用于结构健康监测信号且具有数据丢失恢复功能的鲁棒贝叶斯压缩感知

压缩感知 (CS) 在结构健康监测中的应用是一个新兴的研究课题。CS 的基本思想是使用专门设计的无线传感器，直接以压缩形式采样在某些基（例如小波基）中稀疏的信号，然后在传输到中央处理单元后，利用某种反演算法准确地重构（解压缩）这些信号。然而，结构健康监测中的大多数信号仅是近似稀疏的，即在某些基中只有相对较少的信号系数是显著的，而其他系数通常并不完全为零。在这种情况下，无法期望从压缩测量中实现完美重构。本文提出了一种新的贝叶斯 CS 算法，探索了对不确定参数的鲁棒处理，包括对预测误差精度参数进行积分以将其作为“ nuisance”参数消除。利用安装在空间框架结构和斜拉桥上的加速度计采集的压缩数据，对新 CS 算法的性能进行了研究。与包括我们之前发表的采用预测误差精度参数最大后验 (MAP) 估计的贝叶斯方法在内的其他最先进 CS 方法相比，新算法在重构鲁棒性和后验不确定性量化方面表现出更优越的性能。此外，无论信号的稀疏程度如何，我们的方法都可用于恢复无线传输过程中丢失的数据。