基于半张量积压缩感知的形变数据重构在航天器结构健康监测中的应用

针对航天器结构健康监测(structural health monitoring, SHM)面临的数据传输和存储量过大问题,提出一种基于半张量积压缩感知(semi-tensor product compressed sensing, STP-CS)的形变数据重构方法。该方法基于形变数据的稀疏性,利用降维的随机高斯矩阵对形变数据进行压缩采样。为了验证该方案的可行性,实验研究了不同的观测矩阵维数与重构性能的关系。结果表明:采用该方法对形变信号进行随机采样,当观测矩阵存储空间减少到传统压缩感知(compressed sensing, CS)的1/64,仍能实现较高精度的重构,有效节省了观测矩阵的储存空间;此外,重构时间也随着观测矩阵维数的降低逐渐缩短。因此,该方法为解决航天器SHM面临的数据传输和存储挑战提供了新的解决思路。