基于稀疏重構的鐵路貨車TFDS 網絡傳輸時延估計

馬子欽

（國能鐵路裝備有限責任公司，北京 100011）

近幾年，科學技術水平的提升推進了網絡技術的發展，對貨車運行故障動態圖像檢測系統（Trouble of moving Freight car Detection System,TFDS）的操作規范提出了新的要求。為了滿足時代發展要求，提高服務水平，鐵路貨車TFDS 以集群化的方式對多個TFDS 設備在不同地點收集的貨車信息進行精確傳輸。然而，這一過程容易出現時延，因此有必要進行網絡傳輸時延估計，以此提升信息傳輸效率。文獻[1]提出了一種基于自適應濾波的時延估計方法，該方法通過改變自適應濾波算法參數，獲取時延估計結果；文獻[2]提出了基于壓縮感知的時延估計方法，利用海量的特征矢量構建出一個子域，采用子域對其進行濾波處理。通過加權壓縮的方法獲得了時延估計值。由于相位偏移、頻率擴展等因素影響，這兩種方法的估計結果的精準度不高，因此提出基于稀疏重構的鐵路貨車TFDS 網絡傳輸時延估計方法。

1 鐵路貨車TFDS 網絡傳輸集成信號分析

鐵路貨車TFDS 利用多個TFDS 裝置對所獲取的車輛信息進行實時傳輸[3-4]。通過專用光纖信道，實現了TFDS 檢測站與鐵路局車輛運行安全檢測中心之間的數據傳輸[5]。TFDS 網絡傳輸圖如圖1所示。

圖1 TFDS網絡傳輸圖

采用專用1 000M 光纖網絡通信，能夠保證信息從檢測站到列檢測試中心過程中的傳輸格式和信道條件滿足鐵路總公司的相關要求[6-7]。相關的作業信號為：

式中，φr表示作業路徑衰減；τ表示時延；ζ(n)表示噪聲信號；x(n) 表示稀疏重構信號[8]。對該公式信號做快速傅里葉變換，獲取信號頻譜，由此得到的待估計時延參數存在于頻譜的相位信息中，根據時頻域對偶關系確定鐵路貨車TFDS 網絡傳輸集成信號。

2 基于稀疏重構的時延估計

2.1 信號預處理

采用稀疏重構技術進行時延估計的過程中，以信號稀疏表達為先決條件，采用測量矩陣以及信號重建算法相結合的方法實現時延估計準確估計[9-10]。選取適當的稀疏表示矩陣，即可將信號表示成稀疏格式[11]。均等份劃分信號時域，將信號時域劃分成m等份。假設在任意一個等分時域中，信號增益稀疏向量可表示為：

式中，[r0,r1,…,rm] 表示稀疏向量；i表示劃分次數；c表示載波頻率；υm表示時域劃分結果。每個稀疏矢量都對應一條劃分路徑[12]。為了反映信號在時間范圍內的稀疏性，為此將增益稀疏矢量視為信號增益稀疏，由此完成信號預處理[13]。

2.2 時延原子稀疏重構

對鐵路貨車TFDS 網絡傳輸信號進行重構時，選取最適合于信號的測量矩陣，利用稀疏重構方法進行稀疏近似，并求取裕度。在迭代之后，用選定的時延原子對該信號進行線性表示[14]。然而，該方法僅選取具有最大信號投射量的原子作為時延原子。在稀疏性不等于1 的情況下，經常同時出現多個具有相同投影值的原子，從而提升次優原子的選取質量[15]。首先，按最大到最小的投射值進行排序，選取最好的原子為第一個選定的原子。其次，利用回溯機制對所選擇的原子進行最小二乘近似，并對其進行分類。稀疏重構時延原子重構步驟為：初始化信號，令迭代次數為1，索引集合為非空集。通過在測量矩陣中選取與信號最匹配的原子，其在空間上投影最大值為：

式中，E0j表示測量矩陣的第j個原子。對該數值進行排序，獲取索引集合。更新索引集，得到測量矩陣中的原子集合，并對其依次排序[16]。經過多次迭代處理后，使由多個元素構成的原子集合包含了所有近似于作業信號的集合，那么投影值中元素所對應的支撐就是最優原子。

2.3 時延估計

對于鐵路貨車TFDS 網絡傳輸時延估計，需要估計基站到傳輸終端的時延值。根據重構后的時延原子，引入正交匹配追蹤算法[17-19]，遵循稀疏字典與傳輸信號相關性最大的原則，經過迭代處理后計算投影系數，更新迭代參數，由此得到時延估計結果，步驟如下：

