针对振动信号长期连续监测存在的数据存储量过大,造成资源浪费的问题,对机械振动信号的压缩方法进行了实验研究,其中振动位移信号来自于现场使用的离心压缩机机组。将三种典型的最优稀疏表达方法基于框架的方法(MOF),匹配追踪(MP)和基追踪(BP)作为压缩算法对振动信号进行分析。同时,将压缩比(CR),均方差(MSE),能量保留百分比(ER)和频谱相似度(COR)作为衡量指标来比较以上压缩算法压缩性能。结果表明匹配追踪(MP)稀疏表达优于其它两种方法,能够用来压缩振动信号,而不会丢失过多信息。

为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。

超声检测中回波信号的噪声抑制对于正确分析材料的内部属性至关重要。匹配追踪方法把信号表示成与其结构匹配波形（原子）的线性展开。它能够自适应提取和原子相关的信号结构。从而实现了噪声抑制。超声信号处理中，根据回波特点，采用与其结构相似的Gabor原子。能够有效匹配超声信号中的回波信息。分别对不同信噪比下的仿真信号和试验信号用Gabor原子库进行匹配追踪方法去噪处理。并和小波去噪效果进行了比较。试验结果表明。利用该方法进行超声信号去噪处理能取得比小波去噪更好的效果。

针对数据驱动时频分析方法(Data-Driven Time-Frequency Analysis,DDTFA)的初始相位函数估计直接影响算法的收敛性及分解精度的问题,将多尺度线调频基稀疏分解方法(Multi-Scale Chirplet Sparse Decomposition,MSCSD)引人DDTFA的初始相位函数估计中,提出了MSCSD-DDTFA方法,并应用于变转速齿轮故障诊断中。MSCSD方法采用分段线性拟合的思想,可从低信噪比信号中精确地估计出信号的瞬时频率,进而求取相位函数;DDTFA方法则可根据MSCSD估计的相位函数不失真地分离出时变非平稳信号分量;最后,可根据MSCSD估计出的瞬时频率对信号分量进行阶次包络分析,获取阶次包络谱以诊断变转速齿轮故障。算法仿真和应用实例表明该方法可准确分离出信号中的时变非平稳信号分量,并提取变转速齿轮故障特征。