亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        強噪聲下非平穩(wěn)時延目標(biāo)信號提取*

        2022-09-28 07:26:40葛雙超王夢蕾
        電訊技術(shù) 2022年9期
        關(guān)鍵詞:變分時延模態(tài)

        葛雙超,王夢蕾

        (中北大學(xué) 儀器與電子學(xué)院,太原 030051)

        0 引 言

        由于受各類環(huán)境和人為干擾,電磁測試信號往往包含大量噪聲,特別是隨著各領(lǐng)域?qū)y試精度要求的不斷提高,復(fù)雜環(huán)境下微弱有效信號提取逐漸成為一個重點研究課題。

        現(xiàn)實中各種信號普遍存在時域突變性,且頻譜成分復(fù)雜,屬于非線性、非平穩(wěn)信號。1998年,Huang等人[1]提出了Hilbert-Huang變換(Hilbert-Huang Translation,HHT),其核心算法為經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)。該方法可以將信號分解為一系列本征模函數(shù)(Intrinsic Mode Function,IMF),對有效IMF進行Hilbert變換可獲取有效信號參數(shù)信息,但是EMD方法在強噪聲下存在端點效應(yīng)和模態(tài)混疊的問題。變分模態(tài)分解(Variational Mode Decomposition,VMD)是Dragomiretskiy等人[2]在2014年提出的一種非遞歸的自適應(yīng)、準正交的模態(tài)變分和信號處理方法。VMD 算法通過迭代搜索自適應(yīng)地匹配各個模態(tài)分量的最佳中心頻率和有限帶寬,在搜索和求解過程中實現(xiàn)IMF的有效分離,進而實現(xiàn)目標(biāo)信號成分提取。VMD 算法已成功用于機械故障診斷、地震記錄分析等領(lǐng)域的非線性、非平穩(wěn)信號處理,但是其過度懲罰了域邊界和內(nèi)部的跳躍,強噪聲下無法有效處理信號的時移偏差[3]。奇異譜分解(Singular Spectrum Analysis,SSA)算法[3]是一種全局分析法,利用相空間重構(gòu)的基本思想,通過奇異值分解對原始信號不同成分進行提取,該方法在軌道矩陣長度和分解層數(shù)設(shè)置合理的情況下可以有效分離時域差異較大的周期信號。2018年,Harmouche等人[4]將SSA與無監(jiān)督分類算法相結(jié)合,提出了滑動奇異譜分析法,可有效提取兩個頻率相近的正弦信號。

        上述算法處理具有時延不定特性的非平穩(wěn)信號時,普遍存在局部特性向全局擴散等問題。對于上述問題,直接的解決方案是將信號分解成較短的數(shù)據(jù)塊,使這些分段信號具有短時局部平穩(wěn)特性。因此本文針對數(shù)據(jù)自動分段和參數(shù)提取問題進行了相關(guān)研究,構(gòu)建了時延信號相干檢測模型并在此基礎(chǔ)上利用VMD算法設(shè)計了自適應(yīng)匹配濾波器進行強噪聲下時延信號提取。

        1 時延信號相關(guān)檢測模型

        1.1 相關(guān)檢測定位算法原理

        相關(guān)檢測技術(shù)是一種很強的周期信號提取方法,該技術(shù)利用信號和噪聲、不同成分信號間的不相關(guān)性,對目標(biāo)信號進行分離[5]。本文利用互相關(guān)函數(shù)包絡(luò)和峰值梯度為特征值構(gòu)建時延信號相關(guān)檢測模型進行目標(biāo)信號自動分段提取。

        設(shè)原始采樣序列x(t)由兩部分組成,x(t)=xn(t)+s0(t),其中,xn(t)為非線性、非平穩(wěn)信號;s0(t)為x序列中的目標(biāo)信號,

        (1)

        (a)原始信號x

        (2)

        (3)

        (4)

        式中:L1和L2分別為目標(biāo)信號在原始序列中的起始位置;N為原始數(shù)據(jù)序列長度N=fs×T,fs為采樣率;L0為標(biāo)準正弦信號長度,L0=fs。

        以上即為相關(guān)檢測定位算法的基本原理,計算過程如圖2。

        圖2 互相關(guān)檢測定位算法計算過程

        實際應(yīng)用中由于式(2)中第一項并非絕對為0,所以采用最大峰值梯度為特征參數(shù),互相關(guān)函數(shù)包絡(luò)梯度Δp由式(5)給出:

