[发明专利]一种用于模态参数识别的信号降噪方法

权利要求书

1.一种用于模态参数识别的信号降噪方法，其特征是：

步骤一：利用传感器实测的结构脉冲响应信号构建Hankel矩阵；

步骤二：求取Hankel矩阵的秩，根据Hankel矩阵的秩求得定阶指标，利用定阶指标确定模型阶次；

步骤三：利用定阶指标和结构低秩逼近对Hankel矩阵进行处理，得到低秩逼近后的重构矩阵；

步骤四：重复步骤二和步骤三直至满足收敛标准，从而得到降噪信号；

步骤五：利用所述降噪信号进行模态参数识别；

步骤二中，采用奇异值分解的方式求取Hankel矩阵的秩；

步骤三中，获取重构矩阵的方式为：

设Hankel矩阵Hm×n，模型阶次为k，l为含噪信号数据点，重构矩阵为Hp×(k+q),其中p+k+q-1＝l，q＝1,2,…,n-k；重构矩阵Hp×(k+q)的第一列为l个含噪信号数据点中的前p个，重构矩阵的最后一行为l个数据点中的后k+q个；

步骤三中，结构低秩逼近方式为：q初始值为1，将重构矩阵的定阶指标按照降序排列，比较定阶指标的最大值和次大值，若最大值大于等于K倍的次大值，则结构低秩逼近结束，获取低秩逼近后的重构矩阵，否则，q＝q+Δt,其中Δt∈N*，对Hankel矩阵进行重构，直至满足上述条件，其中，K≥4,K∈Z。

2.如权利要求1所述的一种用于模态参数识别的信号降噪方法，其特征是，步骤一中，所述结构脉冲响应信号为加速度，或速度，或位移。

3.如权利要求1所述的一种用于模态参数识别的信号降噪方法，其特征是，步骤三中，K＝4，Δt＝1。

4.如权利要求1或3所述的一种用于模态参数识别的信号降噪方法，其特征是，步骤四中，收敛标准为：

对重构矩阵为Hp×(k+q)进行奇异值分解并对奇异值进行降序排列，奇异值表示为λi(i＝1,2,…,k+q),λ1＞λ2＞λ3…＞λk+q，收敛标准满足第k+1个奇异值与第1个奇异值比值趋近于零。

5.如权利要求4所述的一种用于模态参数识别的信号降噪方法，其特征是，步骤四中收敛标准函数表达式为：

6.如权利要求1或3所述的一种用于模态参数识别的信号降噪方法，其特征是，步骤四中，对重构矩阵Hp×(k+q)进行奇异值分解并对奇异值进行降序排列，奇异值表示为λi(i＝1,2,…,k+q),其中λ1＞λ2＞λ3…＞λk+q，收敛标准为第k+1个奇异值趋近于0。

7.如权利要求1所述的一种用于模态参数识别的信号降噪方法，其特征是，步骤五中模态参数识别方法为复指数法。