043]
[0044] 其中，K一一段内次要谱线数;A,-一段内次要谱线幅值；4L一一段内K条次要 谱线幅值的均值；n-一次要谱线数和重要谱线数之和；心一一次要谱线或者重要谱线的幅 值。
[0045] 本发明中相近度的计算公式利用段内次要谱线幅值与段内次要谱线幅值均值之 差来反映压缩前后次要谱线相差的程度，进而得到相近度。
[0046] 复杂度是描述算法运算量的指标，无线传感器要求低功耗以延长使用寿命，所以 对数据压缩算法的复杂度有严格要求。常见的算法复杂度有：常数阶0(1)、线性阶〇(n)、对 数阶〇(lgn)、线性对数阶0(nlgn)、平方阶0(n2)、立方阶0(n3)和指数阶0(2n)。本发明采 用的复杂度是平方阶〇(n2)和线性对数阶0(nlgn)。
[0047] 理想的压缩效果要求具有高的相近度和低的压缩比，但是低的压缩比意味着低的 相近度，高的相近度意味着高的压缩比，因此本发明针对压缩比和相近度的不同应用要求 分别提出了基于确定压缩比的频谱压缩算法和基于确定相近度的频谱压缩算法。
[0048] 所述基于确定压缩比的频谱压缩算法的具体步骤如下：
[0049] 1)根据预设的噪声谱线阈值去除噪声谱线；
[0050] 2)剩余的谱线中搜索峰值谱线，对峰值谱线进行从大到小排序；
[0051] 3)取前M条峰值谱线作为重要谱线无损保留其幅值和位置；
[0052] 4)剩余的峰值谱线分为P段，分段计算出最大值、最小值、中值和相近度。
[0053] 所述基于确定相近度的频谱压缩算法的具体步骤如下：
[0054]1)根据预设的噪声谱线阈值去除噪声谱线；
[0055]2)剩余的谱线中搜索峰值谱线，对峰值谱线进行从大到小排序；
[0056]3)取前M条峰值谱线作为重要谱线无损保留其幅值和位置；
[0057] 4)剩余的峰值谱线分为P段，分段计算出最大值、最小值、中值和相近度；
[0058]5)如果相近度不能达到要求，则增加重要谱线数返回第3)步继续计算。
[0059] 基于确定压缩比的频谱压缩算法的复杂度主要来自对峰值谱线进行从大到小排 序，采用复杂度最小的归并排序可以达到〇(nlgn)的复杂度。
[0060] 基于确定相近度的频谱压缩算法的复杂度主要来自增加重要谱线以提高相近度 的迭代过程，其复杂度为〇(n2)。
[0061] 因此上述两种算法复杂度较低，并且算法中主要采用了加减、比较大小等简单的 运算，进一步减少了运算量。
[0062] 应用实例
[0063] 参见图1，本发明中频谱分段的段数由诊断工程师根据具体应用给定，例如对于机 栗轴类的诊断，当转速为1500r/min时频谱可以分为4段：轴类、轴类低频段、轴类中频段和 轴类高频段。总谱线数N为800。
[0064] 参见图2,首先根据噪声谱线阈值去掉噪声谱线，然后在剩余的谱线中搜索峰值谱 线，对峰值谱线进行从大到小排序，取前M条峰值谱线作为重要谱线无损保留其幅值和位 置，剩余的峰值谱线分为P段，分段计算出最大值、最小值、中值和相近度。
[0065] 参见图3,首先根据噪声谱线阈值去掉噪声谱线，然后在剩余的谱线中搜索峰值谱 线，对峰值谱线进行从大到小排序，取前M条峰值谱线作为重要谱线无损保留其幅值和位 置，剩余的峰值谱线分为P段，分段计算出最大值、最小值、中值和相近度。如果当前各段相 近度均达到预设的相近度要求，则停止计算；否则增加重要谱线数并继续计算相近度，直到 满足相近度要求。
[0066] 参见图4,分段数为4段，重要谱线数从0增加到20,从图4中可以看出各段相近 度随重要谱线数的增加而单调增加（非严格单调增加）。因此通过增加重要谱线数可以提 高分段压缩频谱的相近度。
[0067]为了验证基于确定压缩比的频谱压缩算法的有效性和适用场景所进行的实验，得 到的结果参见图5。通过设定重要谱线数为5,分段数为4 (根据频率均分，即0~200Hz， 201~400Hz，401~600Hz，601~800Hz，）得到压缩前后的频谱对比情况（压缩比对应为 3. 5%，满足压缩比的要求）；各段相近度分别为67. 6%，85. 0%，97. 6%和94. 1%。第一段 相近度较低，因此基于确定压缩比的频谱压缩算法适用于对压缩比有严格要求的应用。
