CN105737909A - 基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统 - Google Patents

Abstract

本发明涉及流量检测领域，为一种以单片机(MCU)为核心、基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统。该方法包括：(1)查找包含瞬态冲击振动干扰的数据段，(2)配置卡尔曼滤波器，(3)分段进行卡尔曼滤波，(4)频域幅值谱分析。采用卡尔曼滤波器预测估计涡街流量信号，达到降低强瞬态冲击振动干扰能量和比重的目的。即使存在多个瞬态冲击振动干扰分量，且干扰能量大于涡街流量信号能量时，仍然能够消除强噪声的干扰，正确提取涡街流量频率，确保涡街流量计在复杂工况情况下的测量精度。

Description

基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统

技术领域

本发明属于流量检测技术领域，是基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统，具体涉及一种以单片机(MCU)为核心、分段卡尔曼滤波与周期图谱分析相结合的涡街流量计抗强瞬态冲击振动干扰的信号处理方法和系统。

背景技术

涡街流量计具有无机械可动部件、使用寿命长、测量范围大等优点，并且适用于多种介质如液体、气体和饱和蒸汽的测量，在流程工业中得到了广泛应用。但是，涡街流量计是一种基于流体振动工作原理的流量计，由漩涡发生体、涡街流量传感器和信号处理系统组成。涡街流量传感器对管道振动非常敏感，当振动干扰能量超过流量信号能量时，常规幅值占优的频谱分析方法无法排除该干扰，会影响到涡街流量计测量的准确性。因此，涡街流量计信号处理的难点在于如何从含有强振动干扰噪声的混合信号中提取出涡街流量信号。管道振动干扰可分为周期性正弦振动干扰和瞬态冲击振动干扰。

周期性正弦振动干扰主要是由应用现场的电机、气泵、水泵等设备的机械振动产生。每个振源分别产生单一、固定频率的振动干扰。当存在这种振动干扰时，涡街流量传感器输出多个不同频率的正弦信号叠加而成的平稳信号。针对周期性正弦振动干扰，国内外的学者进行了大量的研究，取得了较好的抗周期性正弦振动干扰的效果(L.GeraldSchlatter,DouglasWilliamBarrett,F.JohnWaers,H.LeeGilbert,andJ.MarkElder.Signalprocessingmethodandapparatusforflowmeters.InternationalPatent,WO90/04230,Apr.19,1990；C.-L.Shao,K.-J.Xu,andM.Fang.Frequency-VarianceBasedAntistrongVibrationInterferenceMethodforVortexFlowSensor[J].IEEETrans.onInstrumentationandMeasurement,2014,63(6):1566-1582；罗清林.抗强振动干扰数字涡街流量计信号处理方法研究与低功耗实现[D].合肥工业大学,2010；邢娟,张涛,郝松.管道振动对涡街流量计测量影响的试验研究[J].振动与冲击,2009,28(3):112-115)。