        Δp(i)=Penv(i)-Penv(i-1)。

        (5)

        式中:Penv(i)表示坐標(biāo)點i處的互相關(guān)函數(shù)包絡(luò)值。在i=L1處出現(xiàn)互相關(guān)函數(shù)最大峰值梯度。

        1.2 目標(biāo)數(shù)據(jù)段自截取算法

        利用軟閾值對互相關(guān)函數(shù)有效包絡(luò)線進行提取。互相關(guān)函數(shù)理想包絡(luò)范圍由下式給出:

        (6)

        (7)

        式中:nshift為偏移因子,?」表示向下取整,[l1l2]為有效包絡(luò)窗口邊界,max()和min()分別為最大和最小值函數(shù)。取最大最小的目的是保證可完整提取出目標(biāo)信號段。

        利用上述相關(guān)檢測定位算法可以初步確定目標(biāo)信號s0i在序列x中出現(xiàn)的起始位置L1和目標(biāo)信號序列長度L。對多頻信號的提取重復(fù)執(zhí)行上述算法即可。

        利用單頻仿真信號測試上述算法,結(jié)果如圖3所示。

        (a)時域波形

        獲取的目標(biāo)數(shù)據(jù)段時頻參數(shù)如表1所示。

        表1 相關(guān)檢測定位算法處理結(jié)果

        利用上述算法截取含目標(biāo)信號數(shù)據(jù)段后,再利用VMD算法對截取的信號進行分解即可獲取目標(biāo)信號。

        2 基于變分模態(tài)分解算法的自適應(yīng)匹配濾波器

        2.1 變分模態(tài)分解算法原理簡介

        VMD算法的實質(zhì)是將一個復(fù)雜的實信號xs(t)分解為K個具有特定稀疏性的相互獨立子信號uk(變分模態(tài)分量),在K值設(shè)置合理的前提下VMD可有效地消除信號分解時所存在的模態(tài)混疊和端點效應(yīng)現(xiàn)象[7]。VMD算法分為兩個過程,分別為構(gòu)造約束變分模型和求解約束變分模型。

        進行約束變分模型構(gòu)造時,首先將模態(tài)分量函數(shù)uk(t)進行希爾伯特變換以獲取其相應(yīng)的解析信號,再計算解析信號得到單邊頻譜

        (8)

        式中:δ(t)為沖激函數(shù)。

        然后將模態(tài)分量函數(shù)的解析信號與指數(shù)ejωkt相乘來估計中心頻率ωk,通過頻移將模態(tài)函數(shù)uk(t)的頻譜調(diào)制到相應(yīng)的基頻帶

        (9)

        通過對解調(diào)信號進行高斯平滑來估計uk(t)的帶寬,得到相對應(yīng)的約束變分模型表達式為

        (10)

        式中:min{ }為取最小值函數(shù),K為預(yù)先設(shè)定的分解個數(shù),F(xiàn)x為原始輸入信號的頻域?qū)嵵敌盘枴?/p>

        式(10)是一個最優(yōu)化問題,求解時引入二次懲罰因子α與增廣拉格朗日乘子λ,將目標(biāo)函數(shù)的約束變分問題轉(zhuǎn)變?yōu)榉羌s束變分形式,從而得到相應(yīng)的拉格朗日函數(shù)表達式:

        (11)

        式中:L(·)表示增廣拉格朗日函數(shù);〈·,·〉表示內(nèi)積;二次懲罰因子α是控制數(shù)據(jù)保真度的均衡參數(shù),用于平衡變分正則項和二次約束項,在含噪聲情形時可保證信號重構(gòu)精度;λ可以保證模型約束條件的嚴格性。

        利用Lagrange法的交替方向乘子求公式(11)所述變分問題的最優(yōu)解,從而將原始信號分解為K個IMF分量。

        2.2 自適應(yīng)匹配濾波器參數(shù)預(yù)設(shè)方法

        2.3 自適應(yīng)匹配濾波模態(tài)自動篩選方法

        從VMD算法分解出的K+1個分量中確定有效信號是VMD算法的一個關(guān)鍵問題。本文利用自截取信號的K個主峰頻率[f1f2,…,fK]與VMD算法分解獲取的K+1個主頻[ω1ω2,…,ωK+1]自動篩選有效分量。算法偽代碼如下:

        1 初始化:構(gòu)造K×N的s數(shù)組并初始化為0,s=zeros(K,N)

        2 令i=1

        3 While (i

        fort=1:K+1

        if(ωt==fi)

        break

        end

        end

        si(L1:L2)=u(t)篩選出第i個有效分量

        end

        通過上述自適應(yīng)模態(tài)匹配篩選方法,既可以獲取目標(biāo)數(shù)據(jù)段內(nèi)的單個有效信號分量,同時可獲取多頻疊加信號。

        本文所述算法整體流程圖如圖4所示。

        圖4 非平穩(wěn)時延目標(biāo)信號提取流程

        算法主要步驟如下:

        輸入:原始信號x。

        Step1 構(gòu)造時延信號集合S,令S=?。

        Step2 利用1.2節(jié)所述自截取算法提取目標(biāo)數(shù)據(jù)段xs=x(L1:L2)。

        Step3 利用本節(jié)所述基于變分模態(tài)分解算法的自適應(yīng)匹配濾波器對數(shù)據(jù)段xs進行信噪分離處理,提取有效信號u1,u2,…,uK。

        Step4 構(gòu)造0值序列集合s={s1,s2,…,sK}=zeros(K,N),其中N為原始序列長度,并令si(L1:L2)=ui。

        Step5 更新數(shù)據(jù):

        Step6 判斷更新后的x序列是否存在特殊頻點,判斷標(biāo)準為振幅譜曲線峰值顯著大于譜線均值。如果存在特殊頻點則執(zhí)行Step 2,否則執(zhí)行Step 7。

        Step7 輸出S。

        3 實驗與分析

        利用Matlab仿真構(gòu)造了由非平穩(wěn)噪聲信號和單頻時延目標(biāo)信號疊加而成的原始信號x1:

        (12)

        式中:ns1為高斯白噪聲;s1為時延正弦信號,采樣率為150 Hz,采樣時間30 s;wgn為非平穩(wěn)噪聲信號;f=2 Hz為正弦信號頻率; [t1t2]=[10 13]為正弦信號出現(xiàn)時段;φ=0為相位;A為振幅。信號x1可模擬超聲波測試中的回波信號等探測信號。

        高信噪比下A=5 V,SNR=6.778 dB。分別利用直接EMD算法、直接VMD算法、目標(biāo)信號段自截取后EMD算法和目標(biāo)信號自截取后VMD算法對目標(biāo)信號進行提取。高信噪比下不同算法目標(biāo)信號提取結(jié)果如圖5所示。

        (a)不同算法提取結(jié)果

        為進一步突出不同算法的信號提取效果,降低原始信號信噪比,令A(yù)=1 V,SNR=-17.659 dB,信號時域波形如圖6(a)墨綠色曲線所示。利用四種算法進行了分析對比,結(jié)果如圖6所示。

        (a)不同算法提取結(jié)果

        仿真結(jié)果表明,不同信噪比情況下,目標(biāo)信號段自截取后VMD算法提取的信號均具有最高精度,直接EMD算法提取精度最低。不同信噪比下不同算法處理結(jié)果的統(tǒng)計分析見表2。

        表2 不同算法誤差統(tǒng)計分析對比

        為進一步驗證本文所述方法的有效性,利用高斯噪聲和多個目標(biāo)信號混疊構(gòu)造了如下仿真數(shù)據(jù):

        x2=ns2+s2=ns2+s21+s22=

        (13)

        其中,信號采樣率為100 Hz,采樣時間30 s,SNR=1.53 dB。目標(biāo)信號雙頻信號s21出現(xiàn)時刻為5~15 s,由頻率為5 Hz和25 Hz的正弦信號疊加構(gòu)成;目標(biāo)信號s22出現(xiàn)時刻為20~22 s,為morlet小波。信號x2與電力系統(tǒng)故障檢查中的常見振動和局部充放電信號類似。

