基于可学习小波变换的加速度引导声学信号去噪框架及其在板式轨道状态监测中的应用
信号处理
2023-03-24 v4
摘要
声学监测近来在基础设施状态诊断中展现出巨大潜力。然而，由于声学信号中严重的噪声干扰，有意义的特征往往难以推断。这为声学监测的广泛应用造成了相当大的障碍。为解决该问题，我们提出了一种基于可学习小波变换的加速度引导声学信号去噪框架（AG-ASDF），以自动对声学信号去噪并基于加速度信号提取相关特征。该去噪框架仅需在训练阶段使用加速度信号。因此，在应用阶段仅需安装声学传感器（非侵入式），这对于安全关键型基础设施的状态监测而言方便且至关重要。我们利用多类支持向量机，基于声学信号评估板式轨道状态的检测效果，对所提出的AG-ASDF与其他特征学习/提取方法进行了对比研究。在铁路试验线上，通过三类板式轨道支承条件模拟了板式轨道的不同健康与病害状态。基于所提AG-ASDF特征的分类以显著的准确率提升优于其他特征提取与学习方法。
引用
@article{arxiv.2205.05365,
title = {Acceleration-guided Acoustic Signal Denoising Framework Based on Learnable Wavelet Transform Applied to Slab Track Condition Monitoring},
author = {Baorui Dai and Gaëtan Frusque and Qi Li and Olga Fink},
journal= {arXiv preprint arXiv:2205.05365},
year = {2023}
}