当前位置：文档之家 › 基于包络分析的空测数据压缩传输

基于包络分析的空测数据压缩传输

  • 格式：pdf
  • 大小：234.11 KB
  • 文档页数：3

计测技术理论与实践・１７・皇于包络分析前空测数据压缩传输 李仕云，吴亚锋，王婷（西北工业大学动力与能源学院。陕西西安７１００７２）

摘要：针对目前遥测设备的通讯能力有限，不能满足地面实时观测的实际问题，本文提出将包络分析应用于飞机飞行试验数据的压缩传输，该方法为空测数据的实时传输提供了一条有效的解决途径。首先通过对空测数据的极值提取、插值及拟合处理获取其包络线，然后求取包络的频谱，再根据采样定理确定其重新采样频率，即可在保证试验数据基本特征和变化规律的前提下，实现数据传输量的减少。通过对一组实际空测振动数据的处理分析，验证了该方法的有效性。 关键词：空测数据处理；包络分析；数据压缩 中图分类号：Ｖ２４７．５文献标识码：Ａ文章编号：１００２一６０６１（２００７）０４一００１７一０３

ＴｅｌｅｍｅｔｒｙＤａｔａＣｏｍＰｒｅｓｓｉｏｎａｎｄＴｒａｎｓｍｉｓｓｉｏｎＢａｓｅｄｏｎＥｎｖｅＩｏＰｅＡｎａｌｙｓｉｓ１一ＩＳｈｉ一ｙｕｎ，ＷＵＹａ一ｆｅｎｇ，ＷＡＮＧＴｉｎｇ（ＥｎｇｉｎｅａｎｄＥｎｅｒｇｙＣｏｌｌｅ只ｅｏｆＮｏｒｔｈｗｃｓｔＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｌｖｅｒｓｉｔｙ，Ｘｉ，ａｎ７１００７２，（‘ｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＦｏｒｔｈｅＰｒｏｂｌｅｍｏｆｔｅｌｅｍｅｔｒｙｃｏｍｍｕｎｉｃａｔｉｏｎｃａｎｎｏｔｍｅｅｔｔｈｅｄｅｍａｎｄｏｆｔｈｅｒｅａＩ一ｔｉｍｅｏｂｓｅｒｖｉｎｇｏｎｔｈｅｇｒｏｕｒｉｄ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｍｅｔｈｏｄｗｈｉｃｈａｐｐｌｉｅｄｔｈｅｅｎｖｅｌｏｐｅａｒｉａｌｙｓｉ、ｔｏｄａｔａｃｏｍｐｒｅｓｓｉｏｎａｎｄｔｒａｎ、ｍｉｓｓｉｏｎｏｆｆｌｉｇｈｔｔｅｓｔｓ，ｉｔｐｒｏｖｉｄｅｓａｎｅｆｆｅｃｔｉｖｅｗａｙｆｏｒｔｈｅｒｅａ１一ｔｉｍｅｔｒａｎｓｍｉｓｓｉｏｎｏｆｔｅｌｅｍｅｔｒｙｄａｔａ．Ｆｉｒｓｔ，ｂｙｐｉｃｋｉｎｇｕｐｔｈｅｅｘｔｒｅｍｅｐｏｉｎｔｓ，ｉｒｉｔｅｒｐｏｌａｔｉｒｉｇａｎｄｆｉｔｔｉｎｇ，ｔｈｅｅｎｖｅｌｏｐｅｏｆｔｈｅｔｅｌｅｍｅｔｒｙｄａｔａｉｓａｃｑｕｉｒｅｄ．Ａｎｄｔｈｅｎｔｈｅｓｐｅｃｔｒｕｍｏｆｔｈｅｅｎｖｅｌｏｐｅｉｓｃａｌｃｕｌａｔｅｄａｎｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｓａｍｐｌｉｎｇｔｈｅｏｒｅｍ，ｔｈｅｒｅ一ｓａｍｐｌｉｎｇｆｒｅ（ｌｕｅｎｃｙｉｓｄｅｃｉｄｅｄ，ｗｈｉｃｈｃｏｕｌｄａｃｈｉｅｖｅｔｈｅｒｅｄｕｃｔｉｏｎｏｆｄａｔａｔｒａｎｓｍｉｓｓｉｏｎｏｎｔｈｅｐｒｅｍｉｓｅｏｆｍａｉｒｉｔａｉｎｉｎｇｔｈｅｂａｓｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃａｒｉｄｃｈａｎｇｅｒｕｌｅｏｆｔｈｅｄａｔａ．Ｉｎｔｈｅｅｎｄ，ｔｈｒｏｕｇｈｐｒｏｃｅｓｓｉｎｇａｎｄａｎａｌｙｚｉｎｇａｇｒｏｕｐｏｆａｃｔｕａｌｔｅｌｅｍｅｔｒｙｖｉｂｒａｔｉｏｎａｌｄａｔａ，ｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｍｅｔｈｏｄｗａｓｔｅｓｔｉｆｉｅｄ． Ｋｅｙｗｏｒｄｓ：ｔｅｌｅｍｅｔｒｙｄａｔａｐｒｏｃｅｓｓｉｎｇ；ｅｎｖｅｌｏｐｅａｎａｌｙｓｉｓ；ｄａｔａｃｏｍｐｒｅｓｓｉｏｎ

