关键词： 数据压缩算法   脑电信号   压缩感知   疾病诊断   仿真实验  

摘要： 脑电数据的存储一直是一个备受关注和研究的问题,脑部疾病诊断常常需要采集大量的脑电数据来判断,所以对脑电信号的数据压缩算法的研究变得越来越重要。本文采用压缩感知算法来对脑电数据进行压缩,并通过仿真实验来验证该算法对于脑电信号的合理性和准确性。

关键词： 压缩感知   数据压缩   FPGA   小波变换  

摘要： 随着地球物理勘探技术的不断发展,地震勘探仪器向着多参数、多维度、多分量的方向不断前进,在地震勘探现场布设的大量地震仪将会产生海量的地震勘探数据,面对海量地震勘探数据的实时回收,传输网络会出现网络拥堵甚至网络断开的情况,因此需要更加高速可靠的传输网络来保证数据传输的实时性和可靠性。如何解决数据量大导致的网络拥堵,并且同时保证数据传输的实时性是目前待解决的核心问题。数据压缩方法可以从数据传输的源头缩减数据量,无需升级传输网络就可以提高传输效率,保证数据传输的实时性。传统的数据压缩方法是对采集后存储的地震数据进行压缩,压缩的过程一般是变换、量化和编码,解压的过程是压缩过程的逆运算。这种压缩方法需要对完整的地震数据进行压缩,耗时长且占用资源多,数据压缩和传输的实时性差。针对传统数据压缩方法面临的问题,本文基于压缩感知(CS)理论,提出了一种基于压缩感知的地震数据压缩方法,该方法能够直接对采集到的地震数据进行压缩,无需对存储后的完整地震数据进行操作,数据压缩的实时性更好。针对压缩感知理论下的地震数据压缩重构方法,本文展开了以下三个方面的研究:稀疏表示方法的选择、测量矩阵的构造和重构算法的设计。首先利用小波变换对地震数据进行稀疏表示,得到稀疏表示系数;然后使用混沌序列构造混沌伯努利测量矩阵,利用该测量矩阵对地震数据稀疏表示系数进行压缩测量,得到测量值;最后将测量值,即压缩数据,实时传输至数据中心进行存储,当需要原始地震数据时,再通过正交匹配追踪(OMP)算法将测量值进行重构恢复。本文选用XILINX公司的XC6SLX45 FPGA芯片对原有的地震仪进行改进并搭建外围电路,提出了基于FPGA的地震数据压缩总体结构。此外,进一步对地震数据载入、数据运算、稀疏表示等子模块进行设计,并通过仿真实验验证各个模块的有效性,从而保证能够在下位机(地震仪)上实现地震数据的稀疏表示和压缩测量过程。通过对10组长度为1000个采样点的不同地震数据进行压缩重构实验,并对实验结果进行分析,结果表明,本文提出的地震数据压缩方法,在不同的压缩比下,重构数据的峰值信噪比在60dB以上,均方根误差在0.12以下,硬件压缩时间约为1.2ms,既在FPGA硬件平台上实现了地震数据压缩算法,又保证了数据压缩的实时性。面对海量的地震勘探数据,使用本文的数据压缩方法在下位机中对采集的地震数据进行压缩,从数据传输的源头缩减数据量,无需优化传输网络就可以改善传输效率,从而解决地震勘探数据传输网络出现网络拥堵甚至网络断开而造成的数据丢失问题,同时,使用正交匹配追踪算法重构出原始地震数据,保证了地震数据的完整性,具有重要的实用意义。

关键词： 压缩感知   微震信号   自适应冗余字典   自适应采样策略  

摘要： 微震是指材料在外界应力作用下,由于内部能量积聚而释放的弹性波或应力波,微震信号是典型的非平稳随机信号,具有突变快、持续时间短等特征。微震信号包含了煤矿中岩石的状态信息,因此实时高效的传输检测微震信号对矿山安全具有重大意义。在采集信号样本时,传统的采样方法要遵循奈奎斯特(Nyquist)采样定理,但是随着社会的发展,人们所需的信息量逐渐增大,携带信息的信号的频率也越来越高,所要求采样的速率和处理速度也不断提高,这就导致传统的采样方法对带宽信号的处理越发困难。传统的对微震信号采集的方式为先采样,后压缩,再传输的方式降低了微震信号的传说的实时性。而近年来备受关注的压缩感知理论很好的解决了这个问题,压缩感知不收采样频率的限制,可以用少量的线性观测值来表示具有稀疏性质的信号,然后利用非线性方法对原始信号进行重构;压缩感知处理信号的方式为边采样边压缩,极大的提高了微震信号的传输实时性。本文在详细介绍压缩感知算法理论的基础上,基于传统的压缩感知算法,提出了基于字典学习的自适应微震数据压缩感知方法,通过自适应采样策略和自适应冗余字典对微震信号进行处理。首先使用时频变换方法在频域上对微震信号进行分析,得出微震信号的能量特征,进而结合微震信号的稀疏度指标提出了自适应采样策略;然后通过FracLab2.2工具箱求取微震信号的分形盒维数指标,得出微震信号的自相似性特征,进而以微震信号段作为训练样本,构造自适应冗余字典;采用基于字典学习的自适应压缩感知算法对微震信号进行压缩观测。通过分析实验结果,验证了此算法在微震压缩观测中的有效性。

