一种非凸全变差正则化的信号降噪方法(以模拟信号和轴承振动信号为例,MATLAB)

以旋转机械振动信号为例,由于旋转机械运行中背景噪声较强,振动信号需要进行降噪处理。常用的小波阈值降噪会在信号的不连续处产生虚假的波峰和伪吉布森震荡,而奇异值分解SVD去噪容易产生虚假分量,全变差去噪则不会出现这样的情况,因此采用全变差降噪以达到更好的效果。全变差降噪的问题作为一个L1正则化问题,可以通过优化极小化方法进行求解,可以有效地去除振动信号中的强背景噪声,较好地体现出冲击的故障特征。

鉴于此,采用一种非凸全变差正则化的信号降噪方法对模拟信号和轴承振动信号进行验证,运行环境为MATLAB 2018A。

复制代码
clear


y = load('blocks_noisy.txt');   % load data
sigma = 0.5;


x_clean = load('blocks.txt');   % load data


N = length(y);
n = 1:N;


figure(1)
clf
plot(n, y, 'color', 'black', 'linewidth', 1)
title('Noisy signal');
ax = [0 length(y) -3 6];
axis(ax)
复制代码
clc;clear all
%轴承2_2,采样频率25600Hz,外圈故障特征频率因子3.083,转速2250/60Hz,外圈故障特征频率115.6125
%x1 = xlsread('Bearing2_2/161.xlsx');%重度故障
x1 = xlsread('Bearing2_2/60.xlsx');%早期故障
x1 =x1(:,1);x1=x1(1:10240*2)
x1 = x1-mean(x1);
fs = 25600;
N = length(x1);
t = 0:1/fs:(N-1)/fs;
figure
[pEnvInner, fEnvInner, xEnvInner, tEnvInner] = envspectrum(x1, fs);plot(fEnvInner, pEnvInner)
xlim([0 500]);ncomb = 20;helperPlotCombs(ncomb,115.6125);xlabel('Frequency(Hz)');ylabel('Ampitude')


y = x1;   %data
sigma = 0.5;
% x_clean = load('blocks.txt');   % load data
N = length(y);
n = 1:N;

完整代码可通过知乎学术咨询获得:
https://www.zhihu.com/consult/people/792359672131756032?isMe=1

擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

相关推荐
惜.己7 分钟前
使用python的读取xml文件,简单的处理成元组数组
xml·开发语言·python·测试工具
倔强青铜三16 分钟前
苦练Python第25天:玩转字典
人工智能·python·面试
橙几23 分钟前
击败了90%的解法?Two Sum 从 O(n²) 到 O(n) 的优化之路
算法
倔强青铜三29 分钟前
苦练Python第23天:元组秘籍与妙用
人工智能·python·面试
apihz31 分钟前
域名WHOIS信息查询免费API使用指南
android·开发语言·数据库·网络协议·tcp/ip
叶子爱分享37 分钟前
经典排序算法之归并排序(Merge Sort)
算法·排序算法
珹洺43 分钟前
C++算法竞赛篇:DevC++ 如何进行debug调试
java·c++·算法
coding随想44 分钟前
掌控网页的魔法之书:JavaScript DOM的奇幻之旅
开发语言·javascript·ecmascript
AndrewHZ1 小时前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
TomatoSCI1 小时前
聚类的可视化选择:PCA / t-SNE丨TomatoSCI分析日记
人工智能·机器学习