０引言 飞行试验是飞机设计、检验和定型过程中的必要技术手段之一。在飞行试验中，为了全面了解飞机系统在运行中的机械性能，大量的振动试验数据被测量和纪录，它们直接或间接地反映了飞机的实际性能指标。由于飞机结构的复杂性，通常几十路振动传感器被放置于不同测量位置，这些振动信号被以较高的采样速率（十几ｋＨｚ）转换成数字信号，并以ＰＣＭ格式纪录于机载固态存储设备，以备试验后的详细处理、分析。与

收稿日期：２００７一０４一１２作者简介：李仕云（１９８２一），女，河北衡水人。硕士研究生．研究方向为遥测数据处理、语音信号处理；昊亚锋（１９６１一），男，陕西华县人，博士生导师，从事振动与声音信号分析控制研究。

此同时，这些数据还通过遥测装置被及时地发送到地面，以使地面相关人员能实时地了解掌握飞机在空中的飞行性能。但是，一方面，受到遥测设备通信能力的影响（其数据传输带宽大约在３０Ｍｂ左右），完全地实时传送这些振动数据几乎是不可能的；另一方面，对于实际试验，地面人员更关心的也只是这些振动信号的数据特征和变化规律，因此如何从原始数据中提取其主要变化特征是实现空测数据实时传输的主要问题。１原理分析 空测振动数据是一组随机变化的信号，但从统计意义上分析，其变化是有规律可循的。考虑到试验地面工作人员对数据的要求（振动信号的数据特征和变化规律等主要特性），本文从反映信号的幅值特征和变化规律信号的时域包络着手，分析可行方法。

万方数据・１８・理论与实践２００７年第２７卷第４期

首先对飞机飞行试验的振动数据，应用参考文献［１皿所述的包络分析方法提取原始数据的变化信息，然后在傅里叶变换的基础上对包络进行重采样，传输重采样后的包络可满足不丢失原始特征信息和变化规律，并较大地减少数据传送量，即达到数据的实时压缩传输目的。２包络分析和采样压缩２．１包络求取 常用的包络求取方法有直接滤波、最小二乘和Ｈｉｌｂｅｒｔ变换等，本文通过一阶极值点求取信号的包络线巨２」。 对于一个空测信号，首先找出信号中所有极大值（或极小值）点，作为包络特征点。设这些特征点为：ｘ。，