瞬态冲击振动干扰主要由管道敲击、水击冲击、气蚀冲击和脉动冲击等造成。管道系统在受到瞬态冲击力的作用时，涡街流量传感器输出信号的幅值突然增大，之后逐渐衰减至稳定状态。经频谱分析，瞬态冲击将产生多个干扰频率分量，甚至可能存在一个或多个干扰分量的能量超过流量信号的能量。针对涡街流量计抗瞬态冲击振动干扰，国内外的研究较少。其中，有些学者通过改进涡街流量传感器的结构来提升涡街流量计抗瞬态冲击振动干扰的能力(J.J.Miau,C.C.Hu,J.H.Chou.Responseofavortexflowmetertoimpulsivevibrations[J].FlowMeasurementandInstrumentation,2000(11):41-49；潘岚,宋开臣,徐国梁.高抗干扰性能涡街流量计传感器的研究[J].中国计量学院学报,2005,16(4):268-270,278)。但是，当出现连续或较强瞬态冲击时，仍然会造成涡街流量计测量失误。针对机械冲击，有些学者提出盲源分离算法，对分离瞬态冲击振动干扰具有一定的效果(S.Hao,S.Jegelka,andA.Gretton.FastKernel-BasedIndependentComponentAnalysis[J].IEEETrans.onSignalProcessing,2009,57(9):3498-3511；B.M.D.Vos,I.J.Taelman,andS.V.Huffel.Sourceseparationfromsingle-channelrecordingsbycombiningempirical-modedecompositionandindependentcomponentanalysis[J].IEEETrans.onBiomedicalEngineering,2010,57(9):2188-2196；.J.Antoni.Blindseparationofvibrationcomponents:Principlesanddemonstrations[J].MechanicalSystemsandSignalProcessing,2005,19(6):1166-1180)。但是，盲源分离算法运算量大，无法满足低功耗涡街流量计实时性的要求。中国发明专利公布了一种抗强瞬态冲击振动干扰的涡街流量计信号处理方法(徐科军，任保宏，邵春莉，方敏，舒张平.一种基于数据替换的涡街流量计抗低频强瞬态冲击振动的信号处理方法，申请发明专利，201510021818.6)。查找敲击振动起始点和替换数据段，然后通过用反向替换数据向左右两个方向不断镜像复制替换有敲击振动干扰的数据来消除强敲击振动干扰。

发明内容

本发明要解决的问题是：在存在强瞬态冲击振动干扰的时候，涡街流量传感器输出信号中含有多个干扰频率分量，绝大部分落在涡街流量信号的频率范围内，且干扰分量的能量大于流量信号的能量。目前，盲源分离算法无法用于低功耗涡街流量计的实时实现；带通滤波或自适应陷波不适用于该类强干扰的滤波；基于幅值占优的直接频谱分析也将产生错误的结果。因此，涡街流量计需要有效的抗强瞬态冲击振动干扰的数字信号处理方法。

本发明的技术方案是：对涡街流量传感器输出的一组数据进行分段监测，查找包含强瞬态冲击振动干扰的数据段；针对该数据段分段进行卡尔曼滤波，以降低强瞬态冲击振动干扰的能量和比重(比重为该数据段中瞬态冲击产生的最大干扰分量与涡街流量信号的幅值比)，使经过滤波后涡街流量传感器输出的该组数据中流量信号的能量最大，即涡街流量信号在整体上能量占优；对滤波过后的整组数据进行频域幅值谱分析，提取幅值谱中最大峰值对应的频率即为涡街流量信号的频率。

具体的技术解决方案如下：

本发明对涡街流量传感器输出信号进行处理以降低强瞬态冲击振动干扰的能量和比重。首先，监测涡街流量传感器输出信号，分段比较后设置突变阈值，根据瞬态冲击振动干扰的幅值突变后振荡衰减的特性，查找包含瞬态冲击振动干扰的数据段；然后，配置用于预测和估计涡街流量信号的卡尔曼滤波器的变量和参数；并用此类卡尔曼滤波器对包含瞬态冲击振动干扰的数据段分段进行滤波，降低该数据段中强瞬态冲击振动干扰的能量和比重，使涡街流量信号在整体上能量占优；最后，通过频域幅值谱分析，提取涡街流量信号频率。基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法的具体处理步骤如下：

(1)查找包含瞬态冲击振动干扰的数据段

首先，采集涡街流量传感器输出信号，将2060点采样数据平均分段，根据每段数据的最大峰峰值计算突变阈值Vth；将信号的幅值与阈值进行比较，查找包含瞬态冲击振动干扰的起始数据段，并计数每次冲击数据段持续的段数N；查找瞬态冲击的起始点，并保存包含瞬态冲击振动干扰的数据段。

(2)配置卡尔曼滤波器

采用卡尔曼滤波器来预测和估计涡街流量信号。将涡街流量信号定义为状态变量X_k，将包含瞬态冲击的数据段定义为观测变量Y_k，将瞬态冲击振动干扰信号定义为测量噪声v_k。

