CN104698091B - 一种基于量化信息熵的一维构件应力波信号奇异点检测的方法 - Google Patents

Abstract

本发明涉及信号特征识别领域，具体涉及的是一种基于量化信息熵的一维构件应力波信号奇异点检测的方法。本发明包括：(1)将原始应力波信号进行预处理，进行n层小波包分解，得到不同频率范围的2ⁿ个子波信号；(2)在信息熵的基础上提出量化信息熵，作为一维构件应力波信号的特征量；(3)构造固定宽度W的时间窗，在信号的时程上按步长B移动提取信号特征量，构造信号的特征量矩阵；(4)对信号的特征量矩阵做降维处理，分析判定信号奇异点的位置信息。与现有算法技术相比，本发明的有益效果是实现了特征量的降维，在信号存在多处奇异点的情况下可以得到优异的检测结果，提高了检测分辨率，并且抗噪性能优良，不占有过多的时间资源。

Description

一种基于量化信息熵的一维构件应力波信号奇异点检测的 方法

技术领域

本发明涉及信号特征识别领域，具体涉及的是一种基于量化信息熵的一维构件应力波信号奇异点检测的方法。

背景技术

信号的奇异点检测是应用非常广泛的技术，特别是在结构体的完整性检测上，例如一维构件的完整性检测。

目前在一维构件完整性检测上应用最广泛的方法为应力波法，即：在一维构件的同一端安置应力波激发器和信号接收传感器，激发应力波之后，应力波传感器会接收到完整的应力波信号波形，波形中包含丰富的信息，通过分析信号波形特征量，可以得到一维构件的完整性信息。目前常见的应力波特征量包括信号的能量(功率谱密度)，方差等，提取特征量的方式有在信号整个时程上提取特征量，还有先将信号分段，提取每段信号的特征量。无论是在信号整个时程上，还是分段提取信号的特征量，都难免会造成奇异点的遗漏和检测分辨率的降低，如2014102188871所公开的以中国焊接缺陷提取方法及焊接缺陷检测方法。

本发明提出量化信息熵的概念，并将量化信息熵作为信号的特征量；构造时间窗为工具，在信号上移动提取特征量；将信号特征量降维，分析应力波信号的奇异点位置。与已知的基于模极大值法等奇异点检测方法相比，本发明实现了特征量的降维，在信号存在多处奇异点的情况下可以得到优异的检测结果，提高了检测分辨率，并且抗噪性能优良，不占有过多的时间资源。

发明内容

本发明的目的在于提供一种基于量化信息熵的一维构件应力波信号奇异点检测的方法。

本发明的目的是这样实现的：

(1)将原始应力波信号进行预处理，进行n层小波包分解，得到不同频率范围的2ⁿ个子波信号；

(2)在信息熵的基础上提出量化信息熵，作为一维构件应力波信号的特征量：

信号的量化信息熵为：

其中DH(X)即为信号的量化信息熵，D为幅值区间的个数，Num_i表示第i个幅值区间内采样点个数，p_i为第i个幅值区间内采样点数的统计概率

信号采样幅值集合为X＝{x₁，x₂,…,x_n}，X的概率分布为p_i＝P(x_i)(i＝1,2,…,n)，变量X的最大值与最小值，分别记为x_max和x_min，幅值由x_min到x_max平均分成D个量化幅值区间，则每段幅值的取值长度为：

