Reconstruction of compressed signals for bridge structures based on autoregressive iterations

LI Cui; HUANG Kan; LIAO Yanfu; ZHU Daopei

doi:10.16579/j.issn.1001.9669.2026.05.017

您当前的位置：

首页 >

文章列表页 >

Reconstruction of compressed signals for bridge structures based on autoregressive iterations

·Vibration·Noise·Monitoring·Diagnosis· | 更新时间：2026-05-19

- Reconstruction of compressed signals for bridge structures based on autoregressive iterations
- Journal of Mechanical Strength Vol. 48, Issue 5, Pages: 150-158(2026)
- 作者机构：
  
  1.江西交通职业技术学院信息工程学院，南昌 330013
  2.江西省教育厅交通事件智能监测重点实验室，南昌 330013
  3.江西通慧科技集团股份有限公司，南昌 330032
  4.江西理工大学软件工程学院，南昌 330013
- 作者简介：
  
  LI Cui, E-mail: jxjtxylc@163.com
- 基金信息：
  
  Science and Technology Project of Jiangxi Provincial Department of Transportation(2023H0039);Jiangxi Provincial Natural Science Foundation Project(20232BAB214074)
- DOI：10.16579/j.issn.1001.9669.2026.05.017
  CLC： TU317;TP391.4
- Received：09 October 2024，
  
  Published：15 May 2026
- 稿件说明：
移动端阅览
李翠，黄侃，廖彦富，等. 基于自回归迭代的桥梁结构压缩信号重构［J］. 机械强度，2026，48（5）：150-158.

LI Cui，HUANG Kan，LIAO Yanfu，et al. Reconstruction of compressed signals for bridge structures based on autoregressive iterations［J］. Journal of Mechanical Strength，2026，48（5）：150-158.
李翠，黄侃，廖彦富，等. 基于自回归迭代的桥梁结构压缩信号重构［J］. 机械强度，2026，48（5）：150-158. DOI： 10.16579/j.issn.1001.9669.2026.05.017.

LI Cui，HUANG Kan，LIAO Yanfu，et al. Reconstruction of compressed signals for bridge structures based on autoregressive iterations［J］. Journal of Mechanical Strength，2026，48（5）：150-158. DOI： 10.16579/j.issn.1001.9669.2026.05.017.

摘要

目的

环境激励下桥梁结构的振动信号往往具有较低的信噪比和较差的稀疏度，因此难以实现高精度的压缩感知。为解决该问题，提出一种基于自回归迭代的压缩信号重构方法。

方法

首先，利用自回归误差描述未知的重构误差，将自回归系数作为优化变量，将最小化自回归误差作为优化目标，构建信号重构的自回归迭代计算模型；然后，以某桥梁实采信号为例进行计算分析。

结果

结果表明，自回归迭代具有将高频段能量转移至低频段的特性。当重构信号与原始信号的自回归误差接近时，才能得到最小的重构误差。相比正交匹配追踪法，所提方法具有更高的压缩感知重构精度。对于原始信号，当取不同的模型阶次时，均在第2个迭代步产生最小重构误差；对于滤波信号，则在合理搭配压采率和截止频率的条件下，可以在迭代收敛后获得最小重构误差。所提方法能很好地用于稀疏度差的振动信号的压缩感知重构。

Abstract

Objective

The vibration signals of bridge structures under ambient excitation usually present low signal-to-noise ratio and poor sparsity

which makes it difficult to realize high-precision compressed sensing. To solve this problem

a compressed signal reconstruction method based on autoregressive iteration was proposed.

Methods

The unknown reconstruction error was characterized by the autoregressive error

the autoregressive coefficients were taken as the optimization variables

and the minimization of autoregressive error was set as the optimization objective. An autoregressive iterative calculation model for signal reconstruction was established

and the measured signals of an actual bridge were adopted for calculation and analysis.