该过程无控制参数，所以，控制输入变量U_k＝0，系数B＝0。

正常工况下涡街流量信号属于平稳正弦信号，可用上一时刻的涡街流量信号加上干扰噪声来预测估计当前状态的涡街流量信号，并用过程噪声来表示干扰噪声，则设置系数A＝1，系数G＝1，过程噪声w_k的均值并可由涡街流量信号段数据的方差近似地计算过程噪声的方差Q。

待滤波数据段是由瞬态冲击振动干扰叠加涡街流量信号所组成，则设置系数H＝1；因为强瞬态冲击振动干扰的能量一般大于流量信号的能量，为了降低振动干扰的比重，根据大量实验数据的验证，设置D的计算公式为：

$D=\sqrt{\frac{max\left(PPV\right)}{min\left(PPV\right)}}$

式中，max(PPV)为20个峰峰值中的最大值，min(PPV)为20个峰峰值中的最小值；同时，测量噪声v_k的均值并用包含瞬态冲击振动干扰数据段的方差近似地计算测量噪声方差R，其计算公式为：

$S^2=\frac{{\mathrm{\Σ}}_{i=1}^T{(Y_i-\stackrel{\‾}{Y})}^2}{T-1}$

式中，S²为方差，T为每段卡尔曼滤波包含的待滤波数据的点数，Y_i为当前的观测变量值，为T个观测变量的均值。

(3)分段进行卡尔曼滤波

将每个包含瞬态冲击振动干扰的数据段均分成两段，分别计算每段测量噪声的方差，并进行卡尔曼滤波。包含瞬态冲击振动干扰数据段之外的数据保持不变。

(4)频域幅值谱分析

分段滤波有效地降低了强瞬态冲击振动干扰的能量和比重，使涡街流量信号在整体上能量占优。针对滤波后的采样数据，可直接通过频域幅值谱分析，查找幅值谱中最大峰值对应的频率，把它作为涡街流量信号的频率。

本发明的优点是：采用基于分段卡尔曼滤波的数字信号处理方法，将降低强瞬态冲击振动干扰能量和比重的目的巧妙地转换成预测和估计涡街流量信号，即使存在多个瞬态冲击振动干扰分量，且干扰分量的能量大于涡街流量信号的能量时，仍然能够消除强噪声干扰，正确提取涡街流量信号的频率，确保涡街流量计在复杂工况下的测量精度。

附图说明

图1是涡街流量计中信号处理系统硬件结构框图。

图2是涡街流量计中信号处理系统软件结构框图。

图3是涡街流量计中信号处理系统主监控程序流程图。

图4是涡街流量传感器输出信号的时域波形图。

图5是涡街流量传感器输出信号的频域幅值谱。

图6是基于卡尔曼滤波的抗瞬态冲击干扰算法的原理框图。

图7是查找包含瞬态冲击振动干扰数据段的示意图。

图8是分段进行卡尔曼滤波示意图。

图9是经过分段卡尔曼滤波后涡街流量传感器输出信号的时域波形图。

图10是经过分段卡尔曼滤波后涡街流量传感器输出信号的频域幅值谱。

具体实施方式

下面结合附图对本发明作进一步的说明。

涡街流量计中抗强瞬态冲击振动干扰的信号处理系统硬件结构框图如图1所示。本发明的系统硬件主要包括前向输入调理电路模块、数字信号处理模块、系统输出模块和电源转换电路模块。前向输入调理电路由电荷放大器、电压放大器、低通滤波器和电压跟随器组成。数字信号处理模块由MSP430F5418单片机、欠压监测电路、复位电路、铁电存储电路和外部看门狗电路组成。输出模块由通信电路和LCD显示组成。电源转换电路将24V的直流电源转换成3V的电压，供数字电路和调理电路使用。

