论文部分内容阅读
随着我国铁路行业的快速发展,人民生活水平的不断提高,列车的舒适性越来越受到人们的高度关注,且由于列车车厢环境质量会直接影响旅客乘坐的舒适性,因此,如何准确、连续监测列车车厢环境已成为当下研究的热点之一。如今无线传感器网络技术可以对车厢环境实现全面、精准的连续性监测,但其在应用中存在数据存储量和传输量有限的缺点,所以对监测的车厢环境数据进行处理变得越来越有意义。基于经典匹配追踪类算法,本文提出了一种改进的匹配追踪算法,并将其应用于列车车厢环境监测数据的重构问题中。论文的主要研究内容如下所示:(1)基于CS的稀疏度变步长自适应压缩采样匹配追踪算法的研究与仿真。首先,对比研究了压缩感知中6种经典匹配追踪类算法;其次,基于压缩感知理论和稀疏度自适应匹配追踪(SAMP)算法,提出了稀疏度变步长自适应压缩采样匹配追踪(CSVssAMP)算法;最后通过一维高斯随机稀疏信号的重构实验来评估改进的CSVssAMP算法的重构性能。实验从不同稀疏度、观测值和步长三个方面进行仿真,仿真结果表明,在同一条件下,改进的CSVssAMP算法的重构性能最优。(2)基于CSVssAMP算法的车厢环境监测数据重构。为了解决车厢环境监测数据存储量和传输有限的问题,基于K-SVD过完备字典的稀疏表示方法,建立数据处理系统模型,采用SAMP算法和改进的CSVssAMP算法对某机构模拟真实列车的车厢环境属性数据进行了重构仿真实验。仿真结果表明,压缩感知匹配追踪类算法在列车车厢环境监测数据重构应用中是有效可行的,此外,在同一仿真条件下,改进的CSVssAMP算法的重构误差小于SAMP算法,即改进的CSVssAMP算法具有更好的重构性能。(3)基于模糊综合评价对列车车厢环境质量进行评估。本文随机选取50组原始数据和CSVssAMP算法的重构数据,组成100个评价因子集,评价因子由温度、相对湿度、二氧化碳、空气流速和振动总加权加速度均方根值组成,根据国际铁路联合会UIC553等一系列标准,建立评价等级,确定影响因子的模糊关系矩阵和权重集,通过模糊矩阵的复合运算,得到50组车厢环境质量评价结果,将每组实验中原始数据和CSVssAMP算法重构数据得到的评价结果进行对比分析。结果表明,改进的CSVssAMP算法既可以减少传输数据量和优化数据,又不会改变列车车厢环境质量评估结果。