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
AKAMAI1 小时前
跳过复杂环节:Akamai应用平台让Kubernetes生产就绪——现已正式发布
人工智能·云原生·云计算
新智元3 小时前
阿里王牌 Agent 横扫 SOTA,全栈开源力压 OpenAI!博士级难题一键搞定
人工智能·openai
新智元3 小时前
刚刚,OpenAI/Gemini 共斩 ICPC 2025 金牌!OpenAI 满分碾压横扫全场
人工智能·openai
机器之心3 小时前
OneSearch,揭开快手电商搜索「一步到位」的秘技
人工智能·openai
阿里云大数据AI技术3 小时前
2025云栖大会·大数据AI参会攻略请查收!
大数据·人工智能
YourKing4 小时前
yolov11n.onnx格式模型转换与图像推理
人工智能
sans_4 小时前
NCCL的用户缓冲区注册
人工智能
sans_4 小时前
三种视角下的Symmetric Memory,下一代HPC内存模型
人工智能
算家计算4 小时前
模糊高清修复真王炸!ComfyUI-SeedVR2-Kontext(画质修复+P图)本地部署教程
人工智能·开源·aigc
虫无涯5 小时前
LangSmith:大模型应用开发的得力助手
人工智能·langchain·llm