涡街流量传感器选用压电式传感器，本发明的基本工作过程为：压电式传感器将涡街流量信号转换成电荷信号输出，输出信号先后经过电荷放大器、电压放大器、低通滤波器和电压跟随器的放大和滤波，然后进入MSP430F5418单片机的内部的ADC单元，经过ADC采样并转换成数字信号；MSP430F5418单片机采用基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法对该数字信号进行处理，得到涡街流量信号的频率，进而得到流体的流量；然后，通过输出模块将涡街信号的频率和流量值在LCD上实时显示。

涡街流量计中信号处理系统软件结构框图如图2所示。本发明的系统软件采用模块化设计，通过主监控程序来进行调控。主要包括主监控程序、初始化模块、中断模块、计算模块、看门狗模块、铁电存储模块和LCD显示模块。

涡街流量计中信号处理系统主监控程序流程图如图3所示。本发明的涡街流量计信号处理系统软件的工作过程为：系统上电，首先进行初始化，配置各个需要的模块；提取2060点ADC采样的最新数据；分段查找这组数据中是否存在强瞬态冲击振动干扰；若存在干扰，对包含瞬态冲击振动干扰的数据段分段进行卡尔曼滤波，降低瞬态冲击振动干扰的能量和比重，若不存在干扰，则忽略该步骤；计算处理过后的最新的2048点数据的幅值谱；提取当前涡街流量信号峰值对应的频率，根据涡街流量频率值计算瞬时流量；然后，刷新LCD，显示当前涡街流量的频率，完成一个循环；主监控程序返回，进入新一轮的循环。

本发明以图4所示的一组数据来说明抗强瞬态冲击振动干扰的具体方法。给定气体流量约57Hz时，ADC采样的涡街流量传感器输出的最新2060点数据的时域波形图如图4所示。此时，数据中存在强瞬态冲击振动干扰，其2048点频域幅值谱如图5所示。图5中最大峰值点(93.99Hz,0.1657V)是瞬态冲击振动的一个干扰分量的峰值点，其幅值远远大于气体流量信号对应的峰值点(57.37Hz,0.06677V)的幅值。此时，若采用基于幅值占优的幅值谱信号处理方法将提取93.99Hz的干扰分量作为涡街流量频率输出，不能得到正确的流量信息。

本发明的抗强瞬态冲击振动干扰算法原理框图如图6所示。首先，监测涡街流量传感器输出的信号，分段比较后设置突变阈值；根据瞬态冲击振动干扰的幅值突变后振荡衰减的特性，查找包含瞬态冲击振动干扰的数据段；然后，配置用于预测和估计涡街流量信号的卡尔曼滤波器的变量和参数；并用此类卡尔曼滤波器对包含瞬态冲击振动干扰的数据段分段进行滤波，降低该数据段中强瞬态冲击振动干扰的能量和比重，使涡街流量信号在整体上能量占优；最后，通过频域幅值谱分析，提取涡街流量信号的频率。下面，具体介绍基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法的处理流程：

(1)查找包含瞬态冲击振动干扰的数据段

突变阈值的设置如图4中双向箭头所示。首先将2060点采样数据均分成20段，每段包含103点数据。查找每段数据的最大值和最小值，然后计算两者差值(峰峰值)。设置20个峰峰值中最小的三个数值的均值为突变阈值Vth。从第一段开始，查找并保存最值(最值包括最大值和最小值)绝对值大于Vth的数据段。

通过大量的实验数据分析，存在瞬态冲击振动干扰的起始段数据主要有以下三大类特征。第一类：该段只有最大值的绝对值大于Vth，此最大值之后不存在相邻波谷，且下一段最大值和最小值的绝对值均超过突变阈值；第二类：该段只有最小值的绝对值大于Vth，此最小值之后不存在相邻波峰，且下一段最大值和最小值的绝对值均超过突变阈值；第三类：该段最大值和最小值的绝对值均超过突变阈值。