关键词： 指令域电控数据   稀疏   压缩感知   降噪   异常标记  

摘要： 在智能制造发展如火如荼的当下,充分把信息技术领域的优秀成果带入制造业意义重大。对于机床加工中产生的大量工业数据,对一般数据的传输、处理技术难以发挥,需要针对数据的来源特性,同时结合数据采集、换算、调控等实际应用特点,进行针对性处理,数控加工中的指令域数据的提出为解决数控加工数据同实际加工情况进行分析作了良好铺垫,电控数据中的电流、电功率信号数据能反映机床的各项状态,从各轴伺服电机上采集到的电流、电功率数据是本文研究的重点。在信号的采集与传输过程中,由于测量误差、随机误差、转换误差等,不可避免的会受到大量无效信号的干扰,对机床电控数据稀疏性研究为数据的压缩、去噪奠定了良好的基础。稀疏作为压缩感知的一部分,数据的稀疏性是压缩感知的前提。将采集得到的信号映射到低维空间,利用目标电信号在稀疏域上具有稀疏性可以重构,噪声在稀疏域上不稀疏不可重构的特点,应用重构算法重构电流信号达到降噪效果。由于工业大数据海量性的特点,寻找其中对于分析有意义的非正常数据增加了难度。本文提出一种在环切及钻孔工况下,同时分析进给轴电机电流和主轴功率对异常数据进行标记的方法。在规范操作加工中,电信号表征的负载波动是平稳或较平稳、有规律的波动,本文提出使用小波分解,过滤重构方法,根据异常数据不符合数据趋势的异常波动进行标记。提出同时对X,Y两轴转矩电流信号和主轴电功率信号进行处理,使得对异常的情况更敏感,标记更有效。最后使用实验进行了降噪和快速标记效果的展示,说明了降噪方法的有效性和异常快速标记方法的合理性。

关键词： 脑电信号   压缩感知   Huffman编码   FPGA  

摘要： 脑电信号作为大脑细胞群的自发性生物电活动,含有大量的人体生理和病理信息。随着微电子,生物医疗,脑机科学等相关领域的快速发展,脑电信号已经广泛应用于脑神经科学,虚拟现实技术,生物反馈治疗仪等领域,特别在癫痫、颅内占位性病变等脑部疾病的临床诊断中具有不可替代的作用。在实践中,往往需要多通道长时间地采集脑电信号,会产生大量的数据。由于传输节点的带宽以及功耗的限制,在保证脑电信号的主要特征不变的前提下,对脑电数据进行压缩,降低设备功耗和满足传输带宽限制,是一项有重要意义的研究工作。近年来提出的压缩感知理论适合前端压缩编码,便于硬件实现,而Huffman编码作为一种无损编码方法,可根据字符出现概率实现最佳编码,能在压缩感知的基础上进一步提高压缩率。本文在压缩感知理论基础上,结合Huffman无损编码方法,开展脑电信号的压缩研究及硬件实现,主要工作有:(1)结合压缩感知和Huffman编码,对脑电数据库进行数据压缩。在重构算法上,以BSBL算法为基础,对比不同稀疏基下的重构误差,验证压缩算法的有效性。并根据压缩算法,提出硬件实现结构。(2)对压缩算法进行硬件实现,一方面,对于压缩感知所需要的压缩感知矩阵采用线性反馈移位寄存器(LFSR)方式产生,减少存储和资源使用。另一方面,针对Hufmman编码所需的统计排序过程,设计了四级流水线实现,减少编码统计周期,加速编码过程。(3)编写testbench对设计进行功能仿真,采用脑电数据库为仿真样本,由于压缩感知矩阵采用的为稀疏二值矩阵,硬件设计的仿真结果与软件仿真一致,没有误差。(4)使用Xilinx的FPGA进行综合实现。结果表明,本文实现的脑电信号压缩模块在150MHz的时钟下,数据处理延时约65μs。重构误差为2%情况下,平均压缩率可达68.4%,较压缩感知方法上提高了18.4%的压缩率。