每段幅值的量化取值范围为：

(x_min+iΔd,x_min+(i+1)Δd,)(i＝0,1,2,…,D-1)；

第i段幅值区间内的采样点个数为Num_i，第i段幅值区的统计概率为：

应力波经小波包k层分解后，得到m＝2^k个信号子波，时间窗步进数为x，提取特征量，即量化信息熵之后，每个子波熵值向量为：

H_m＝{DH_m1,DH_m2,DH_m3,…,DH_mn}(m＝1,2,…,2^k)；

应力波量化信息熵矩阵为：

其中每行数据代表一个子波的量化信息熵向量，m个子波构成m×n特征量矩阵

(3)构造固定宽度W的时间窗，在信号的时程上按步长B移动提取信号特征量，构造信号的特征量矩阵；

时间窗口宽度为W，步进长度为B，时间窗口宽度W的取值覆盖至少一个完整的奇异点，不超过两个奇异点；步进长度B的取值满足W/8<B<W/4；

(4)对信号的特征量矩阵做降维处理，分析判定信号奇异点的位置信息：

所有子波对应同一位置的特征值的均值，得到一维的信号特征量，求得对应同一段信号的时间窗的量化信息熵均值：

处理得到量化信息熵均值向量为：

若信号的特征值左右均收敛至最小值，则对应的信号部分存在奇异点，的第i个元素在左右对称的特定范围内均收敛为最小值，则：

((i-1)B,(i-1)B+W)(i∈[1,n])；

该段区域为应力波信号奇异点位置，其中B为步进长度，W为时间窗宽度。

本发明的有益效果在于：

与现有算法技术相比，本发明的有益效果是实现了特征量的降维，在信号存在多处奇异点的情况下可以得到优异的检测结果，提高了检测分辨率，并且抗噪性能优良，不占有过多的时间资源。

附图说明

图1为本发明的算法流程图。

图2为时间窗移动提取信号特征值，4个子波信号是由应力波信号经2层小波包分解得来，其中W/8<B<W/4。

图3为信号奇异点位置的判定，①、②、③、④代表的信号位置存在奇异点；曲线横坐标表示时间窗位数，纵坐标表示量化信息熵均值。

具体实施措施

下面结合附图对本发明做进一步描述：

基于量化信息熵的一维构件应力波信号奇异点检测的方法，步骤如下：(1)将用于检测一维构件完整性的应力波信号进行预处理，用小波包分解的方法进行分解，得到一定数量的子波；(2)提出量化信息熵的概念，将量化信息熵作为信号的特征值；(2)构造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号特征值，得到多维的信号特征量；(3)对多维特征量进行降维处理，求所有子波对应同一位置的特征值的均值，得到一维的信号特征量；(4)若某处信号的特征值左右均收敛至最小值，则判定该处对应的信号部分存在奇异点。

方法的具体步骤为：

A、将原始应力波信号进行预处理，做小波包分解，得原始应力波信号的若干子波信号。

B、在信息熵的基础上提出量化信息熵的概念，作为一维构件应力波信号的特征量。

C、构造固定宽度W的时间窗，在信号的时程上按一定的步长B移动提取信号特征量。构造信号的特征量矩阵。

D、对信号的特征量矩阵做降维处理，分析判定信号奇异点的位置信息。

对原始应力波信号进行小波包分解，可以同时对信号的高频和低频部分进行分解，既不会使信号的信息丢失，也实现了对信号更为精细的分解，达到更优的时频局部化效果。对信号进行n层小波包分解，即可得到不同频率范围的2ⁿ个子波信号。

量化信息熵的定义为，设信号采样幅值集合为X＝{x₁，x₂,…,x_n}，X的概率分布表示为p_i＝P(x_i)(i＝1,2,…,n)，同时取变量X的最大值与最小值，分别记为x_max和x_min，结合实际情况，将幅值由x_min到x_max平均分成D个量化幅值区间。则每段幅值的取值长度为：

每段幅值的量化取值范围为：

(x_min+iΔd,x_min+(i+1)Δd,)(i＝0,1,2,…,D-1)

设第i段幅值区间内的采样点个数为Num_i，则第i段幅值区的统计概率定义为：

则信号的量化信息熵定义为：

其中DH(X)即为信号的量化信息熵，D为幅值区间的个数，Num_i表示第i个幅值区间内采样点个数，p_i为第i个幅值区间内采样点数的统计概率。

对于固定宽度的时间窗口，要特别注意必要参数的设置。设时间窗口宽度为W，步进长度为B。时间窗口宽度W的取值要覆盖至少一个完整的奇异点，同时尽量不超过两个奇异点；步进长度B的取值满足W/8<B<W/4，以满足在按步进提取特征量的时候，不会遗漏奇异点，也不会重复处理同一个奇异点，减少处理时间，提高奇异点的分辨率。

求解信号的量化信息熵矩阵时，设应力波经小波包k层分解后，得到m＝2^k个信号子波，时间窗步进数设为n，提取特征量，即量化信息熵之后，每个子波熵值向量为：

H_m＝{DH_m1,DH_m2,DH_m3,…,DH_mn}(m＝1,2,…,2^k)

