根据最终预测信号和重构差分信号,计算单音和瞬变音检测单元的输出td(n)和tr(n)。单音和瞬变音检测通过下述公式实现:
根据计算单音和瞬变音检测单元的输出td(n)和tr(n),计算自适应速度控制参数al(n)。al(n)通过量化值幅度的长短时平均差确定。
短时dms(n)和长时dls(n)计算公式为:
dms(n)=(1-2-5)dms(n-1)+2-5F|c(n)|
dml(n)=(1-2-7)dml(n-1)+2-7F|c(n)|
则自适应速度控制参数al(n)为:
其中,ap(n)通过单音和瞬变音检测单元输出td(n)和tr(n)得到。
具体的,针对旋转机械振动数据具有重复性少、噪声多、数值多为高精度浮点型等特性,引起的诸多数据压缩难点。本发明实施例的传输系统能够解决传统振动信号压缩方法中通用性较差、压缩比过低、无法满足在线故障诊断实时性需求等问题,较好地平衡了压缩比与重构信号质量两个方面。
实施例二:
请参阅图9,本发明第二实施例提供一种旋转机械振动信号的解压方法,其包含:
S5、接收编号和压缩信号。其中,编号和压缩信号为实施例一所说的编号和压缩信号。
S6、根据编号对应的压缩编码解码压缩信号,获取预处理信号。其中,解码为编码压缩的逆过程。
具体的,解压缩过程是压缩过程的逆过程,压缩算法AMR-VDC、G.729A-VDC和G.723.1-VDC的解压缩过程包括步骤S61至步骤S65。
S61、对接收到的压缩信号进行解码提取LP系数{ai}i=1,2,…,10、码本矢量、增益等参量。其中解码过程为上述编码过程的逆过程;
S62、对LP系数{ai}i=1,2,…,10进行内插,得到合成滤波器的系数,进而重建合成滤波器H'(x)。其中内插方法于压缩时的内插方法相同。
S63、根据码本矢量及增益求得激励信号u(n)。
S64、将激励信号输入重建的合成滤波器H'(x),得到合成信号。其中,算法AMR-VDC、G.729A-VDC和G.723.1-VDC的合成滤波器传递函数与编码时的滤波器相同。
S65、将合成信号输入后置滤波器,得到预处理信号。其中,后置滤波器主要由以下三个滤波器组成:
E3(x)=1+γ4k1x-1
其中,γ1、γ2、γ3、γ4、k1均为参数,g为增益。
S7、对预处理信号进行后处理,获取原始信号。其中,后处理为预处理的逆过程。
具体的,后处理的过程是预处理的逆过程。后处理过程包括步骤S71。
S71、对预处理信号进行滤波、定标还原等后处理得到原始信号。后处理公式如下:
实施例三:
请参阅图2和图3,本发明第三实施例提供一种旋转机械振动信号的传输系统,其包含信号发送装置和信号接收装置。
信号发送装置用于实现如下步骤:
S1、获取旋转机械振动的原始信号。
S2、对原始信号进行预处理,以消除原始信号的噪声和不连续性,获取旋转机械振动的预处理信号。
S3、基于各个压缩编码的压缩属性,选取压缩编码对预处理信号进行编码压缩,获取压缩信号。
S4、发送压缩信号和选取的压缩编码对应的编号。
信号接收装置用于实现如下步骤:
S5、接收编号和压缩信号。
S6、根据编号对应的压缩编码解码压缩信号,获取预处理信号。其中,解码为编码压缩的逆过程。
S7、对预处理信号进行后处理,获取原始信号。其中,后处理为预处理的逆过程。
具体的,本发明实施例的传输系统具有多种压缩比,可适用于不同需求场景下的机械振动信号压缩,更具通用性。增加了涵盖滤波、定标等方法在内的信号预处理步骤,能够更好地发掘振动信号冗余。在保证重构信号质量的同时达到较高压缩比;与此同时利用自适应码本搜索、固定码本搜索等方法,有效提高算法效率。
针对旋转机械振动数据具有重复性少、噪声多、数值多为高精度浮点型等特性,引起的诸多数据压缩难点。本发明实施例的传输系统能够解决传统振动信号压缩方法中通用性较差、压缩比过低、无法满足在线故障诊断实时性需求等问题。较好地平衡了压缩比与重构信号质量两个方面。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种旋转机械振动信号的压缩方法,其特征在于,包含:
获取旋转机械振动的原始信号;
对所述原始信号进行预处理,以消除所述原始信号的噪声和不连续性,获取旋转机械振动的预处理信号;
基于各个压缩编码的不同压缩属性,选取压缩编码对所述预处理信号进行编码压缩,获取压缩信号;
发送所述压缩信号和选取的压缩编码对应的编号;
所述各个压缩编码包括AMR-VDC;所述AMR-VDC的编码压缩步骤包括:
A、LSP部分:
对所述预处理信号进行非对称窗加权,获取自相关系数;
根据所述自相关系数,计算LP系数;其中,所述LP系数的计算模型为:ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10;
