匹配追踪信号分解及应用.pdfVIP

第七章 匹配追踪信号分解及应用 从混有噪声干扰的动态信号中提取故障特征是诊断过程的基础，也是诊断技术的关键。 其核心在于将采集的动态数据提纯并转化为易于揭示故障本质的形式，为诊断决策的制订提 供依据。信号分解是特征提取的主要手段之一。最常用的信号分解技术是应用具有特定性质 的基元(elementary) 函数并根据一定的数学规则将信号展开。例如用 Fourier 基和小波基将信 号展开，实现了以 Fourier 和小波函数为特征的信号分解。90 年代初，小波研究领域的著名 [1] [2] [3，4] 专家 Mallat 和 Qian 等分别各自独立地基于投影追踪(projection pursuit)算法 提出 了一种逐步递推自适应方法，称为匹配追踪算法，它能够自适应地将信号按基元函数一步一 步地分解，从而达到对信号的展开。分解算法对基元函数没有特定要求，几乎任何函数都可 作为基元函数，因而为应用提供了极大的灵活性。本章介绍信号展开原理、匹配追踪算法、 基于高斯型基元函数的匹配追踪信号分解以及由此构造的适用于分析非平稳信号的无交叉项 时频分布。结合机械状态监测和故障诊断应用和匹配追踪信号分解，介绍了一种适用于提取 和分析诊断中常见的非平稳瞬态冲击信号特征的方法。 7.1 信号展开与内积 从数学的观点信号的表示不是唯一的，借助于信号展开我们可以用无数的方法来表示一 个信号，例如将信号分解到频域或联合的时频域中。换句话说，任意给定一个信号x ∈Ψ， [2] Ψ可以是有限维或无限维，x 可以表示为域Ψ上基元函数集合{ψ } 的线性组合 ，即 n n∈Z x ∑a ψ (7.1.1) n n n∈Z 如果{ψ } 也在域Ψ的对偶域Φ内，则(7.1.1)式中的展开系数a 描述了信号在域Φ内的 n n∈Z n 特性[2]。如果{ψ } 是完备的，对任意信号x ∈Ψ，存在一个对偶集合{φ } ，信号x 可 n n∈Z n n∈Z 展开为(7.1.1)式的形式，展开系数a 可由规则内积计算，即 n +∞ * a ≡x ,φ x (t)φ (t)dt (7.1.2) n n ∫ n −∞ (7.1.2)式称为信号变换，对偶函数φ (t) 也称为分析函数。相应地，称(7.1.1) 式为逆变 n 换，基元函数ψ (t) 为综合函数。(7.1