Results

The results show that the autoregressive iteration has the characteristic of transferring high-frequency energy to the low-frequency band. The minimum reconstruction error can be obtained only when the autoregressive errors of the reconstructed signal and the original signal are close. Compared with the orthogonal matching pursuit method

the proposed method achieves significantly higher reconstruction accuracy of compressed sensing. For the original signal

the minimum reconstruction error appears at the second iteration step under different model orders; for the filtered signal

the minimum reconstruction error can be acquired after iterative convergence with a reasonable combination of compression-sampling ratio and cutoff frequency. The proposed method can be well applied to the compressed sensing reconstruction of vibration signals with low sparsity.

关键词

Keywords

references

王宪玉，李文奇，朱前坤，等 . 基于灰度分析的桥梁健康监测系统传感器异常检测［J］. 湖南大学学报（自然科学版）， 2024 ， 51 （ 7 ）： 111 - 118 .

WANG Xianyu ， LI Wenqi ， ZHU Qiankun ， et al . Sensor anomaly detection in bridge health monitoring system based on gray correlation analysis ［J］. Journal of Hunan University （Natural Sciences）， 2024 ， 51 （ 7 ）： 111 - 118 . （In Chinese）

张菊辉，陈杨，姚兆玮 . 高阻尼橡胶支座隔震桥梁简化力学模型动力分析［J］. 机械强度， 2019 ， 41 （ 1 ）： 7 - 12 .

ZHANG Juhui ， CHEN Yang ， YAO Zhaowei . Dynamic analysis of HDRB isolated bridges based on simplified mechanical model ［J］. Journal of Mechanical Strength ， 2019 ， 41 （ 1 ）： 7 - 12 . （In Chinese）

王腾义，李丹，张建 . 桥梁结构轻量化健康监测思路与技术研发［J］. 土木工程学报， 2025 ， 58 （ 6 ）： 51 - 68 .

WANG Tengyi ， LI Dan ， ZHANG Jian . Research of lightweight structural health monitoring strategies and technologies for bridges ［J］. China Civil Engineering Journal ， 2025 ， 58 （ 6 ）： 51 - 68 . （In Chinese）

张雅儒，马俊，伍晓顺 . 定位结构损伤的改进跨模型模态应变能法［J］. 机械强度， 2024 ， 46 （ 2 ）： 503 - 508 .

ZHANG Yaru ， MA Jun ， WU Xiaoshun . Improved cross-model modal strain energy method for structural damage localization ［J］. Journal of Mechanical Strength ， 2024 ， 46 （ 2 ）： 503 - 508 . （In Chinese）

袁阳光，伊廷华，辛公锋，等 . 基于挠度监测的混凝土桥梁实时安全评估方法研究［J］. 土木工程学报， 2025 ， 58 （ 3 ）： 68 - 82 .

YUAN Yangguang ， YI Tinghua ， XIN Gongfeng ， et al . Study on real-time safety assessment methods of concrete bridges by deflection monitoring ［J］. China Civil Engineering Journal ， 2025 ， 58 （ 3 ）： 68 - 82 . （In Chinese）

李翠，朱学坤，俞记生，等 . 结构损伤识别的二次反馈岭估计法［J］. 机械强度， 2024 ， 46 （ 4 ）： 932 - 938 .

LI Cui ， ZHU Xuekun ， YU Jisheng ， et al . Secondary feedback ridge estimation method for structural damage detection ［J］. Journal of Mechanical Strength ， 2024 ， 46 （ 4 ）： 932 - 938 . （In Chinese）

DONOHO D L . Compressed sensing ［J］. IEEE Transactions on Information Theory ， 2006 ， 52 （ 4 ）： 1289 - 1306 .

CANDÈS E J . Compressive sampling ［J］. Marta Sanz Solé ， 2006 ， 17 （ 2 ）： 1433 - 1452 .

刘素娟，崔程凯，郑丽丽，等 . 基于压缩感知的贪婪类重构算法原子识别策略综述［J］. 电子与信息学报， 2023 ， 45 （ 1 ）： 361 - 370 .

