奈奎斯特采样定理_超越奈奎斯特采样的振动信号方法

以前总觉得奈奎斯特采样定理一定是真的，后面在学习故障诊断的过程中发现了超越这个采样定理的一个概念，压缩感知理论，没有听过或感兴趣的同学们可以查一查，扩展一下自己的知识面，今天介绍一篇以此为理论依据的文献，通过创新的思维，丰富的实验过程，实现故障诊断方法的研究。

看一下压缩感知。

压缩感知也被称为压缩采样或稀疏采样，是一种寻找欠定线性系统的稀疏解的技术。压缩感知理论的核心思想主要另外一点是不相关特性。

基本过程为

文献再此基础上进行了改进，采用传统的参数寻优策略--粒子群算法，初始化采用了稀疏贝叶斯算法，得到整体求解的基本过程为

步骤为

采用西储大学轴承数据描述整个重构流程，分别取不同安装位置数据

稀疏性分析

重构性能比较

分析噪声的影响情况

文献提出的基于压缩感知的改进方法，能够很好的压缩重构信号，得到较好的结果，是工业场景下大规模数据采样存储的一个方向性方法，可作为学习使用，建议结合查找相关文献学习。

文献来源《一种基于多测量向量模型的机械振动信号联合稀疏重构方法》