Bay-Fi |

Projektinfos & Neuigkeiten

Mon, 27 Oct 2025 00:00:00 +0000

Abstract

Bauwerksüberwachung (SHM) und operationelle Modalanalyse beruhen auf der genauen Identifikation modaler Frequenzen aus Schwingungssignalen. In vielen praktischen Fällen ist die Erfassung hochfrequenter Signale jedoch durch Hardware, Energieverbrauch oder Übertragungsbandbreite begrenzt, wodurch die Sub-Nyquist-Abtastung zu einer zentralen Herausforderung wird.

Bay-Fi (Bayesian Frequency Identification) begegnet dieser Herausforderung mit einer neuen, allgemeinen Methode, die die direkte Identifikation der modalen Hauptfrequenz ermöglicht, ohne:

Signalrekonstruktion
vorherige Abstimmung von Hyperparametern

Der Ansatz nutzt ein bayessches Framework, um einen Kurvenanpassungsalgorithmus zu optimieren, der auf stark unterabgetastete und zufällig erfasste Schwingungssignale angewendet wird. So entstehen robuste Frequenzschätzungen auch dort, wo herkömmliche Methoden wegen Aliasing oder zu weniger Daten scheitern würden.

Methodik

Die Kernidee von Bay-Fi besteht darin, die Frequenzidentifikation als bayessches Optimierungsproblem zu formulieren. Statt das vollständige Signal aus spärlichen Messungen zu rekonstruieren, schätzt die Methode die dominante Frequenz direkt, indem sie ein parametrisches Modell in einem probabilistischen Rahmen an die verfügbaren Abtastwerte anpasst.

Wesentliche Merkmale der Methode:

Ohne Parameterabstimmung: kein Vorwissen und keine manuelle Einstellung erforderlich
Robust gegenüber Unterabtastung: funktioniert mit Signalen, die deutlich unterhalb der Nyquist-Rate abgetastet sind
Für zufällige Abtastung geeignet: verarbeitet ungleichmäßige und zufällig erfasste Abtastwerte
Skalierbar: anwendbar auf Ein- und Mehrkanalmessungen

KI-generierter Podcast

Haben Sie sich je gefragt, wie Bay-Fi klingen würde, wenn zwei begeisterte Moderatoren es bei einem Kaffee erklären? Hier ist die Antwort. (Aalto University, Finnland) hat das Paper einer KI gegeben, und heraus kam eine überraschend unterhaltsame Podcast-Folge, mit bayesscher Inferenz, Sub-Nyquist-Abtastung und allem Drum und Dran. Viel Spaß beim Zuhören! (Der Podcast ist auf Englisch.)

Neuigkeiten

Datum	Neuigkeit
Okt. 2025	Projektstart, erste Entwicklung des bayesschen Frameworks

Publikationen und Vorträge

Mon, 27 Oct 2025 00:00:00 +0000

Zeitschriftenartikel

J1. Bay-Fi: Approximate Bayesian main Frequency Identification for extremely undersampled signals

Konferenzbeiträge

C1. Bayesian Approach for Main Frequency Identification on Extremely Under-Sampled Signals — EVACES 2025, Porto

Vorträge und Präsentationen

#	Veranstaltung	Ort	Datum	Status
T1		Porto, Portugal	2.–4. Jul. 2025	✅ präsentiert
T2		Neapel, Italien	29. Jun. – 2. Jul. 2027	🔜 geplant

Code-Repository

Mon, 27 Oct 2025 00:00:00 +0000

Bay-Fi

Der Quellcode von Bay-Fi ist auf GitHub unter der MIT-Lizenz frei verfügbar.

Bay-Fi ist ein bayessches Framework, um die wichtigsten Schwingungsfrequenzen aus extrem spärlichen, unterabgetasteten Signalen zu bestimmen, ohne Signalrekonstruktion und ohne Parameterabstimmung. Es erreicht höhere Kompressionsraten als klassische Compressed-Sensing-Verfahren.

Aufbau des Repositorys

Ordner	Beschreibung
`BayFi/`	Kernalgorithmus: Hauptbibliothek `LIB.py`
`Classic-CS/`	MATLAB-Routinen zur konvexen Optimierung (Vergleichsbasis)
`Examples/`	Anwendungsbeispiele, darunter ein Datensatz eines Einfeldträgers
`Plotting/`	Visualisierungsskripte
`Papers/`	Zugehörige Konferenz- und Zeitschriftenbeiträge
`methodology.pdf`	Visuelle Dokumentation des bayesschen Frameworks

Abhängigkeiten

numpy · scipy · tqdm · pyswarms

Python 3.13: Installation mit pip install -r requirements.txt

Autorinnen und Autoren

Chiara Nardin · Stefano Zorzi · Federica Zonzini · Marco Broccardo

💡 Geben Sie dem Repository auf einen Stern, um über Neuigkeiten informiert zu bleiben!