反卷积
最近读论文在introduction里面经常看到反卷积,姑且做一些初步的了解。
最小熵反卷
从最小熵反卷入手,Wiggins 在1978 年提出了最小熵反卷积方法[29],原理是迭代选择有限脉冲响
应滤波器使得被滤波信号的熵最小,目前已被广泛应用于多个领域。其基本思想是:假设原始激励信号包含冲击脉冲,寻找一个能够抵消传递路径影响的逆滤波器,从而得到幅值较高的信号峰值[57]。
振动信号为:
x = h 1 ∗ u + h 2 ∗ d + h 3 ∗ e x=h_1*u+h_2*d+h_3*e x=h1∗u+h2∗d+h3∗e
其中,
h
1
h_1
h1为系统动力学响应,
d
d
d为故障脉冲序列,
e
e
e为噪声。目标是通过设计一个滤波器/加权序列
f
\textbf{f}
f,使得滤波后的信号尽量只保留脉冲成分。也即是:
f
∗
h
1
∗
u
≈
0
f*h_1*u\approx0
f∗h1∗u≈0
f
∗
h
3
∗
e
≈
0
f*h_3*e\approx0
f∗h3∗e≈0
滤波器 f \textbf{f} f为:
f = [ f 1 , f 2 , . . . f L ] T \textbf{f}=[f_1,f_2,...f_L]^T f=[f1,f2,...fL]T
接收信号为方便表示写成矩阵:
为了实现上述目标,需要有一个目标函数,这里由于脉冲信号的峭度指标比较敏感,选择峭度作为优化的目标函数。(这里如果之前看过ICA的话感觉挺像的,ICA里面以非高斯性作为分离的目标,找一组权重/滤波器进行分离)
在均值为0的情况下,优化的目标如下:
这个优化函数不好求解析解,可以用迭代的方式求解:
通过给定
f
\textbf{f}
f初值,计算
y
y
y,然后再更新
f
\textbf{f}
f…以此类推,给定一个收敛准则最终得到一个极值。
如果是其他类型的目标或者情况,更换目标函数以及优化的过程。反卷积这个名字也挺好的,为了恢复某个目标(这里的冲击经过了系统传递卷积),结合一定先验知识,将卷积的效应进行消除。
参考文献:
[1] 王怡恬. 基于谱峭度和最小熵反卷积的轴承故障增强检测[D]. 湖南:国防科学技术大学,2017.
[2]Wiggins R A. Minimum entropy deconvolution[J]. Geoexploration, 1978, 16(1-2): 21-35.