ＸＩ，…，Ｘ月一１。 由于这些极值特征点之间间距较大且不相等，直

接连接是一段段折线，为此需对其进行插值处理，本文采用的是一种光滑不等距插值方法，过程如下： 设求解出的ｎ个不等距特征点满足二。＜二１＜…＜ｘｎ一１，且相应的函数值为ｙ（ｉ＝０，１，…，ｎ一１）。由插值出的包络线的光滑性可知，包络在各特征点处均连续可导，即存在ｆ‘（ｘ）＝９，（ｉ＝０，１，…，ｎ一１），则任一子区间［ｘ＊，ｘ＊＋１〕（ｋ＝０，１，…，ｎ一２）内，可以唯一确定一个三次多项式 ５（ｘ）＝５。＋５：（工一了＊）＋５２（了一八）２ ＋５３（ｘ一ｘ＊）“（１）并且插值点１（ｔ任［二。，二＊＋１］）处的函数近似值可用此三次多项式计算。其中

当ｕ＊＋：＝ｕ走＋１，ｕｋＵｋ一１

Ｕ奋寸一Ｕｋｌ ２（６）

利用（１）式对各极值点区间进行插值，即得与原始数据长度相同的上、下包络曲线。２．２包络重采样 根据以上步骤做出的包络线是原数据量的两倍。由于包络反映的是信号的变化概况，存在着大量的数据冗余，因此可对其进行重新采样，压缩数据量。 设原始数据的采样率为关。，包络数据的最高采样频率为几时，根据采样定律可确定出重新采样频率为 ｊ、）Ｚｊｌ、（７） 则此时的数据压缩比为

（８）３实例分析３．１原始数据及其包络 通过一组实际的空测振动数据验证前述方法的正确性，具体过程如图１所示。

ｙｋｇｋ（３ｕ＊一２９。

（９＊＋１＋９，

提取数据极值点插值、拟合包络线对包络信号做谱分析对数据包络进行重新采样

一９＊、１）／（二寿＋１一ｘ户）一Ｚｕ＊）／（ｘ＊＋，一ｘ＊）”，９＊与９＊＋；由下式计算

（２）一－一｛－－－一

５了５万

十１长ｌｅｓｅｓｅｓ

ｅｓｌ

根据阿克玛几何条件、、．产

、夕

八０．ｊｌ呀２砚

、

了矛、

ｕ＊＋１一ｕ＊｝ｕ＊一；＋｝ｕ＊＿１一ｕ＊＿２｝ｕ走ｇｋ＝Ｉｕｋ、；一ｕ＊１＋｝ｕｋ一１一ｕｋ一：｝

ｇｋ＋１ｕ寿＋：一ｕ＊＋１｝ｕ走＋｝ｕ论一ｕ＊一１｝ｕ＊＋１ｌｕｋ＋：一ｕｋ＋，］＋Ｉｕ乏一ｕｋ一；］

其中，碗ｙｋ十１一ｙ去Ｘｋ＋１一Ｘｋ并且在端点处有

ｕ一１＝Ｚｕ。一ｕｌ；ｕ一２＝Ｚｕ一１一ｕ、，；ｕ。一１＝Ｚｕ，，一２一ｕ，，一３；ｕ，，＝Ｚｕ，一１一ｕ，一２当ｕｋ＋，＝ｕ＊，ｕ差一１＝ｕ走一２时， ：ｔ庵一，＋ｕ冷 ９１．＝一一丁一－（５）

图１空测数据处理过程示意图 用于分析数据的实际采样率为１０ｋＨｚ，选取前１万个点作为分析对象，根据极值点方法求取其包络线，结果如图２所示。 由图可见，包络线的幅值及变化情况与实际信号比较一致，说明提取的包络信号能够大致反映实际振动信号的数据特征和变化规律。３．２采样压缩 首先对实际数据和包络线进行谱分析，如图３所不。 由图３的频谱对比可知，实际信号主要频率成分明显高于包络信号；包络信号的频率成分主要集中于低频范围（５０ｏＨｚ以下），包络中含有大量冗余信息，因此可用小于实际信号采样率的频率对包络进行重新采

万方数据计测技术理论与实践・１９・瞥爆

３・３数据特征比较［３１ 原始信号与包络信号的统计特征比较见表１。 由表１可见，当Ｒ镇１８时包络信号的均值和极值与实际信号基本一致，且极值点在整个分析数据中的相对位置也基本相同。即重采样后的包络线，基本保留了实际信号的幅值特征和变化规律等主要特征。但当Ｒ＝２０时，二者间的差异较大（尤其是极值点位置）。 表１１６００１７００