将所述LP系数转换为LSP系数;其中,LSP系数的计算模型为:σi=cosδi,δi是线谱频率、z为变量;
根据所述LSP系数,转换得到频率域LSF并去掉均值,然后用一阶滑动平均预测法求出预测残差矢量并使用分裂矩阵量化法进行量化,获取量化矢量;
根据所述量化矢量进行内插,获取LSP索引;其中,内插模型为:σi为量化后的第i子帧的LP系数、n为常数;
根据量化及内插后的LP系数构建合成滤波器;其中,所述合成滤波器的模型为:ai为量化及内插后的LP系数、x为输入所述合成滤波器的振动信号;
B、开环基音搜索部分:
将所述预处理信号输入加权滤波器得到加权信号;其中,所述加权滤波器为: τ1和τ2为加权因子、x为输入加权滤波器的振动信号、ai为LP系数;
计算所述加权信号的最大自相关函数,并对最大值进行归一化,获取基音估计值;
C、闭环基音搜索部分:
将所述预处理信号输入所述合成滤波器,并将所述合成滤波器的输出减去所述预处理信号得到残差信号;
将所述残差信号输入加权合成滤波器得到自适应码本搜索的目标信号;其中,所述加权合成滤波器的模型为: τ1和τ2为加权因子、x为输入加权合成滤波器的振动信号、ai为LP系数;
对所述目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益;
D、固定码本搜索部分:
以所述目标信号减去自适应码本贡献为目标进行固定码本搜索,获取固定码本索引;
E、编码部分:
将所述自适应码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取所述压缩信号。
2.根据权利要求1所述的一种旋转机械振动信号的压缩方法,其特征在于,对所述原始信号进行预处理,以消除所述原始信号的噪声和不连续性,获取旋转机械振动的预处理信号包括:
对所述原始信号进行分帧处理,获取分帧信号;
对所述分帧信号的每一帧分别进行定标和高通滤波,以消除所述分帧信号的噪声,获取去噪声信号;其中,高通滤波模型为:z为输入高通滤波模型的振动信号;
对所述去噪声信号进行加窗,以消除所述去噪声信号的不连续性,获取所述预处理信号;其中,加窗模型为:a、b、L1和L2均为加窗模型的参数。
3.根据权利要求1所述的一种旋转机械振动信号的压缩方法,其特征在于,所述压缩属性包括编号、压缩比、重构信号质量和效率;
所述各个压缩编码至少包含三种压缩编码;其中,所述各个压缩编码的压缩属性为:
4.根据权利要求1所述的一种旋转机械振动信号的压缩方法,其特征在于,所述各个压缩编码包括G.729A-VDC;所述G.729A-VDC的编码压缩步骤包括:
A、LSP部分:
对所述预处理信号进行非对称窗加权,获取自相关系数;
根据所述自相关系数,计算LP系数;其中,所述LP系数的计算模型为:ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10;
将所述LP系数转换为LSP系数;其中,LSP系数的计算模型为:F1(x)=A(x)+x-11A(x-1),F2(x)=A(x)-x-11A(x-1),ai为LP系数、x为所述预处理信号;
根据所述LSP系数,转换得到频率域LSF,然后进行二阶的矢量量化,获取量化矢量;
根据所述量化矢量进行内插,获取LSP索引;其中,内插模型为:σi=0.5×σp+0.5×σc,i=1,2,…,10,σi为量化后的第i子帧的LSP系数,σp为前一子帧的LSP系数,σc为当前子帧的LSP系数;
根据LSP系数索引构建合成滤波器;其中,所述合成滤波器的模型为:ai为量化及内插后的LP系数、x为输入合成滤波器的振动信号;
B、开环基音搜索部分:
将所述预处理信号输入加权滤波器得到加权信号;其中,所述加权滤波器为:ai为LP系数、x为输入加权滤波器的振动信号、τ为加权因子;
计算所述加权信号的最大自相关函数,并对最大值进行归一化,获取基音估计值;
C、闭环基音搜索部分:
将所述预处理信号输入所述合成滤波器,并将所述合成滤波器的输出减去所述预处理信号得到残差信号;
将所述残差信号输入加权合成滤波器得到自适应码本搜索的目标信号;其中,所述加权合成滤波器的模型为:τ为加权因子、ai为LP系数、x为输入加权合成滤波器的振动信号;
对所述目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益;
D、代数码本搜索部分:
以所述目标信号减去自适应码本贡献为目标进行代数码本搜索,获取固定码本索引;
E、编码部分:
将所述自适应码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取所述压缩信号。
