买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于字典学习和稀疏表示的欠采样信号高分辨率重构方法_昆明理工大学_202010298154.9 

申请/专利权人:昆明理工大学

申请日:2020-04-16

公开(公告)日:2022-09-23

公开(公告)号:CN111582048B

主分类号:G06K9/00

分类号:G06K9/00;G06K9/62;G01R31/34

优先权:

专利状态码:有效-授权

法律状态:2022.09.23#授权;2020.09.18#实质审查的生效;2020.08.25#公开

摘要:本发明涉及基于字典学习和稀疏表示的欠采样信号高分辨率重构方法,解决了欠采样信号中高频成分丢失及信号采集过程中受外界环境影响等问题,该方法主要包含训练和测试重构两个阶段。前者主要通过稀疏表示模型对大量训练数据进行字典训练,建立包含高低分辨率信号特征信息的字典对,后者使用字典对和稀疏编码对低分辨率信号完成信号重建过程。本发明为最大程度获得低分辨率信号的特征信息、优化字典训练的可靠性,对低分辨率信号进行离散小波变换作为信号的预处理方法。作为本发明提出的方法易于实现、运行时间短、重构效率高,利用稀疏表示的相似性不仅减少了低采样率信号对重构效果的影响,也成功估计出欠采样信号中丢失的频率成分。

主权项:1.基于字典学习和稀疏表示的欠采样电机电流信号高分辨率重构方法,其特征在于:所述方法的具体步骤如下:步骤一:提取训练样本集数据段:对原始高、低分辨率电机电流信号样本集进行预处理,对高分辨率电机电流信号去除低分辨率电机电流信号,对低分辨率电机电流信号进行滤波处理,分别在高、低分辨率电机电流信号中相对应的位置上提取各自的数据段,构成数据集;步骤二:低分辨率训练电机电流信号降维:为减少后续训练及重构阶段的计算量,对滤波后得到的低分辨率电机电流信号进行降维处理;步骤三:字典学习:将降维得到的低分辨率电机电流信号作为字典训练的输入,通过训练过程,得到稀疏表示系数和低分辨率字典Dl,依据稀疏表示的相似性得到高分辨率字典Dh;步骤四:提取测试样本集数据段:对输入给定欠采样电机电流信号中低分辨率电机电流信号进行滤波处理,并在指定位置提取数据段;步骤五:低分辨率测试电机电流信号降维:对测试样本提取的数据段进行特征降维处理,以减少稀疏编码过程的计算量;步骤六:对降维数据段进行稀疏编码,得到稀疏表示向量,并将稀疏表示向量构成的矩阵和训练得到的高分辨率字典Dh相乘,计算得到逼近的欠采样电机电流信号的高分辨率重构结果;步骤七:重构结果:将上述重构的数据段放到正确的位置,再对重叠部分求均值,最后加上输入的欠采样电机电流信号。

全文数据:

权利要求:

百度查询: 昆明理工大学 基于字典学习和稀疏表示的欠采样信号高分辨率重构方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术