关键词： 压缩   分布式压缩感知   冗余字典   安全监控数据   联合稀疏  

摘要： 随着物联网技术在煤矿安全监控系统的应用,多种类传感器构建的多种监控系统实现对煤矿井下人员、设备、环境及安全生产信息的监测,产生了大量的煤矿安全监控数据,对服务器的处理和存储带来了极大压力。这些海量数据中含有大量有价值的信息有待被挖掘,如何有效压缩海量数据,减轻服务器的存储压力,是煤矿急需解决的工程应用问题。所以,如何利用有效的数据压缩方法来压缩这些海量数据信息,是本文要研究的重点内容。本文将传统压缩与压缩感知相结合,对煤矿安全监控大数据的压缩方法展开研究,主要研究内容与成果如下:(1)构建煤矿安全监控数据字典。在压缩前先对数据进行预处理,分析了数据的基本数据特征及时间相关性、空间相关性等特征,基于国家标准和企业标准对数据特征做了详细分析及对比,并建立了各自的数据字典。针对煤矿安全监控数据的稀疏化表示,通过对比其他变换基可知,采用KSVD的冗余字典构造方法可充分利用企业煤矿数据特征对煤矿安全监控数据进行稀疏表示,能够更好地应用于煤矿安全监控大量数据的压缩,为后文研究提供了实验基础。(2)提出了一种基于主成分分析的非线性Delta数据压缩算法。针对煤矿安全监控单传感器数据的压缩过程中,非线性Delta误差技术的数据压缩算法存在阈值选取不够精细的问题,本算法根据报警等级/敏感度不同,利用动态软阈值进行自动阈值判别和负反馈跟踪,有效压缩非异常过程数据而保留具有安全隐患特征的敏感数据,克服了Delta的硬阈值问题。实验结果表明该算法具有很好的适应性,为后文的进一步研究奠定了基础。(3)提出了一种煤矿安全监控大数据联合稀疏重构方法。在煤矿安全监控大数据的压缩处理中,分析了应用于多传感器监控数据压缩与重构的分布式压缩感知基本理论框架,并分析了多传感器监控数据之间的联合稀疏性。基于MATLAB仿真平台,引用第三章构造的冗余字典进行特征抽取,选用改进的基于主成分分析的非线性Delta算法压缩后的数据作为实验数据,对煤矿安全监控大量数据进行联合压缩与重构,实验结果表明,能够在实现大压缩比的条件下有效恢复原始数据。

关键词： 压缩感知   漏磁检测   数据压缩   自适应  

摘要： 随着管道漏磁检测技术的快速发展,对腐蚀、裂纹等缺陷数据检测精度的提升需求呈现几何式上升趋势。因此,需要增加传感器的种类与数量,从单一的轴向管道漏磁检测增加到三轴全高清管道漏磁检测,特别是在进行海底管道检测时,单次检测的距离也逐步增加,必然会产生庞大的实时数据存储量。而单次检测过程中,由于管道内检测器的存储结构空间有限,合理的管道漏磁数据压缩方法,既有利于提高压缩率,加快处理速度,又能保留漏磁数据的特征信息,对管道漏磁检测技术的发展至关重要。本文针对管道漏磁数据的稀疏化过程和数据重构过程进行了研究分析。主要从以下几个方面展开研究:第一,针对传统漏磁数据压缩过程,从压缩性能角度出发,分析对比了传统工业数据压缩方法和性能评价指标,总结了传统方法的优势与不足。首先,分析了几种主要压缩方法;其次,归纳了常规的压缩性能指标;最后,评估了这些压缩方法在管道漏磁检测领域的适用程度。第二,针对漏磁数据的稀疏化过程,观测值数量与漏磁数据稀疏性对重构准确率的影响,设计了基于压缩感知的管道漏磁检测数据稀疏化方法。分析了漏磁数据的稀疏性,挑选出适合的稀疏变换基,从而进行压缩感知。通过实验对比由不同观测矩阵进行漏磁数据稀疏化的性能,总结出数据稀疏度和观测值的数量对重构准确率的影响,选出不同类型漏磁数据适用的观测矩阵,最终设计出基于压缩感知的管道漏磁检测数据稀疏化方法。第三,针对压缩性能与数据重构效果之间的矛盾,从漏磁数据自身特征出发,设计了基于自适应压缩感知的漏磁数据压缩方法,增加了压缩量并保证了重构效果。依据管道漏磁数据的特征,对漏磁数据的重要程度进行划分。根据评判后的结果,选择相应的观测矩阵对漏磁数据进行相应重要程度的稀疏化处理和数据重构,最终研究出基于自适应压缩感知的管道漏磁数据压缩方法,在保证漏磁数据重构效果不变的前提下,提高了整体压缩性能。进行了相关实验分析,验证了该方法对径向漏磁数据、带噪声的漏磁数据和海底管道漏磁数据的压缩效果。第四,针对漏磁数据重构过程,提出了基于压缩感知的管道漏磁数据重构方法,实现了较好的重构效果。通过实验分析比较了几种压缩感知数据重构方法的重构性能,将这几种方法应用于经观测矩阵稀疏化后的漏磁数据,进行数据重构,并对重构效果进行了对比分析。最后总结全文,并对需要进一步研究的方向进行了展望。