图２１明１〕２１月侧〕

空测数据及其包络线

纂实际信号谱２侧１】３Ｊ洲）喇讨犯 采样点

包络线谱

项目均值极值

极值位置

实际信号一０．４０１６４５．８１４６

８４６９／１００００

原始包络一０３９７６８５．８７３８４７０／１００００

取Ｒ＝５采样后包络一０．３９８６４５．８４６３８４７１／１００００

取Ｒ＝１０采样后包络一０．４０３５９５．８４６３

８４７１／１００００

取Ｒ＝１８采样后包络一０．３９９７８５．５０３６

８４７９／１００００

取Ｒ＝２０采样后包络一０．４００１５５．４２１３４３０１／１００００

瞥蜡

０１）洲）２０田〕３１】】〕礴自】〕

采样点

图３实际信号及其包络的谱分析样。分别取压缩比Ｒ＝５，１０，１８和２０，对包络进行重新采样，结果如图４所示。

４结论 本文综合考虑飞机飞行试验数据特点、遥测设备的通讯能力及地面试验人员对数据的实际需求，将包络分析方法应用于试验数据的遥测传输，在保持实际数据特征及其变化规律的同时，可以大幅度地（１８倍）实现空测数据的压缩传输巨６口，本文方法对于实际工程有较大的参考价值。

理爆瞥装

理塌瞥紧

口」朱晓光，等

学报，２００４，３１（２）：９１ ［２」杨金才，等．２００１，２２（３）：５９一６１，

参考文献信号包络在ＤＳＰ系统中的实现［Ｊ〕．华北电力大学一９４．数字信号的包络分析方法「Ｊ〕．郑州工业大学学报，

１８众）采样点［３〕张国柱，等．基于信号包络的辐射源细微特征提取方法仁Ｊ〕．系

统工程与电子技术，２００６，２８（６）：７９５一７９７． 图４包络重采样 从图４可看出，当Ｒ较小时如Ｒ＝５，１０（此时其采样频率分别为ＺｋＨｚ和ＩｋＨｚ），包络信号能较好地反映原数据的变化规律。当但当Ｒ逐渐变大，特别是Ｒ＝２０（此时其采样频率为５０ＯＨｚ）时，包络线与原信号的变化趋势有较大的差异。

［４」许洪光，等．包络分析在超宽带信号采集中的应用「Ｊ〕重庆邮电学院学报（自然科学版）。２００６，１８（３）：３３８一３４２，［５」李智。等．包络分析及其在设备故障诊断中的应用［Ｊ］．测试技术学报，２０（）２，１６（２） 「６」王延春，：９２一９５．

合集下载

数据包络分析(DEA)方法

数据包络分析(DEA)方法

数据包络分析(data envelopment analysis, DEA)是由著名运筹学家Charnes, Cooper 和Rhodes 于1978年提出的，它以相对效率概念为基础，以凸分析和线性规划为工具，计算比较具有相同类型的决策单元(Decision making unit ，DMU)之间的相对效率，依此对评价对象做出评价[。

DEA 方法一出现，就以其独特的优势而受到众多学者的青睐，现已被应用于各个领域的绩效评价中[2],[3]。

在介绍DEA 方法的原理之前，先介绍几个基本概念:1. 决策单元一个经济系统或一个生产过程都可以看成是一个单位(或一个部门)在一定可能范围内，通过投入一定数量的生产要素并产出一定数量的“产品”的活动。

虽然这种活动的具体内容各不相同，但其目的都是尽可能地使这一活动取得最大的“效益”。

由于从“投入”到“产出”需要经过一系列决策才能实现，或者说，由于“产出”是决策的结果，所以这样的单位(或部门)被称为决策单元(DMU)。

因此，可以认为，每个DMU(第i 个DMU 常记作DMU i )都表现出一定的经济意义，它的基本特点是具有一定的投入和产出，并且将投入转化成产出的过程中，努力实现自身的决策目标。