5.根据权利要求1所述的一种旋转机械振动信号的压缩方法,其特征在于,所述各个压缩编码包括G.723.1-VDC;所述G.723.1-VDC的编码压缩步骤包括:
A、LSP部分:
对所述预处理信号加上一个180样本的窗,获取自相关系数;
根据所述自相关系数,计算LP系数;其中,所述LP系数的计算模型为:ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10;
将所述LP系数转换为LSP系数;
根据所述LSP系数,转换得到频率域LSF,然后进行分裂矢量量化,获取量化矢量;
根据所述量化矢量进行线性内插,获取LSP索引;
根据所述LSP系数构建合成滤波器;其中,所述合成滤波器的模型为:x为输入合成滤波器的振动信号,ai为量化及内插后的LP系数;
B、开环基音搜索部分:
将所述预处理信号输入加权滤波器得到加权信号;其中,所述加权滤波器为:ai为LP系数、τ1和τ2为加权因子、x为输入加权滤波器的振动信号;
计算所述加权信号的最大互相关函数,并对最大值进行归一化,获取基音估计值;
C、闭环基音搜索部分:
将所述预处理信号输入所述合成滤波器,并将所述合成滤波器的输出减去所述预处理信号得到残差信号;
将所述残差信号输入联合滤波器得到自适应码本搜索的目标信号;其中,所述联合滤波器的模型为:HKP(x)=H(x)·K(x)·P(x),P(x)=1-βx-T,β为最佳预测系数,T为最佳延时、H(x)为合成滤波器,K(x)为加权滤波器,P(x)为谐波噪声整形滤波器、x为输入联合滤波器的振动信号;
对所述目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益;
D、固定码本搜索部分:
以所述目标信号减去自适应码本贡献为目标进行代数码本搜索,获取固定码本索引;
E、编码部分:
将所述自适应码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取所述压缩信号。
6.根据权利要求1所述的一种旋转机械振动信号的压缩方法,其特征在于,所述各个压缩编码包括G.721-VDC;所述G.721-VDC的编码压缩步骤包括:
A、差分部分:
将所述预处理信号减去最终预测信号,获取原始差分信号;
B、量化部分:
将所述原始差分信号进行自适应量化,获取编码后的所述压缩信号;其中,自适应量化模型为:c(n)=log2|d(n)|-θ(n),θ(n)=al(n)θu(n-1)+[1-al(n)]θl(n-1),d(n)为所述原始差分信号、θ(n)是量化阶距自适应因子、θ(n)由快速定标因子θu(n)和慢速定标因子θl(n)两部分组成、al(n)为自适应速度控制参数,对于振动信号,al(n)趋近于1;θu(n)∈[1.06,10];慢速定标因子θl(n)由θu(n)经过低通滤波器获取;
C、逆量化部分;
通过自适应逆量化器对所述压缩信号进行重构,获取重构差分信号;其中,重构差分信号为:d′(n)=2θ(n)+c(n),c(n)为编码后的所述压缩信号、θ(n)是量化阶距自适应因子;
D、预测部分
将所述重构差分信号输入零极点后向序贯自适应预测器,获取初始预测信号;
将所述初始预测信号和所述重构差分信号相加,获取重构信号;
将所述重构信号输入零极点后向序贯自适应预测器,并采用次优化的梯度符号法对预测系数进行自适应修正,获取所述最终预测信号;其中,预测模型为:s(n)为所述重构信号,ak、bk为系数、d′(n)为所述重构差分信号。
7.根据权利要求6所述的一种旋转机械振动信号的压缩方法,其特征在于,所述各个压缩编码包括G.726-VDC;所述G.726-VDC的编码压缩步骤包括:
A、差分部分:
将所述预处理信号减去预测信号,获取原始差分信号;
B、量化部分:
根据初始参数,对所述原始差分信号进行自适应量化,获取所述压缩信号;其中,自适应量化器为:c(n)=log2|d(n)|-θ(n),θ(n)=al(n)θu(n-1)+[1-al(n)]θl(n-1),θu(n)=(1-2-5)θ(n)+2-5W[c(n)],W[c(n)]通过查表获得、d(n)为所述原始差分信号、θ(n)是量化阶距自适应因子、θ(n)由快速定标因子θu(n)和慢速定标因子θl(n)两部分组成、al(n)为自适应速度控制参数;对于振动信号al(n)趋近于1;慢速定标因子θl(n)由θu(n)经过低通滤波器获取;
C、逆量化部分;
通过自适应逆量化器对所述压缩信号进行重构,获取重构差分信号;其中,重构模型为:d′(n)=2θ(n)+c(n),c(n)为编码后的所述压缩信号、θ(n)是量化阶距自适应因子;
D、预测部分
