[发明专利]一种高频信号压缩方法

说明书

本发明公开了一种高频信号压缩方法，所述方法包括如下步骤：步骤1)利用传感器获得高频信号；步骤2)将高频振动信号进行VMD分解，得到各个子信号和残差信号；步骤3)对残差信号按照位进行重新排列，即：把16个连续的残差数据排成一张表，每个残差数据16位占一行，16个数据共16行，然后把该表转置；步骤4)对步骤3)得到的转置位表先进行RLE压缩，再把压缩结果通过LZW进一步压缩。本发明能够解决高频数据存储占用大量存储空间和传输时间的问题，可以在高频数据存储和传输中应用。

技术领域

本发明属于数据压缩领域，涉及一种利用高频信号进行无损数据压缩的方法。

背景技术

为了保证各种设备系统的正常运行，基于数据驱动的实时检测方法得到广泛应用。各种设备系统日趋复杂，复杂性、综合化、智能化程度不断提高，基于传感器对设备的状态进行监测，判断设备的健康状态已经成为必须的手段方法。设备中的振动监测等信号是高频信号，在设备监控时，需要保存和分析大量的传感器数据。

高频数据采集单元在全天候不间断监测过程中将产生巨大的数据量，给数据存储和传输带来了严峻挑战。随着应用需求的提高和系统性能指标的不断增加，单位时间内采集的数据点数及数据量也会成倍地增加。数据压缩作为一种有效解决方案，可以改善高频传感器数据由于数据量大引起的存储和传输困难问题。

传统的傅立叶变换方法是一种对采样的数值进行数据压缩的方法，其幅值、频率和相角的结果数据会减少。小波变换也可以用于数据压缩，其中包括直接压缩的方法、参考值求差后的压缩方法以及LZ77算法结合的无损与有损混合方法等。压缩感知方法也是一类有效的压缩方法，但是其稀疏基大多是基于傅立叶变换或者小波的。这些方法的主要缺点是实时性较差和数据有损，尤其是高频信息损失严重。对于柴油机的高频信号来说，高频损失对于系统的异常检测和预警来说会带来不利影响。

传感器信号可以被分解成多个简单信号的叠加，在时域上看起来特别复杂的信号在频域上可能会展示出极为简单的分布，而这种简单的信号显然更利于进行数据的编码。信号分解最常用的方法是傅立叶变换，但傅立叶变换的局限性在于它对非平稳的信号很难进行分离。小波变换可以用来分解非平稳信号，但其分解性能很大程度上依赖于对于母小波的选择。经验模态分解(Empirical Mode Decomposition,EMD)有利于消除子序列间的相互影响，缺点是会频繁出现模态混叠，容易造成模态函数的模糊性。而变分模态分解(Variational Mode Decomposition，VMD)可以人为设定分解的模态数量，缓解模态混叠问题。

发明内容

为了克服高频传感器数据量大引起的存储和传输困难的问题，本发明提供了一种高频信号压缩方法。该方法针对高频传感器得到的振动信号，基于变分模态分解以及行程编码和伦佩尔-日杰夫-韦尔奇(Lempel-Ziv-Welch，LZW)编码设计一种无损数据压缩方案，利用该方法进行高频数据压缩，减小存储空间，提高传输速率。

本发明的目的是通过以下技术方案实现的：

一种高频信号压缩方法，包括如下步骤：

步骤1)利用传感器获得高频信号；

步骤2)将高频振动信号进行VMD分解，得到各个子信号和残差信号；

步骤3)对残差信号按照位进行重新排列，即：把16个连续的残差数据排成一张表，每个残差数据16位占一行，16个数据共16行，然后把该表转置；

步骤4)对步骤3)得到的转置位表先进行RLE压缩，再把压缩结果通过LZW进一步压缩。

相比于现有技术，本发明具有如下优点：