在许多情况下，我们对多个同类型的DMU 更感兴趣。

所谓同类型的DMU ，是指具有以下三个特征的DMU 集合：具有相同的目标和任务；具有相同的外部环境；具有相同的投入和产出指标。

2. 生产可能集设某个DMU 在一项经济(生产)活动中有m 项投入，写成向量形式为1(,,)T m x x x =；产出有s 项，写成向量形式为1(,,)T s y y y =。

于是我们可以用(,)x y 来表示这个DMU 的整个生产活动。

定义1. 称集合{(,)|T x y y x =产出能用投入生产出来}为所有可能的生产活动构成的生产可能集。

在使用DEA 方法时，一般假设生产可能集T 满足下面四条公理: 公理1(平凡公理): (,),1,2,,j j x y T j n ∈=。

基于高效压缩算法的无线数据传输计算与仿真

基于高效压缩算法的无线数据传输计算与仿真


１ 基于压缩感知的无线传感网络压缩算法
与传统压缩基本理论不同，压缩感知对信号的采样和压 缩编码发生在同一步骤。具体压缩采样过程包括信号稀疏表 示、编码测量和信息重构。 1.1 信号的稀疏表示 应用压缩感知的前提是被采样信号的稀疏性，首先需要 将信号在稀疏基中稀疏表示。小波变换不仅可以处理非平稳 信号，而且其变换系数能够反映块间相关信息。所以，将选 择小波基做为稀疏基。 1.2 测量矩阵的选取 测量矩阵满足约束等距性，是保证信号精确重构的基本 条件。因此，可通过选择高斯随机矩阵作为测量矩阵 φ 来高 概率保证 Ψ 和 φ 的不相干。 1.3 信号重构 本文将围绕贝叶斯压缩感知模型的求取参数后验概率的核 心思想，对贝叶斯算法进行改进。利用贝叶斯估计方法作为理
（5） （6） 其中， 表示 对 τ 求导。
基 金 项 目： 国 家 自 然 科 学 基 金 委 员 会 与 中 国 民 用 航 空 总 局 联 合 资 助（61179048）； 天 津 市 支 撑 计 划 项 目（ 重 点） （11ZCKFGX04100）；中国民航大学研究生科技创新基金项目（Y15-02）。 作者简介：史永胜（1965-），男，辽宁锦州人，博士，教授，硕士研究生导师。研究方向：结构智能化设计、故障诊断与 结构修理、专家系统、知识表示。
论基础，结合最大似然估计的方法进行压缩感知重构的研究。 在 实 际 环 境 中， 噪 声 无 处 不 在， 观 测 向 量 变 成 y=Φz+n。研究发现，噪声的方差可当作常量，而观测数据 可看作高斯随机向量。对信号模型采用带有反馈的贝叶斯模 型，信号服从拉氏先验分布。利用最简单的先验分布，设向 量 z 服从独立同分布、均值为 0 的高斯分布，该先验分布自 身的超参数 α=[α1,α2,…,αN]T 服从超参数为 a，b 的伽马分布。 为了简化模型，令 a=1，2b=λ，则根据概率论中的恒等式， 可以得到 z 的后验概率： p(z｜y,λ,σ2)=p(y｜z,σ2)/p(y｜λ,σ2) （1） 因此，该后验概率分布服从均值为 u，方差 ∑ 为高斯分 布 N（u,Σ）。基于以上分析，因此可利用增广思想，转换 为完全数据的后验。 由贝叶斯公式可知， p(z,λ,β,α｜y)=p(z｜λ,β,α,y)p(λ,β,α｜y) 因为 （3） （4） （2）
数据包络分析CCRBCCSBMTFP等

数据包络分析CCRBCCSBMTFP等

数据包络分析CCRBCCSBMTFP等一、CCR（Charnes-Cooper-Rhodes）模型CCR模型是数据包络分析的最早提出的方法之一，主要用于测量DMU （Decision Making Unit）的效率。