将所述重构差分信号输入自适应预测器,获取初始预测信号;
将所述初始预测信号和所述重构差分信号相加,获取重构信号;
将所述重构信号输入自适应预测器,获取所述最终预测信号。
8.一种旋转机械振动信号的解压方法,其特征在于,包含:
接收编号和压缩信号;其中,所述编号和所述压缩信号通过权利要求1至7任意一项所述的一种旋转机械振动信号的压缩方法发送;
根据所述编号对应的压缩编码解码所述压缩信号,获取预处理信号;其中,所述解码为编码压缩的逆过程;
对所述预处理信号进行后处理,获取原始信号;其中,所述后处理为预处理的逆过程。
9.一种旋转机械振动信号的传输系统,其特征在于,包含信号发送装置和信号接收装置;
所述信号发送装置用于:
获取旋转机械振动的原始信号;
对所述原始信号进行预处理,以消除所述原始信号的噪声和不连续性,获取旋转机械振动的预处理信号;
基于各个压缩编码的压缩属性,选取压缩编码对所述预处理信号进行编码压缩,获取压缩信号;
发送所述压缩信号和选取的压缩编码对应的编号;
所述信号接收装置用于:
接收所述编号和所述压缩信号;
根据所述编号对应的压缩编码解码所述压缩信号,获取预处理信号;其中,所述解码为编码压缩的逆过程;
对所述预处理信号进行后处理,获取原始信号;其中,所述后处理为预处理的逆过程;
所述各个压缩编码包括AMR-VDC;所述AMR-VDC的编码压缩步骤包括:
A、LSP部分:
对所述预处理信号进行非对称窗加权,获取自相关系数;
根据所述自相关系数,计算LP系数;其中,所述LP系数的计算模型为:ai为LP系数,r(k)为自相关系数,k=0,1,2,…,10;
将所述LP系数转换为LSP系数;其中,LSP系数的计算模型为:σi=cosδi,δi是线谱频率、z为变量;
根据所述LSP系数,转换得到频率域LSF并去掉均值,然后用一阶滑动平均预测法求出预测残差矢量并使用分裂矩阵量化法进行量化,获取量化矢量;
根据所述量化矢量进行内插,获取LSP索引;其中,内插模型为:σi为量化后的第i子帧的LP系数、n为常数;
根据量化及内插后的LP系数构建合成滤波器;其中,所述合成滤波器的模型为:ai为量化及内插后的LP系数、x为输入所述合成滤波器的振动信号;
B、开环基音搜索部分:
将所述预处理信号输入加权滤波器得到加权信号;其中,所述加权滤波器为: τ1和τ2为加权因子、x为输入加权滤波器的振动信号、ai为LP系数;
计算所述加权信号的最大自相关函数,并对最大值进行归一化,获取基音估计值;
C、闭环基音搜索部分:
将所述预处理信号输入所述合成滤波器,并将所述合成滤波器的输出减去所述预处理信号得到残差信号;
将所述残差信号输入加权合成滤波器得到自适应码本搜索的目标信号;其中,所述加权合成滤波器的模型为: τ1和τ2为加权因子、x为输入加权合成滤波器的振动信号、ai为LP系数;
对所述目标信号进行自适应码本搜索,获取自适应码本索引和自适应码本增益;
D、固定码本搜索部分:
以所述目标信号减去自适应码本贡献为目标进行固定码本搜索,获取固定码本索引;
E、编码部分:
将所述自适应码本索引、固定码本索引、自适应码本增益和LSP索引组合,获取所述压缩信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210376746.7A CN114844510B (zh) | 2022-04-12 | 2022-04-12 | 一种旋转机械振动信号的压缩方法、解压方法和传输系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210376746.7A CN114844510B (zh) | 2022-04-12 | 2022-04-12 | 一种旋转机械振动信号的压缩方法、解压方法和传输系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114844510A CN114844510A (zh) | 2022-08-02 |
CN114844510B true CN114844510B (zh) | 2024-06-28 |
Family