查找包含瞬态冲击振动干扰数据段的示意图如图7所示。根据上述三大类特征查找存在瞬态冲击振动干扰的起始数据段，并计数每次冲击数据持续的段数N。图7中所示的第8段即为瞬态冲击的起始数据段，且与其相邻的第9段、第10段和第11段都存在最值绝对值大于Vth的情况，则此4段数据属于1次瞬态冲击，即该次瞬态冲击的N＝4。上述查找包含瞬态冲击振动干扰的数据段的方法基本上能够排除毛刺干扰，但还要区分是否是流量变大。综合考虑系统的响应速度和涡街流量信号提取的准确性，只有下面几个条件同时满足时才认为是流量变大。这几个条件分别是：2060点采样数据中只有1次幅值突变的情况；最后一段数据最值的绝对值大于Vth；N≥10，即至少有一半的数据属于流量变大后的数据。

确定存在强瞬态冲击振动干扰后，查找包含瞬态冲击振动干扰的起始段中第一个超过突变阈值的极值点作为第一个突变点，即图7中横坐标为792的点；以第一突变点左侧第一个过零点作为瞬态冲击起始点，即图7中横坐标785所对应的点。保存该起始点以及起始点之后的103*N点数据。该段数据即为包含瞬态冲击振动干扰的数据段，如图7中虚线框所包含的数据段[785,1197]。

(2)配置卡尔曼滤波器

卡尔曼滤波器的数学公式用状态空间的概念来描述，包含描述状态变量的状态方程(式(1))和描述观测变量的观测方程(式(2))。

X_k+1＝AX_k+BU_k+Gw_k(1)

Y_k+1＝HX_k+1+Dv_k+1(2)

式中，X_k为k时刻的状态向量，X_k+1为k+1时刻的状态向量，U_k为k时刻的控制输入向量，Y_k+1为k+1时刻的观测向量，A、B、D、G和H为已知的系数矩阵，详细的配置方法在下面通过结合具体的应用来介绍，w_k和v_k+1分别为过程噪声和测量噪声。同时，w_k和v_k+1是相互独立的高斯白噪声，其噪声均值分别为和协方差分别为Q和R。

本发明将降低强瞬态冲击振动干扰能量和比重的目的巧妙地转换成预测估计涡街流量信号。下面设置离散卡尔曼滤波器的变量和参数，以图4所示的涡街流量传感器输出信号为例来预测估计涡街流量信号。首先，将涡街流量信号定义为状态变量X_k，包含瞬态冲击振动干扰的数据段定义为观测变量Y_k。瞬态冲击振动干扰信号定义为测量噪声v_k。该过程无控制参数，所以，控制输入变量U_k＝0，系数B＝0。

正常工况下的涡街流量信号属于平稳正弦信号，可用上一时刻的涡街流量信号加上干扰噪声来预测估计当前状态的涡街流量信号，并用过程噪声来表示干扰噪声，则设置系数A＝1，系数G＝1，过程噪声w_k的均值并可由涡街流量信号段数据的方差近似地计算过程噪声的方差Q，图4所示波形的Q约为0.05。

待滤波数据段是由瞬态冲击振动干扰叠加涡街流量信号所组成，则设置系数H＝1；因为强瞬态冲击振动干扰的能量一般大于涡街流量信号的能量，为了降低振动干扰的比重，根据大量实验数据的验证，本发明按照式(3)设置D。无流量或接近流量下限时，涡街流量计受强瞬态冲击振动干扰的影响最大。为了保证卡尔曼滤波算法的有效性，可适当增加D的数值，图4所示波形的D＝5.48。

$D=\sqrt{\frac{max\left(PPV\right)}{min\left(PPV\right)}}---\left(3\right)$

式中，max(PPV)为20个峰峰值中的最大值，min(PPV)为20个峰峰值中的最小值；同时，测量噪声v_k的均值并用包含瞬态冲击振动干扰数据段的方差近似地计算测量噪声方差R，其计算公式为