步驟1：假設基站數量為1，作業信號即為輸出信號。當基站數量為2時，經過稀疏重構得到的信號為：

式中，yp(n)表示多個基站下的作業信號。

步驟2：重復上述步驟，直到達到收斂條件為止。在迭代過程中，所構建的代價函數值應小于預先設定的閾值。

步驟3：當基站數量為3 時，將計算出來的時延值代入如下公式：

步驟4：重復上述步驟，增加基站數量，不斷迭代，直到基站數量等于預先設定的基站數為止。

步驟5：在獲取理想基站數量的情況下，所獲取的時延參數就是最終估計參數。將每個基站對應的終端設備作為主要路徑，分解稀疏重構信號，提取信號子空間。

步驟6：在信號子空間中計算信號權重估計值，如式（7）：

式中，Uk表示原子集合；μk表示投影系數。根據信號權重估計結果計算時延值，結果為：

式中，β表示噪聲矢量。通過上述過程，可獲取鐵路貨車TFDS 網絡傳輸時延估計結果。

3 實 驗

將2009 年TFDS 集中作業投入到昆明鐵路局昆明北車輛段作為研究案例，該路段集中了75%的全路TFDS 三級聯網設備，對基于稀疏重構的鐵路貨車TFDS 網絡傳輸時延估計方法進行實驗分析。

3.1 實驗過程

TFDS 集中作業平臺突破了以往的點到點、一成不變的工作模式，將各個車間的TFDS 動態檢驗員整合成一個大工作室，實現了兩次最優分工，并將各個動態的車輛檢驗員平均分配。為了實現車輛動態檢驗與列檢閉環管理，設計了詳細的TFDS 動態檢車具體流程：

步驟1：TFDS 的工作領導要在工作完成后立即通過系統和電話通知值班人員。

步驟2：列檢值班員以車為單位，及時組織現場的檢車員對系統預測的故障進行全面檢驗。

步驟3：處理故障的檢驗人員應將檢驗的結果或處理結果報告給列檢值班人員，由工作人員通知檢驗人員并填寫相應的表格。

步驟4：當一小時內沒有接到車輛信息時，動態檢驗小組的組長要主動與相關的列檢值班人員聯絡，確保設備處于良好狀況。

步驟5：當動態檢測系統出現故障時，動態測試小組的組長應立即向列檢值班人員報告，并通知現場的工作人員進行現場檢驗。同時向5T 調度員匯報故障情況，并進行記錄。

3.2 實驗裝置

使用高速攝像技術，通過對運行列車各個部位快速抓拍，將獲取的圖像壓縮到計算機內存中，該過程使用的實驗采集裝置如圖2 所示。

圖2 實驗采集裝置

3.3 實驗數據分析

將實驗設置為兩種情況，分別是無噪聲干擾情況和有10 dB 噪聲干擾情況。假設鐵路貨車TFDS 網絡傳輸有一條信道，在有無噪聲干擾情況下，時延實際結果如表1 所示。

表1 有無噪聲干擾時延實際結果

由表1 可知，在無噪聲干擾情況下，時延不會受到其他信號干擾，保持固定數值不變。在有10 dB 噪聲干擾情況下，時延受到噪聲干擾，其變化范圍為310～380ns。

3.4 實驗結果與分析

在無噪聲干擾情況下，三種方法時延估計結果如圖3 所示。

圖3 無噪聲干擾情況下時延估計結果

由圖3 可知，使用文獻[1]方法的時延估計結果由350 ns 變為234 ns；使用文獻[2]方法的時延估計結果由350 ns 變為266 ns；使用所提方法時延估計結果保持350 ns 不變，這與表1 中數據一致。

在10 dB 噪聲干擾情況下，三種方法的時延估計結果如圖4 所示。

圖4 10 dB噪聲干擾情況下時延估計結果

由圖4 可知，使用文獻[1]方法、文獻[2]方法時延變化范圍分別為0～450 ns、200～450 ns；使用所提方法時延變化范圍為310～380 ns。在上述對比結果中，使用所提方法與表1 實際值一致，說明該方法的估計結果更為精準。

4 結束語

研究了基于稀疏重構的鐵路貨車TFDS 網絡傳輸時延估計方法，引入了基于稀疏字典原子匹配原理獲取稀疏重構信號，以此計算信號權重估計值。根據信號權重估計結果計算鐵路貨車TFDS 網絡傳輸時延估計結果，并通過實驗驗證了該方法研究的可靠性，可以在相關領域得到廣泛應用。