[0068]为了验证基于确定相近度的频谱压缩算法的有效性和适用场景所进行的实验，得 到的结果参见图6。设定要求各段相近度达到80%以上，分段数为4并通过不断增加重要 谱线数来提高分段相近度。当重要谱线数为18条时各段相近度为80. 2%，88. 7%，97. 6% 和94. 1 %，满足相近度的要求，但是压缩比为6. 7 %，不满足压缩比的要求，当重要谱线数 为11条时，压缩比为4. 9 %，满足压缩比小于5 %的要求，但是各段相近度分别为：74. 6 %， 87. 5 %，97. 6 %，94. 1 %。当重要谱线数为12条时，压缩比为5. 2 %，不满足压缩比小于5 % 的要求。因此基于确定相近度的频谱压缩算法适用于对相近度有严格要求的应用。
【主权项】
1. 一种基于谱线重要度的频谱压缩方法，其特征在于：包括以下步骤：将频谱中的谱 线根据重要性分为重要谱线、次要谱线和噪声谱线；对于重要谱线，无损的保留所有重要谱 线的幅值及位置信息；对于次要谱线，仅保留将次要谱线分段后统计得到的各段内次要谱 线的幅值的最大值、最小值和中值；对于噪声谱线，则全部舍弃。2. 根据权利要求1所述一种基于谱线重要度的频谱压缩方法，其特征在于：谱线的重 要性由谱线的幅值决定，重要谱线是频谱中幅值较高的谱线，包含了转频及各故障特征频 率，次要谱线是除去重要谱线和噪声谱线后的谱线，这部分谱线幅值较低。3. 根据权利要求1所述一种基于谱线重要度的频谱压缩方法，其特征在于：当压缩比 确定时，所述压缩方法具体包括以下步骤： 根据预设的噪声谱线阈值去除噪声谱线；在剩余的谱线中搜索峰值谱线；对峰值谱线 根据幅值进行从大到小排序，取排序后的前M条峰值谱线作为重要谱线并无损的保留全部 重要谱线的幅值和位置信息，将剩余的峰值谱线作为次要谱线并分为P段，且仅保留每段 内次要谱线的幅值的最大值、最小值以及中值。4. 根据权利要求3所述一种基于谱线重要度的频谱压缩方法，其特征在于：所述压缩 比的计筧公式为：其中，CRatio表示压缩比，P表示分段数；M表示重要谱线数；N表示频谱中的总谱线 数。5. 根据权利要求1所述一种基于谱线重要度的频谱压缩方法，其特征在于：当相近度 确定时，所述压缩方法具体包括以下步骤： 根据预设的噪声谱线阈值去除噪声谱线，在剩余的谱线中搜索峰值谱线；对峰值谱线 根据幅值进行从大到小排序，取排序后的前M条峰值谱线作为重要谱线并无损的保留全部 重要谱线的幅值和位置信息，将剩余的峰值谱线作为次要谱线并分为P段，计算出每段内 次要谱线的幅值的最大值、最小值以及中值；如果P段次要谱线各自的相近度不能达到要 求，则增加需要保留幅值和位置信息的重要谱线数，直至P段次要谱线各自的相近度达到 要求，然后保留每段内次要谱线的幅值的最大值、最小值以及中值。6. 根据权利要求5所述一种基于谱线重要度的频谱压缩方法，其特征在于：所述相近 度的计算公式为：其中，S为相近度，K为段内次要谱线数；段内次要谱线幅值；为段内K条次要 谱线幅值的均值；n为次要谱线数和重要谱线数之和；心为次要谱线或者重要谱线的幅值。
【专利摘要】本发明公开了一种基于谱线重要度的频谱压缩方法，属于机械状态监测领域。由于传统的无线传感器网络数据压缩算法运算复杂且压缩比不够低，所以本发明提出一种基于谱线重要度的频谱压缩方法。将频谱中的谱线根据重要性分为重要谱线、次要谱线和噪声谱线；对于重要谱线，无损的保留所有重要谱线的幅值及位置信息；对于次要谱线，仅保留将次要谱线分段后统计得到的各段内次要谱线的幅值的最大值、最小值和中值；对于噪声谱线，则全部舍弃。该方法在满足低压缩比或高相近度的同时具备较低的运算复杂度，大大提高了频谱数据传输效率，降低了功耗，适于嵌入式无线振动传感器应用，具有重要的经济意义和广泛的工程应用价值。
【IPC分类】G01H17/00
【公开号】CN105021274
【申请号】CN201510375336
【发明人】侯成刚, 邱也
【申请人】西安交通大学
【公开日】2015年11月4日
【申请日】2015年6月30日