LIU Sujuan ， CUI Chengkai ， ZHENG Lili ， et al . A review of atom recognition strategies for greedy class reconstruction algorithms based on compressed sensing ［J］. Journal of Electronics & Information Technology ， 2023 ， 45 （ 1 ）： 361 - 370 . （In Chinese）

MALLAT S G ， ZHANG Z F . Matching pursuits with time-frequency dictionaries ［J］. IEEE Transactions on Signal Processing ， 1993 ， 41 （ 12 ）： 3397 - 3415 .

TROPP J A ， GILBERT A C . Signal recovery from random measurements via orthogonal matching pursuit ［J］. IEEE Transactions on Information Theory ， 2007 ， 53 （ 12 ）： 4655 - 4666 .

CHEN S S ， DONOHO D L ， SAUNDERS M A . Atomic decomposition by basis pursuit ［J］. SIAM Review ， 2001 ， 43 （ 1 ）： 129 - 159 .

史加荣，王丹，尚凡华，等 . 随机梯度下降算法研究进展［J］. 自动化学报， 2021 ， 47 （ 9 ）： 2103 - 2119 .

SHI Jiarong ， WANG Dan ， SHANG Fanhua ， et al . Research advances on stochastic gradient descent algorithms ［ J］. Acta Automatica Sinica ， 2021 ， 47 （ 9 ）： 2103 - 2119 . （In Chinese）

JIA X X ， KANZOW C ， MEHLITZ P ， et al . An augmented Lagrangian method for optimization problems with structured geometric constraints ［J］. Mathematical Programming ， 2023 ， 199 （ 1 ）： 1365 - 1415 .

WANG Q ， ZHANG P L ， MENG C ， et al . Multi-task Bayesian compressive sensing for vibration signals in diesel engine health monitoring ［J］. Measurement ， 2019 ， 136 ： 625 - 635 .

AN Y H ， XUE Z L ， OU J P . Deep learning-based sparsity-free compressive sensing method for high accuracy structural vibration response reconstruction ［J］. Mechanical Systems and Signal Processing ， 2024 ， 211 ： 111168 .

KANG J ， REN W X ， XIE Y L ， et al . An enhanced method to reduce reconstruction error of compressed sensing for structure vibration signals ［J］. Mechanical Systems and Signal Processing ， 2023 ， 183 ： 109585 .

DONG G S ， WAN H P ， LUO Y Z ， et al . A fast sparsity-free compressive sensing approach for vibration data reconstruction using deep convolutional GAN ［J］. Mechanical Systems and Signal Processing ， 2023 ， 188 ： 109937 .

董冠森 . 结构动力监测数据的压缩感知方法研究［D］. 杭州：浙江大学， 2023 ： 17 .

DONG Guansen . Research on compressive sensing method for dynamic structural monitoring data ［D］. Hangzhou ： Zhejiang University ， 2023 ： 17 . （In Chinese）

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Review on crack monitoring technology based on physics-informed neural networks

SECONDARY FEEDBACK RIDGE ESTIMATION METHOD FOR STRUCTURAL DAMAGE DETECTION

IMPROVED CROSS-MODEL MODAL STRAIN ENERGY METHOD FOR STRUCTURAL DAMAGE LOCALIZATION

RESEARCH ON COMPRESSION AND RECONSTRUCTION OF TUBE FOULING ULTRASONIC TESTING SIGNAL BASED ON IMPROVED COSAMP

APPLICATION OF COMPRESSIVE SENSING AND IMPROVED DEEP WAVELET NEURAL NETWORK IN BEARING FAULT DIAGNOSIS

Related Author

SONG Zhigong

GUO Xiang

WU XiaoShun

YU JiSheng

ZHU XueKun

LI Cui

WU XiaoShun

MA Jun

Related Institution

Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment & Technology, School of Mechanical Engineering, Jiangnan University

Department of Information Engineering,Jiangxi Vocational and Technical College of Communications

Department of Road and Bridge Engineering,Jiangxi Vocational and Technical College of Communications

Zhongjiao Yangtze River Consulting Group Co.,Ltd.

School of Civil Engineering and Surveying&Mapping Engineering(Nanchang),Jiangxi University of Science and Technology

⁰