基于块稀疏贝叶斯学习的信号重构方法

摘要

传统的振动信号分析方法都是基于香农采样定理实现信号的采集,这种信号采样方式,使设备状态监测过程中产生了海量的冗余数据,增加了数据处理的难度以及数据存储与传输的成本.压缩感知理论的提出为解决海量的状态监测数据的存储与传输问题提供了新契机,而振动信号不稀疏的特性又成为压缩感知在故障诊断领域应用的障碍.为此,提出了一种基于块稀疏贝叶斯学习的振动信号重构的方法,该方法利用解的块内相关性,通过解的后验概率知识,在不需要估计信号稀疏度的情况下,准确重构出原始信号,解决了振动信号稀疏度不足的问题,通过轴承振动信号的重构验证了方法的有效性.