$S^2=\frac{{\mathrm{\Σ}}_{i=1}^T{(Y_i-\stackrel{\‾}{Y})}^2}{T-1}---\left(4\right)$

式中，S²为方差，T为每段卡尔曼滤波包含的待滤波数据的点数，Y_i为当前的观测变量值，为T个观测变量的均值。

起始点的采样值作为初始状态变量X_0|0；设置初始预测误差协方差P_0|0＝1。

(3)分段进行卡尔曼滤波

分段进行卡尔曼滤波示意图如图8所示。图4所示波形中包含3次瞬态冲击振动干扰，包含瞬态冲击振动干扰的数据段分别为[172,481]、[785,1197]和[1424,1733]，如图8中双向箭头所示的范围。这3个数据段不仅包含瞬态冲击振动干扰，还包含涡街流量信号。因此，在对该类数据段进行卡尔曼滤波的同时，该段包含的涡街流量信号的能量也会有所衰减。然而，每个包含瞬态冲击振动干扰的数据段都包含幅值突变段和振荡衰减段。为了降低瞬态冲击振动干扰的能量，且尽可能地减小对涡街流量信号的衰减，通过大量实验数据的测试，本发明将每个包含瞬态冲击振动干扰的数据段均分成两段，分别进行卡尔曼滤波，分界线如图8中的红色短虚线所示。前半段近似为幅值突变段，后半段近似为振荡衰减段。这样，3段包含瞬态冲击振动干扰的待滤波数据段就分为6段。仅对这6段数据段进行卡尔曼滤波，而这6段之外的数据保持不变。针对这6段数据，分别计算其测量噪声方差R，并依次分别进行卡尔曼滤波。

经过分段进行卡尔曼滤波后，得到滤波后涡街流量传感器输出信号的时域波形图如图9所示。对比图4和图9滤波前后的时域波形图可以看出，分段卡尔曼滤波过程有效地降低了瞬态冲击振动干扰的能量。

(4)频域幅值谱分析

对图9所示的滤波后的涡街流量传感器输出数据进行频谱分析。取2060点数据中的后2048点数据，得到经过分段卡尔曼滤波后涡街流量传感器输出信号的频域幅值谱如图10所示。该幅值谱中气体流量信号的峰值点为(57.37Hz,0.05256V)，瞬态冲击振动的最大干扰分量对应的峰值点为(93.99Hz,0.03219V)。通过图5和图10滤波前后涡街流量传感器输出信号的频域幅值谱对比可以看出，滤波前，由于受到强瞬态冲击振动的干扰，有多个超过流量信号幅值的干扰峰值；滤波后，干扰分量的能量大幅降低，涡街流量信号在整体上能量占优。此时，提取幅值谱中的最大峰值即为涡街流量信号对应的峰值。

正常工况情况下，在没有强瞬态冲击振动干扰的时候，涡街流量信号的能量占优，所以，直接查找幅值谱中的最大峰值即为涡街流量信号峰值；在有强瞬态冲击振动干扰的时候，通过图6所示的信号处理方法，先查找含有瞬态冲击振动干扰的数据段。然后配置卡尔曼滤波器变量和参数，分别对这些数据段分段进行卡尔曼滤波，降低强瞬态冲击振动干扰的能量和比重后，一般也能达到涡街流量信号在整体上能量占优的效果。此时，再提取幅值谱中的最大峰值即为涡街流量信号对应的峰值。

Claims (2)

