原文传递
基于稀疏分解的铁路信号去噪算法研究
| 论文题名： | 基于稀疏分解的铁路信号去噪算法研究 |
| 关键词： | 稀疏分解;道岔振动信号;去噪算法;轨道移频信号 |
| 摘要： | 随着铁路技术的高速发展，通过道岔振动信号实时了解道岔的伤损状态和正确检测轨道移频信号参数成为了列车安全运行的重要保证。现场采集时，道岔振动信号和轨道移频信号可能会混有噪声，严重干扰道岔的伤损识别和轨道移频信号的检测。因此，对上述两种信号进行去噪是一个亟待解决的问题。传统的去噪算法并不能获得令人满意的去噪效果。对此，本文根据稀疏分解强抗噪性的特点，将其应用于道岔振动信号和轨道移频信号的去噪，并利用稀疏分解对低信噪比下轨道移频信号进行检测。本文主要研究内容如下: 首先，针对高速道岔振动信号的结构特征不明显的特点，设计一种Gabor过完备原子库，提出了基于粒子群改进算法(IPSO)优化的稀疏分解道岔振动信号去噪算法。仿真实验表明:该算法能够有效的去除道岔振动信号中的噪声，具有比EMD小波阈值算法、小波阈值算法及Fastica算法更好的去噪性能。 然后，针对轨道移频信号的特点，设计了一种余弦过完备原子库，将粗细二阶段与稀疏分解相结合，提出了基于稀疏分解的轨道移频信号去噪算法和检测算法。仿真实验验证:基于稀疏分解的轨道移频信号去噪算法具有比EMD小波阈值算法和小波阈值算法更好的去噪性能，能够有效地去除低信噪比移频信号的噪声，且去噪后检测信噪比可至少提高10dB;基于稀疏分解的轨道移频信号检测算法能检测出强噪声背景下的载频和低频，同时具有较低的检测错误率，远优于目前较为流行的ZFFT算法。 最后，总结了本论文的研究内容，找出研究中存在的一些问题并对今后的研究方向进行展望。 |
| 作者： | 轩春霞 |
| 专业： | 信号与信息处理 |
| 导师： | 王小敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