应力波量化信息熵矩阵构造如下：

其中每行数据代表一个子波的量化信息熵向量，m个子波构成m×n特征量矩阵。

对多维特征量矩阵进行降维处理，求所有子波对应同一位置的特征值的均值，得到一维的信号特征量，一个复杂的特征量矩阵并不能较好地分析出奇异点，在多维特征量矩阵的基础上，求得对应同一段信号的时间窗的量化信息熵均值：

处理得到量化信息熵均值向量为：

若某处信号的特征值左右均收敛至最小值，则该处对应的信号部分存在奇异点。设的第i个元素在其左右对称的特定范围内均收敛为最小值，则：

((i-1)B,(i-1)B+W)(i∈[1,n])

该段区域为应力波信号奇异点位置，其中B为步进长度，W为时间窗宽度。

将用于检测一维构件完整性的应力波信号进行预处理，用小波包分解的方法进行分解，得到一定数量的子波；提出量化信息熵的概念，将量化信息熵作为信号的特征值；构造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号特征值，得到多维的信号特征量；对多维特征量进行降维处理，求所有子波对应同一位置的特征值的均值，得到一维的信号特征量；若某处信号的特征值左右均收敛至最小值，则该处对应的信号部分存在奇异点。

该方法的具体步骤是：

(1)对原始应力波信号进行预处理，用小波包分解的方法对应力波信号进行适当层数的分解，得到若干子波。如图2所示4个子波由原始应力波经2层小波包分解而来。

(2)在信息熵的概念基础上提出量化信息熵的概念，做为应力波信号的特征值。设信号采样幅值集合为X＝{x₁，x₂,…,x_n}，X的概率分布表示为p_i＝P(x_i)(i＝1,2,…,n)，同时取变量X的最大值与最小值，分别记为x_max和x_min，结合实际情况，将幅值由x_min到x_max平均分成D个量化幅值区间。则每段幅值的取值长度为：

每段幅值的量化取值范围为：

(x_min+iΔd,x_min+(i+1)Δd,)(i＝0,1,2,…,D-1)

设第i段幅值区间内的采样点个数为Num_i，则第i段幅值区的统计概率定义为：

则信号的量化信息熵定义为：

其中DH(X)即为信号的量化信息熵，D为幅值区间的个数，Num_i表示第i个幅值区间内采样点个数，p_i为第i个幅值区间内采样点数的统计概率。

(3)构造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号特征值，得到多维的信号特征量。对于固定宽度的时间窗口，要特别注意必要参数的设置。设时间窗口宽度为W，步进长度为B。时间窗口宽度W的取值要覆盖至少一个完整的奇异点，同时尽量不超过两个奇异点；步进长度B的取值满足W/8<B<W/4，以满足在按步进提取特征量的时候，不会遗漏奇异点，也不会重复处理同一个奇异点，减少处理时间，提高奇异点的分辨率。

(4)设应力波经小波包k层分解后，得到m＝2^k个信号子波，时间窗步进数设为n，提取特征量，即量化信息熵之后，每个子波熵值向量为：

H_m＝{DH_m1,DH_m2,DH_m3,…,DH_mn}(m＝1,2,…,2^k)

应力波量化信息熵矩阵构造如下：

其中每行数据代表一个子波的量化信息熵向量，m个子波构成m×n特征量矩阵。

(5)对多维特征量矩阵进行降维处理，求所有子波对应同一位置的特征值的均值，得到一维的信号特征量，一个复杂的特征量矩阵并不能较好地分析出奇异点，在多维特征量矩阵的基础上，求得对应同一段信号的时间窗的量化信息熵均值：

处理得到量化信息熵均值向量为：

(6)若某处信号的特征值左右均收敛至最小值，则该处对应的信号部分存在奇异点。设的第i个元素在其左右对称的特定范围内均收敛为最小值，则：

((i-1)B,(i-1)B+W)(i∈[1,n])