关键词： 监测站   压缩感知   稀疏字典   数据压缩  

摘要： 森林资源是地球上最重要且具有不可替代性的可再生资源之一,保护森林生态环境的安全是人类文明发展的重要前提,在林区建立微环境监测站是一种保护森林生态环境安全的有效措施。目前在林区部署的微环境监测站存在能源短缺问题,且大多数林区微环境监测站将采集的原始数据直接上传至云服务器中,导致监测站能源消耗较大,在长期运行过程中存在能源供给不足导致数据缺失的问题。因此如何降低监测站数据采集的能耗又能保证监测站数据采集的精度是当前研究中的首要问题,对此本文提出基于压缩感知的林区生态网络数据采集方法,主要研究内容如下:(1)研究了基于固定字典的林区微环境数据采集方法。通过使用最常见的DCT、DFT等固定字典分别对原始数据进行压缩分析,通过比较稀疏化误差、重构误差以及数据压缩比来评价稀疏字典。结果表明,采用DCT字典的数据压缩方法在误差表现上略优于DFT字典,但DFT字典的压缩比远远高于DCT字典。(2)研究了基于学习字典的林区微环境数据采集方法。K-SVD字典通过学习原始数据中固有的特征值,因此可以适应性的稀疏表示原始数据。结果表明,采用K-SVD字典数据压缩方法整体上优于DFT字典,但同时也存在少部分样本更适合采用DFT字典。(3)提出了基于切换字典的林区微环境数据采集方法。根据原始数据结构表征不同,采用函数拟合的方法对数据进行分类,并提出切换因子的概念,将不同类型的数据分别采用最适合的字典进行压缩重构。结果表明,在林区微环境监测站中采用切换字典的数据压缩方法比单一字典具有更小的重构误差和更高的压缩比。

关键词： 压缩感知   异步电动机   奇异值分解   观测矩阵  

摘要： 为提高异步电动机故障诊断过程中所采集状态信息的传输效率及诊断结果的可靠性,提出了一种采用奇异值分解的压缩感知优化方法.该方法首先对测量矩阵进行奇异值分解,然后将优化后的测量矩阵和测量向量用于压缩感知贪婪类迭代算法中,再通过精确的夹角余弦法筛选出与残差最为匹配的候选集原子,并将此原子用于稀疏信号的重构,最后得到估计的故障诊断数据信号.仿真结果表明:在相同的信号稀疏度或测量数目下,提出的优化算法相比传统的压缩感知算法能极大提高远程故障诊断数据信号的重构精度,这对实际工程中后期故障的有效去除具有重要意义.

关键词： 分布式压缩感知   数据压缩   微震信号   重构算法   稀疏性  

摘要： 针对分布式微震监测环境下微震数据量大的问题,引入分布式压缩感知理论对微震数据进行压缩以减小数据传输量.首先分析微震信号的稀疏性,其次模拟分布式场景,分析了分布式微震传感器节点的空间相关性及其编码与压缩处理过程.基于广义正交匹配追踪算法及稀疏度自适应匹配追踪算法,提出了一种改进的分布式稀疏度自适应正交匹配追踪重构算法,并分析了改进算法的性能.基于MATLAB仿真平台,用改进的算法重构稀疏测量后的分布式微震信号,仿真结果表明:改进后的算法在数据量减少了将近7/10时,依然可以快速精确的重构出原始微震信号.