典型文献
基于变分贝叶斯平行因子分解的缺失信号的恢复
文献摘要：
现有的工程信号处理方法都是基于完整的数据采集,并没有考虑缺失信号的处理.而在工程实际中,由于人为因素和自然界不可抗拒的因素,有时会造成传感器失效,从而造成信号采集的缺失.为了消除信号缺失对工程信号处理的消极影响,提出了一种基于变分贝叶斯平行因子分解的信号恢复方法.首先利用平行因子分析理论将采集的振动信号构造成三维张量,同时结合贝叶斯方法,引入潜在变量和超参数,建立贝叶斯平行因子概率图模型;其次采用变分贝叶斯算法推导出因子矩阵和超参数的后验分布,从而进一步推断出缺失元素的分布预测;最后通过分析该模型的下界,初始化参数的选择,使该算法更好的解决信号缺失问题.利用均方根误差和相对平方根误差对该算法的性能进行评估,仿真和实验结果表明,随着缺失比例的增大,变分贝叶斯平行因子分解算法相较于传统的低秩张量补全算法,误差更小,能够更加有效的恢复缺失的信号,有效地解决了工程信号处理中因传感器失效而引起的信号缺失的问题.
文献关键词：
平行因子分解;变分贝叶斯;信号缺失;信号恢复
中图分类号：
作者姓名：
李琼;李志农;周世健;谷士鹏;陶俊勇
作者机构：
南昌航空大学无损检测技术教育部重点实验室 南昌 330063;国防科学技术大学装备综合保障技术重点实验室 长沙 410073;中国飞行试验研究院 西安 710089
文献出处：
引用格式：
[1]李琼;李志农;周世健;谷士鹏;陶俊勇-.基于变分贝叶斯平行因子分解的缺失信号的恢复)[J].仪器仪表学报,2022(03):49-58
A类：
平行因子分解
B类：
变分贝叶斯,失信,信号处理,工程实际,人为因素,抗拒,信号采集,信号缺失,消极影响,信号恢复,恢复方法,平行因子分析,振动信号,贝叶斯方法,潜在变量,超参数,概率图模型,贝叶斯算法,子矩阵,矩阵和,后验分布,推断出,出缺,分布预测,下界,初始化,平方根,低秩张量补全,补全算法
AB值：
0.260809
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