1.基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统，包括前向输入调理电路模块、数字信号处理模块、系统输出模块、电源转换电路模块和基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法软件；压电式传感器将涡街流量信号转换成电荷信号输出，输出信号先后经过电荷放大器、电压放大器、低通滤波器和电压跟随器，然后进入MSP430F5418单片机的内部的ADC单元，经过ADC采样并转换成数字信号；MSP430F5418单片机采用基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法对该数字信号进行处理，得到涡街流量信号的频率，进而得到流体的流量；然后，通过输出模块将涡街信号的频率和流量值在LCD上实时显示；其特征在于：基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法包括查找包含瞬态冲击振动干扰的数据段，配置卡尔曼滤波器，分段进行卡尔曼滤波，频域幅值谱分析；采用卡尔曼滤波器预测估计涡街流量信号，达到降低强瞬态冲击振动干扰能量和比重的目的。

2.如权利要求1所述的基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统，其特征在于：对涡街流量传感器输出信号进行处理以降低强瞬态冲击振动干扰的能量和比重；首先，监测涡街流量传感器输出信号，分段比较后设置突变阈值，根据瞬态冲击振动干扰的幅值突变后振荡衰减的特性，查找包含瞬态冲击振动干扰的数据段；然后，配置用于预测和估计涡街流量信号的卡尔曼滤波器的变量和参数；并用此类卡尔曼滤波器对包含瞬态冲击振动干扰的数据段分段进行滤波，降低该数据段中强瞬态冲击振动干扰的能量和比重，使涡街流量信号在整体上能量占优；最后，通过频域幅值谱分析，提取涡街流量信号频率；基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法的具体处理步骤如下：

(1)查找包含瞬态冲击振动干扰的数据段

首先，采集涡街流量传感器输出信号，将2060点采样数据平均分段，根据每段数据的最大峰峰值计算突变阈值Vth；将信号的幅值与阈值进行比较，查找包含瞬态冲击振动干扰的起始数据段，并计数每次冲击数据段持续的段数N；查找瞬态冲击的起始点，并保存包含瞬态冲击振动干扰的数据段；

(2)配置卡尔曼滤波器

采用卡尔曼滤波器来预测和估计涡街流量信号；将涡街流量信号定义为状态变量X_k，将包含瞬态冲击的数据段定义为观测变量Y_k，将瞬态冲击振动干扰信号定义为测量噪声v_k；

该过程无控制参数，所以，控制输入变量U_k＝0，系数B＝0；

正常工况下涡街流量信号属于平稳正弦信号，可用上一时刻的涡街流量信号加上干扰噪声来预测估计当前状态的涡街流量信号，并用过程噪声来表示干扰噪声，则设置系数A＝1，系数G＝1，过程噪声w_k的均值并可由涡街流量信号段数据的方差近似地计算过程噪声的方差Q；

待滤波数据段是由瞬态冲击振动干扰叠加涡街流量信号所组成，则设置系数H＝1；因为强瞬态冲击振动干扰的能量一般大于流量信号的能量，为了降低振动干扰的比重，根据大量实验数据的验证，设置D的计算公式为：

$D=\sqrt{\frac{max\left(PPV\right)}{min\left(PPV\right)}}$

式中，max(PPV)为20个峰峰值中的最大值，min(PPV)为20个峰峰值中的最小值；同时，测量噪声v_k的均值并用包含瞬态冲击振动干扰数据段的方差近似地计算测量噪声方差R，其计算公式为：

$S^2=\frac{{\mathrm{\Σ}}_{i=1}^T{(Y_i-\stackrel{\‾}{Y})}^2}{T-1}$

式中，S²为方差，T为每段卡尔曼滤波包含的待滤波数据的点数，Y_i为当前的观测变量值，为T个观测变量的均值；

(3)分段进行卡尔曼滤波

将每个包含瞬态冲击振动干扰的数据段均分成两段，分别计算每段测量噪声的方差，并进行卡尔曼滤波。包含瞬态冲击振动干扰数据段之外的数据保持不变；

(4)频域幅值谱分析

分段滤波有效地降低了强瞬态冲击振动干扰的能量和比重，使涡街流量信号在整体上能量占优；针对滤波后的采样数据，可直接通过频域幅值谱分析，查找幅值谱中最大峰值对应的频率，把它作为涡街流量信号的频率。