ID=82564268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210376746.7A Active CN114844510B (zh) | 2022-04-12 | 2022-04-12 | 一种旋转机械振动信号的压缩方法、解压方法和传输系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114844510B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665886A (zh) * | 2020-12-11 | 2021-04-16 | 浙江中控技术股份有限公司 | 一种大型旋转机械振动测量高频原始数据的数据转换方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080169932A1 (en) * | 2007-01-17 | 2008-07-17 | Graco Children's Products Inc. | Vibration Alert Method and Monitor System |
CN105021274B (zh) * | 2015-06-30 | 2017-12-08 | 西安交通大学 | 一种基于谱线重要度的频谱压缩方法 |
CN111949622B (zh) * | 2020-08-06 | 2022-10-11 | 河海大学 | 基于Hadoop平台对快速傅里叶变换后的模拟量压缩存储的方法 |
CN113112038B (zh) * | 2021-04-13 | 2024-05-28 | 中国铁道科学研究院集团有限公司 | 智能监测与诊断分析系统、装置、电子设备及存储介质 |
-
2022
- 2022-04-12 CN CN202210376746.7A patent/CN114844510B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665886A (zh) * | 2020-12-11 | 2021-04-16 | 浙江中控技术股份有限公司 | 一种大型旋转机械振动测量高频原始数据的数据转换方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114844510A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8849658B2 (en) | Speech encoding utilizing independent manipulation of signal and noise spectrum | |
US8301441B2 (en) | Speech coding | |
KR101698905B1 (ko) | 정렬된 예견 부를 사용하여 오디오 신호를 인코딩하고 디코딩하기 위한 장치 및 방법 | |
JPH03211599A (ja) | 4.8kbpsの情報伝送速度を有する音声符号化/復号化器 | |
JP6456412B2 (ja) | Celp符号器および復号器で使用するための柔軟で拡張性のある複合革新コードブック | |
KR20150032723A (ko) | 개선된 확률 분포 추정을 이용한 선형 예측 기반 오디오 코딩 | |
EP2774146B1 (en) | Audio encoding based on an efficient representation of auto-regressive coefficients | |
US20040111257A1 (en) | Transcoding apparatus and method between CELP-based codecs using bandwidth extension | |
EP1326237A2 (en) | Excitation quantisation in noise feedback coding | |
CN114844510B (zh) | 一种旋转机械振动信号的压缩方法、解压方法和传输系统 | |
US11114106B2 (en) | Vector quantization of algebraic codebook with high-pass characteristic for polarity selection | |
CN106935243A (zh) | 一种基于melp的低比特数字语音矢量量化方法和系统 | |
KR100312336B1 (ko) | 다차 lpc 계수를 적용한 포만트 후필터링을 통한 음성보코더의 음질 향상방법 | |
KR100318335B1 (ko) | 잔차신호의 에너지 레벨 정규화를 통한 음성신호처리복호화기에서의 피치 포스트필터 성능 향상 방법 | |
JPH0981191A (ja) | 音声符号化復号化装置及び音声復号化装置 |
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 |