        對s21和s22信號的自截取結(jié)果如圖7所示。

        (a)目標(biāo)信號s21自截取結(jié)果

        (a)不同算法提取結(jié)果

        對不同算法提取結(jié)果進行了誤差分析和效率對比,結(jié)果見表3。

        表3 強噪聲下復(fù)雜信號不同算法誤差統(tǒng)計分析對比

        表3表明,自截取+VMD算法對于混疊在背景噪聲中的復(fù)雜目標(biāo)信號提取效果最好。由于原始數(shù)據(jù)中混疊兩個時段的不同類型的目標(biāo)信號,而自截取+VMD算法分別對這兩段目標(biāo)信號進行了提取,故用時較其他算法偏長。直接對整段數(shù)據(jù)進行處理雖然用時較短,但是提取結(jié)果存在明顯的模態(tài)混疊現(xiàn)象,且無法對兩段目標(biāo)信號進行有效區(qū)分,因此提取數(shù)據(jù)的利用價值不如本文所述方法高。

        4 結(jié) 論

        分段提取方法是一種有效的強噪聲下時延目標(biāo)信號分析方法。本文提出了時延信號自截取算法,并設(shè)計了基于VMD算法的自適應(yīng)匹配濾波器對自截取信號段進行處理來獲得目標(biāo)信號。結(jié)果表明,高信噪比時,直接對整段數(shù)據(jù)進行VMD變換可提取時延目標(biāo)信號,誤差略大于本文提出的方法,在對精度要求不高、實時性要求較高的場合可采用直接VMD;當(dāng)背景噪聲較強,完全淹沒目標(biāo)信號時,直接VMD會將局部目標(biāo)信號放大至整個時間過程,不能有效識別局部時域細節(jié)信息,而直接EMD算法幾乎失效,這種情況下需采用目標(biāo)信號段自截取后自適應(yīng)匹配濾波算法進行目標(biāo)信號提取。

        當(dāng)原始信號僅包含單一時延目標(biāo)信號,本文所述方法的處理時間稍高于直接VMD算法,滿足實時性要求;當(dāng)原始信號成分復(fù)雜、包含多個不同時延的目標(biāo)信號時,本文所述方法會對原始信號進行多次迭代處理,相應(yīng)的處理時間會有所增加,最終可依次提取各個時延信號;而傳統(tǒng)方法雖然效率稍高于本方法,但無法有效區(qū)分不同時延的信號成分。因此,本文所述方法對于復(fù)雜信號的分解效率高于傳統(tǒng)方法,可為后續(xù)的處理提供更有價值的數(shù)據(jù)。

        猜你喜歡
        變分時延模態(tài)
        逆擬變分不等式問題的相關(guān)研究
        求解變分不等式的一種雙投影算法
        基于GCC-nearest時延估計的室內(nèi)聲源定位
        電子制作(2019年23期)2019-02-23 13:21:12
        基于改進二次相關(guān)算法的TDOA時延估計
        關(guān)于一個約束變分問題的注記
        一個擾動變分不等式的可解性
        FRFT在水聲信道時延頻移聯(lián)合估計中的應(yīng)用
        基于分段CEEMD降噪的時延估計研究
        國內(nèi)多模態(tài)教學(xué)研究回顧與展望
        基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
        精品综合一区二区三区| 免费在线日韩| 亚洲一区二区三区视频免费| 亚洲视频高清一区二区| 国产男女猛烈无遮挡免费网站| 人人妻人人澡人人爽精品欧美| 日本一区二区三区中文字幕视频| 99久久精品国产91| 国产色在线 | 日韩| 巨熟乳波霸若妻在线播放| 久久人妻av无码中文专区| 国产精品一区二区韩国av| 精品一区二区三区免费视频| 亚洲a∨无码一区二区| 青青青国产免A在线观看| 在线成人影院国产av| 色欲人妻综合aaaaa网| 亚洲国产中文在线二区三区免| 狠狠亚洲超碰狼人久久老人| 校园春色日韩高清一区二区| 337p日本欧洲亚洲大胆精品| 国产欧美日韩专区| 中文字幕乱码琪琪一区| 亚洲国产色一区二区三区| 九九久久精品无码专区| 97福利视频| 国产一区在线视频不卡| 成人网站在线进入爽爽爽| 精品久久久久久久中文字幕| 国产成人AⅤ| 一本色道久久88—综合亚洲精品| 性欧美videofree高清精品 | 久久成人永久免费播放| 中文字幕熟女激情50路| 亚洲av首页在线| 尤物99国产成人精品视频| 国产精品久久夜伦鲁鲁| 国产精品偷窥熟女精品视频| 在线va免费看成| 国产日韩AV无码免费一区二区| 人妻中文字幕日韩av|