在结构健康监测中用于无线信号传输的分布式压缩传感:一种基于贝叶斯模型的自适应性等级贝叶斯模型方法

科学领域:

• 工程 工程师 工程师 工程师
• 信号处理 信号处理
• 计算机科学 计算机科学

背景情况:

• 结构健康监测 (SHM) 中的无线传感器网络面临信号传输损失和高数据成本的挑战.
• 压缩传感 (CS) 提供了一个解决方案,通过从更少的测量中重建信号,利用频域稀疏性.
• 分布式压缩传感 (DCS) 通过利用相关性进一步改善了多通道信号恢复.

研究的目的:

• 开发一个全面的DCS框架用于无线信号传输在SHM,解决数据压缩和传输损失.
• 通过利用通道间的相关性,提高信号重建质量,同时保持单通道的灵活性.
• 引入一种新的算法,用于在SHM中高效,大规模的信号重建.

主要方法:

• 为SHM无线信号传输构建了一个全面的DCS框架.
• 一个带有拉普拉斯先验的等级贝叶斯模型被开发出来,以促进信号稀疏性.
• 该模型作为重建任务的快速代DCS-Laplace算法来实现.
• 现实生活中的SHM振动信号 (位移,加速) 用于模拟和测试.

主要成果:

• 通过调整惩罚条款,DCS-Laplace算法证明了适应不同信号稀疏性的适应性.
• 与标准的CS方法相比,DCS方法显著提高了多通道信号重建质量.
• 拉普拉斯方法在重建性能和适用性方面优于正交匹配追求 (OMP) 方法.

结论:

• 拟议的DCS框架有效地管理了SHM无线系统中的数据压缩和传输损失.
• DCS-Laplace是一个强大的,适应性的算法,适合大规模的SHM重建任务.
• 拉普拉斯方法是SHM无线信号传输在OMP的优越选择,因为性能和适用性更好.