CCR模型以线性规划为基础，利用最优化方法找到生产可能集的边界点，从而评估DMU的效率。

CCR模型在实际应用中具有较强的可行性和适用性，尤其适用于在正向效率评价的基础上进行相对效率评价。

CCR方法的优点是简单易行，具有较高的实用性。

同时，CCR方法只需要输入基本的输入产出数据，不需要知道具体的生产函数形式，因此可以广泛应用于各种不同的产业和领域。

然而，CCR方法也存在一些缺点。

首先，CCR方法在评估效率时只考虑了输入与输出的绝对水平，没有考虑到技术的相对效率。

其次，CCR方法假设输入和输出变量之间的关系是线性的，忽略了非线性关系的存在。

因此，CCR方法可能会导致评估结果的不准确性。

二、BCC（Banker-Charnes-Cooper）模型BCC模型是在CCR模型的基础上进行改进而来，主要用于评估DMU的相对效率。

BCC模型在选择最优化方程时，考虑了技术效率的相对情况，从而提高评估结果的准确性。

BCC方法的优点是可以测量DMU的相对效率，更准确地评估各个DMU 之间的差异。

此外，BCC方法对于非线性生产函数的应用也具有良好的适应性。

然而，BCC方法也存在一些缺点。

首先，BCC方法需要更复杂的计算，相对于CCR方法来说较为繁琐。

其次，BCC方法假设各个DMU之间的技术效率是可比的，但在实际应用中，不同DMU之间的技术效率往往具有差异，这可能会导致评估结果的不准确性。

三、SBM（Slacks-based Measure）模型SBM模型是一种基于松弛变量的数据包络分析方法，用于评估DMU的效率和纯技术效率。

SBM模型通过引入松弛变量来刻画DMU的潜在效率状况，从而评估DMU的效率。

SBM方法的优点是可以有效地评估DMU的效率和纯技术效率，对于存在松弛变量的情况具有较好的适应性。

使用测绘技术进行地理空间数据的压缩与存储方法

使用测绘技术进行地理空间数据的压缩与存储方法

使用测绘技术进行地理空间数据的压缩与存储方法随着科技的不断发展，地理空间数据在各个领域中扮演着越来越重要的角色。

从交通运输规划到环境资源管理，从城市建设到农业育种，地理空间数据的收集和分析对于人们的工作和生活起着至关重要的作用。

然而，地理空间数据的规模庞大，传输与存储成本也日益增加，这就要求我们寻找高效的压缩与存储方法来应对挑战。

测绘技术作为地理空间数据的主要收集手段之一，根据不同目的和需求，产生了多种多样的数据形式。

例如，卫星遥感数据、地理信息系统中的矢量数据、激光雷达扫描数据等等。

为了有效地压缩和存储这些数据，研究人员们提出了许多创新的方法。

一种常见的测绘数据压缩方法是基于无损压缩的算法。

无损压缩保证了数据的完整性，不会对数据本身造成任何损失。

其中，Huffman编码和Lempel-Ziv-Welch （LZW）算法是两种被广泛使用的方法。

Huffman编码通过构建字典表，将出现频率较高的数据进行较短的编码，减小了数据的体积。

LZW算法则是通过建立编码字典，将连续出现的数据片段进行动态编码，从而实现了较好的压缩效果。

这两种方法的优点是简单高效，但缺点是在某些特殊情况下，如数据中存在随机噪声，压缩效果并不理想。

针对这些问题，研究人员们提出了一系列基于有损压缩的算法。

有损压缩通过舍弃部分数据的精度来减小数据体积，这样可以在一定程度上提高压缩比。

例如，基于离差编码的压缩算法，可以通过对数据进行预测和离差编码来达到压缩的效果。

还有基于小波变换的压缩算法，通过将数据转化到频域来提取数据的频率特征，并采用分层编码的方式进行压缩。

这些方法在一定的数据损失范围内，可以取得较好的压缩效果。

另外，随着云计算和大数据时代的到来，分布式存储和处理技术也为地理空间数据的存储带来了新的思路。

分布式文件系统（DFS）是一种将大文件切分为小文件，并在多台服务器上进行存储的技术。

其中，Hadoop分布式文件系统（HDFS）是应用最广泛的分布式存储系统之一。