信号稀疏分解及其在路面轮廓信号处理中的应用研究

信号稀疏分解及其在路面轮廓信号处理中的应用研究

论文摘要

路面轮廓病害的检测属于路面检测的一个重要组成部分。本文项目背景是黑龙江省科技厅重点项目《多功能公路路面检测技术及装备研究》。作为项目的一个分支,本课题的目的是在分析现有路面病害检测技术的基础上,运用现代先进的信号处理方法对采集到的路面轮廓信号进行处理,实现路面轮廓、病害特征和噪声的分离,给出路面的病害参数,方便下一步的数据处理。信号稀疏分解作为一种新兴的信号分析与处理方法,具有许多优良的特性。目前已有许多学者将它应用于不同的领域,并取得了很好的效果。本文目的是将信号稀疏分解应用于路面轮廓病害检测领域,研究基于稀疏分解理论的路面轮廓病害检测方法。本文首先对公路路面病害自动检测的发展及研究现状做了分析,指出其中存在的问题和不足,接着论述了本文的理论基础和实际数据基础。作为理论基础,本文从数学角度描述了信号稀疏分解的基本思想,分析了其特点、发展趋势以及在信号处理领域的应用,并与传统的信号正交分解方法对比;作为实际模型依据,研究公路路面轮廓信号特征及几种典型病害的特点、成因,建立了相应的病害特征模型以便于过完备原子库的建立。最后,提出一种基于信号稀疏分解的公路路面轮廓病害特征检测方法,第一次将信号稀疏分解引入到公路路面轮廓信号处理中。根据建立的路面病害特征模型,提出利用路面病害特征作为过完备原子库来分解信号,并结合匹配追踪算法实现了路面病害特征的分离,试验结果表明,该方法比传统的信号分解方法更有效,提取的结果有更为明确的物理意义。实验结果表明本文方法在公路路面病害特征检测中是有效、可行的,可以为公路的评价提供依据,对公路后期的养护和管理具有重要意义。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题来源及研究的目的和意义
  • 1.1.1 课题来源
  • 1.1.2 研究的目的和意义
  • 1.2 公路路面病害自动检测国内外研究发展现状
  • 1.2.1 国外研究现状及发展状况
  • 1.2.2 国内研究现状及发展状况
  • 1.3 本文的主要工作
  • 1.4 本文的章节安排
  • 第2章 基于过完备字典的信号稀疏分解
  • 2.1 信号表示
  • 2.2 基于正交基的的信号分解
  • 2.2.1 傅里叶变换
  • 2.2.2 短时傅里叶变换
  • 2.2.3 小波变换
  • 2.2.4 传统完备基展开的缺陷
  • 2.3 信号稀疏分解
  • 2.3.1 信号稀疏分解的定义
  • 2.3.2 过完备原子库
  • 2.4 信号稀疏分解在信号处理领域的应用
  • 2.5 本章小结
  • 第3章 轮廓获取系统概述及病害特征研究
  • 3.1 路面轮廓采集系统
  • 3.1.1 系统结构
  • 3.1.2 路面轮廓信号提取
  • 3.2 路面各种病害的模型及描述
  • 3.2.1 裂缝模型
  • 3.2.2 坑洼模型
  • 3.2.3 突起模型
  • 3.2.4 车辙模型
  • 3.3 路面轮廓信号特征分析
  • 3.4 仿真实验结果
  • 3.5 本章小结
  • 第4章 基于稀疏分解的路面病害特征提取
  • 4.1 引言
  • 4.2 字典的建立
  • 4.2.1 Gabor原子库
  • 4.2.2 基于实际病害模型的原子库
  • 4.3 自适应分解算法
  • 4.3.1 匹配追踪算法
  • 4.3.2 算法实现及其特点
  • 4.4 本章小结
  • 第5章 仿真数据和实际路面实验数据分析
  • 5.1 仿真实验
  • 5.2 实际路面实验结果与分析
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 攻读学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].改进人工鱼群的超声调制光学信号稀疏分解[J]. 激光杂志 2016(12)
    • [2].基于互相关运算的信号稀疏分解算法研究[J]. 教育教学论坛 2015(24)
    • [3].基于模拟退火的信号稀疏分解研究[J]. 通信技术 2008(11)
    • [4].一种基于互相关运算信号稀疏分解的快速算法[J]. 软件导刊 2011(07)
    • [5].利用禁忌遗传和原子特性实现信号稀疏分解[J]. 计算机工程与应用 2009(11)
    • [6].基于追踪算法的信号稀疏分解方法[J]. 电声技术 2014(06)
    • [7].基于信号稀疏分解的水下回波分类[J]. 声学学报 2010(06)
    • [8].一种冗余字典下的信号稀疏分解新方法[J]. 西安电子科技大学学报 2008(02)
    • [9].地震信号稀疏分解的快速方法[J]. 地球物理学进展 2014(01)
    • [10].基于振动信号稀疏分解的粮仓通风机轴承故障诊断方法[J]. 中国粮油学报 2019(S2)
    • [11].基于位置参数二分法控制的信号稀疏分解[J]. 空军工程大学学报(自然科学版) 2013(05)
    • [12].基于过完备结构字典的跳频信号稀疏分解[J]. 通信技术 2014(05)
    • [13].基于人工鱼群和MP算法的信号稀疏分解[J]. 牡丹江大学学报 2011(09)
    • [14].信号稀疏分解理论在轴承故障检测中的应用[J]. 国防科技大学学报 2016(03)
    • [15].采用改进人工蜂群算法实现基于MP的信号稀疏分解[J]. 自动化技术与应用 2016(05)
    • [16].水下目标回波的块信号稀疏分解方法[J]. 声学技术 2015(05)
    • [17].基于信号稀疏分解的毫米波主动探测[J]. 信息化研究 2012(03)
    • [18].基于MPI并行计算的信号稀疏分解[J]. 计算机工程 2008(12)
    • [19].语音信号稀疏分解的FOA实现[J]. 计算机工程与应用 2013(10)
    • [20].基于FHT的实信号稀疏分解快速算法[J]. 西南交通大学学报 2009(01)
    • [21].基于MP算法的语音信号稀疏分解[J]. 计算机工程与应用 2009(05)
    • [22].利用混沌优化实现基于MP的信号稀疏分解[J]. 铁道学报 2009(05)
    • [23].基于量子进化的信号稀疏分解方法[J]. 量子电子学报 2019(04)
    • [24].基于双字典集的信号稀疏分解算法[J]. 计算机应用 2012(09)
    • [25].粒子群优化在心电信号稀疏分解中的应用[J]. 计算机工程与设计 2008(16)
    • [26].基于信号稀疏分解的局放超声阵列定位法研究[J]. 仪器仪表学报 2015(06)
    • [27].基于GA的心电信号稀疏分解MP算法改进[J]. 计算机工程 2013(09)
    • [28].基于GA和MP的信号稀疏分解算法的改进[J]. 计算机工程与应用 2008(29)
    • [29].基于PSO和LM的信号稀疏分解快速算法[J]. 激光与红外 2012(02)
    • [30].基于GA和过完备原子库划分的MP信号稀疏分解算法[J]. 科学技术与工程 2008(04)

    标签:;  ;  ;  ;  

    信号稀疏分解及其在路面轮廓信号处理中的应用研究
    下载Doc文档

    猜你喜欢