文献

J-GLOBAL ID：201802260946928893   整理番号：18A0185098

インパルス特徴検出に対するブラインドデコンボリューションと応用のための畳込みスパース学習【Powered by NICT】

Convolutional Sparse Learning for Blind Deconvolution and Application on Impulsive Feature Detection

著者 (3件)： Du Zhaohui (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Chen Xuefeng (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Zhang Han (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 67  号： 2  ページ： 338-349  発行年： 2018年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 断層源とセンサ位置の間の機械的構造や伝送路は常に機械故障のインパルスシグネチャを歪ませる。は,所望のインパルス特徴と雑音のある観測信号から同時に伝送路の影響を推定することが重要課題である。畳込みスパース学習モデル(ConvSLM)が,衝動的な特徴検出を行うために提案した。ConvSLM伝送路の変調過程を直接モデル化と採用される,一般的なデコンボリューション法として間接逆フィルタ設計法とは全く異なっていた。一方,一般的な尖度最大化戦略の固有の欠点を克服するために,衝撃特徴のスパース構造はConvSLMの目的関数に統合した。最近開発された2段階ソルバとは異なり,ただ1つの段を持つ新しい反復アルゴリズムは,スパース性正則化された目的関数,アルゴリズムの複雑さを減少させるだけでなく,収束保証を持つ非凸性と非平滑に対処する乗算器フレームワークの多重ブロック非凸交互方向法下で開発した。合成データと試験結果に関する数値実験は,提唱されたアプローチの有効性を確認した。最新のブラインドデコンボリューション技法と比較して,風力タービンギアボックス歯車の衝撃検出への適用により検証十分ConvSLMの優位性。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 雑音 ,  伝送線路 ,  モデリング ,  正則化 ,  衝撃 ,  *デコンボリューション ,  *畳込み ,  センサ ,  *学習 ,  凸形 ,  目的関数
準シソーラス用語： スパース性 ,  *ブラインドデコンボリューション ,  *特徴検出 ,  *力積 , 【Automatic Indexing@JST】

分類 (2件)： 振動の励起・発生・測定  (BB02030Z) ,  信号理論  (ND02020G)

タイトルに関連する用語 (6件)： インパルス ,  特徴検出 ,  ブラインドデコンボリューション ,  応用 ,  畳込み ,  学習