该段区域为应力波信号奇异点位置，其中B为步进长度，W为时间窗宽度。

基于量化信息熵的一维构件应力波信号奇异点检测的方法，其具体步骤如下：

(1)对原始应力波信号进行预处理，用小波包分解的方法对应力波信号进行适当层数的分解，得到若干子波。

(2)在信息熵的概念基础上提出量化信息熵的概念，做为应力波信号的特征值，按如下公式求信号的量化信息熵：

(3)构造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号特征值，得到多维的信号特征量。步进长度B和时间窗宽度W的取值满足W/8<B<W/4。

(4)应力波量化信息熵矩阵构造如下：

(5)对多维特征量矩阵进行降维处理，得到量化信息熵均值向量为：

(6)若某处信号的特征值左右均收敛至最小值，则该处对应的信号部分存在奇异点。设的第i个元素在其左右对称的特定范围内均收敛为最小值，则：

((i-1)B,(i-1)B+W)(i∈[1,n])

该段区域为应力波信号奇异点位置，其中B为步进长度，W为时间窗宽度。

如图3所示，选取桩基检测所得已知损伤位置的应力波信号为实验对象，用sym8小波包进行3层分解，时间窗口宽度W取为1ms，时间窗口内按时间平均采样为100个点，步进长度B取值为0.2ms，即20个采样点，幅值分段数D设为10。结果如图3所示，①、②、③、④即为信号的4个奇异点位置。

与已知的基于模极大值奇异点检测等方法相比，本发明提出量化信息熵的创新性概念，并将量化信息熵作为信号的特征量；构造时间窗为工具，在信号上移动提取特征量；将信号特征量降维，分析应力波信号的奇异点位置；基于本发明的奇异点检测结果显示，奇异点位置准确率达到80％以上，奇异点个数正确率达到100％，在加入噪声的情况下仍能取得满意的结果，并且时间资源消耗没有明显的增加。本发明实现了特征量的降维，在信号存在多处奇异点的情况下可以得到优异的检测结果，提高了检测分辨率，并且抗噪性能优良，不占有过多的时间资源。

Claims (1)

1.一种基于量化信息熵的一维构件应力波信号奇异点检测的方法，其特征在于，包括如下步骤：

(1)将原始应力波信号进行预处理，进行n层小波包分解，得到不同频率范围的2ⁿ个子波信号；

(2)在信息熵的基础上提出量化信息熵，作为一维构件应力波信号的特征量：

信号的量化信息熵为：

其中DH(X)即为信号的量化信息熵，D为幅值区间的个数，Num_i表示第i个幅值区间内采样点个数，p_i为第i个幅值区间内采样点数的统计概率

信号采样幅值集合为X＝{x₁,x₂,…,x_n}，X的概率分布为p_i＝P(x_i)(i＝1,2,…,n)，变量X的最大值与最小值，分别记为x_max和x_min，幅值由x_min到x_max平均分成D个量化幅值区间，则每段幅值的取值长度为：

每段幅值的量化取值范围为：

(x_min+iΔd,x_min+(i+1)Δd,)(i＝0,1,2,…,D-1)；

第i段幅值区间内的采样点个数为Num_i，第i段幅值区的统计概率为：

应力波经小波包k层分解后，得到m＝2^k个信号子波，时间窗步进数为x，提取特征量，即量化信息熵之后，每个子波熵值向量为：

H_m＝{DH_m1,DH_m2,DH_m3,…,DH_mn}(m＝1,2,…,2^k)；

应力波量化信息熵矩阵为：

其中每行数据代表一个子波的量化信息熵向量，m个子波构成m×n特征量矩阵；

(3)构造固定宽度W的时间窗，在信号的时程上按步长B移动提取信号特征量，构造信号的特征量矩阵；

时间窗口宽度为W，步进长度为B，时间窗口宽度W的取值覆盖至少一个完整的奇异点，不超过两个奇异点；步进长度B的取值满足W/8<B<W/4；

(4)对信号的特征量矩阵做降维处理，分析判定信号奇异点的位置信息：

所有子波对应同一位置的特征值的均值，得到一维的信号特征量，求得对应同一段信号的时间窗的量化信息熵均值：

处理得到量化信息熵均值向量为：

若信号的特征值左右均收敛至最小值，则对应的信号部分存在奇异点，的第i个元素在左右对称的特定范围内均收敛为最小值，则：

((i-1)B,(i-1)B+W)(i∈[1,n])；

该段区域为应力波信号奇异点位置，其中B为步进长度。