CN105911153A - 一种基于移动窗函数的信号分离与去噪方法及装置 - Google Patents
一种基于移动窗函数的信号分离与去噪方法及装置 Download PDFInfo
- Publication number
- CN105911153A CN105911153A CN201610218316.7A CN201610218316A CN105911153A CN 105911153 A CN105911153 A CN 105911153A CN 201610218316 A CN201610218316 A CN 201610218316A CN 105911153 A CN105911153 A CN 105911153A
- Authority
- CN
- China
- Prior art keywords
- window function
- moving window
- signal
- actual response
- response signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
Abstract
本发明公开一种基于移动窗函数的信号分离与去噪方法及装置,所述方法包括下列步骤:定义移动窗函数对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率f;确定所述移动窗函数的参数;利用上述参数确定的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声。本发明是基于移动窗函数的信号分离技术,可以有效分离出各分量信息,对采集信号基于上述去高频留低频的操作,对信号起到了很好的降噪的作用,具有操作简单,分离信号和降噪效果明显,提高了信号的信噪比,有效保留或分离出检测者感兴趣的信息。
Description
技术领域
本发明涉及一种基于移动窗函数的信号分离与去噪方法及装置,尤其是对桥梁结构的响应信号的高低频信号的分离与降噪,属于无损检测技术领域。
背景技术
在桥梁结构健康监测与损伤检测领域中,所测得的信号是多模态信号以及噪音的混合叠加。在进行结构健康监测与损伤识别时经常须要进行响应信号的信号分离和去噪,即将响应分解成各模态响应分量以及噪声分量。
在这些分量信号中,通常仅有一个或者部分分量包含检测者感兴趣的信息。在此条件下,对蕴含了多模态分量的信号进行分离与去噪,得到感兴趣的分量信息,是一具有重要意义的课题。多信号分离是现代信号处理中的一个重要研究方向,一直以来,如何从接收到的信号(其包含多个信号)中分离,恢复出想要的信号是信号处理所研究的一个主要问题。
目前,这一问题通常采用盲信号分离。盲信号分离技术已经广泛应用于通信、雷达、电子对抗、生物医学信号处理、语音信号处理和计量经济学等领域。但是盲信号分离技术需要特定的假设条件及计算繁杂。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于移动窗函数的信号分离与去噪方法及装置,通过分离结构的振动响应信号,得到检测者感兴趣的分量信息,并同时分离去除信号中的噪音部分,起到降噪的目的。
根据公开的实施例,本发明的第一方面提出了一种基于移动窗函数的信号分离与去噪方法,所述方法包括下列步骤:
S1、定义移动窗函数定义式如下:
其中,a(i)为每一个i时刻采集到的实际响应信号,k定义为所述移动窗函数的跨度;
S2、对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率f;
S3、确定所述移动窗函数的参数;
S4、利用上述参数确定的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声。
进一步地,所述步骤S3、确定所述移动窗函数的参数具体如下:
S31、确定所述待分离的分量对应的周期T,其确定关系如下:
S32、确定所述移动窗函数的跨度k,其确定关系式如下:
k=Tfs
其中fs为信号采样频率。
进一步地,所述对实际响应信号进行依次扫描,具体为:
按照从最高频对应的移动窗函数开始的扫描顺序对对实际响应信号进行依次扫描。
根据公开的实施例,本发明的第二方面提出了一种基于移动窗函数的信号分离与去噪装置,所述装置包括下列模块:
移动窗函数模块,用于定义移动窗函数定义式如下:
其中,a(i)为每一个i时刻采集到的实际响应信号,k定义为所述移动窗函数的跨度;
FFT变换处理模块,用于对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率f;
参数确定模块,用于确定所述移动窗函数的参数;
扫描分离模块,用于利用上述参数确定的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声。
进一步地,所述参数确定模块包括:
第一确定单元,用于确定所述待分离的分量对应的周期T,其确定关系如下:
第二确定单元,用于确定所述移动窗函数的跨度k,其确定关系式如下:
k=Tfs
其中fs为信号采样频率。
进一步地,所述扫描分离模块具体工作过程如下:
按照从最高频对应的移动窗函数开始的扫描顺序对对实际响应信号进行依次扫描。
本发明相对于现有技术具有如下的优点及效果:
1)本发明是基于移动窗函数的信号分离技术,可以有效分离出各分量信息;
2)本发明对采集信号基于上述去高频留低频的操作,对信号起到了很好的降噪的作用。
3)本发明提出的方法,操作简单,分离信号和降噪效果明显,提高了信号的信噪比,有效保留或分离出检测者感兴趣的信息。
附图说明
图1是实施例一中提出的基于移动窗函数的信号分离去噪方法的流程步骤图;
图2是实施例一中提出的基于移动窗函数的信号分离去噪方法的原理图;
图3是实施例一中实际测得的桥梁响应信号的FFT频谱结果;
图4是实施例一中分离出的噪音和高频信号分量;
图5是实施例一中分离出的次频分量;
图6是实施例一中保留的较低频信息;
图7是实施例一中分离出的第三个分量;
图8是实施例一中最后一次扫描保留的分量。
图9是实施例二中提出的基于移动窗函数的信号分离去噪装置的结构框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,图1为基于移动窗函数的信号分离与去噪方法的流程步骤图,扫描原理示意图如图2所示,具体实施过程如下:
S1、定义移动窗函数
基于采集到的实际的响应信号,每一个i时刻对应的信号为a(i),窗函数定义为:为其邻近信号的均值,确切来说是a(i)两边相同长度信号的时刻的均值,即:
其中,k定义为移动窗函数的跨度,k取值为:
k=Tfs (2)
其中T是待分离的分量对应的周期,fs为信号采样频率。
S2、对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率;
具体应用中,利用FFT变换,确定响应信号的频率,即确定信号的各分量信息对应的频率,如图3所示,分量频率分别为1.12Hz,4.59Hz,而所占比例较弱的高频信息(7.76Hz)与噪音一并被分离出去,保留了低频信息。
S3、确定所述移动窗函数的参数。
S31、确定所述待分离的分量对应的周期T,其确定关系如下:
S32、确定所述移动窗函数的跨度k,其确定关系式如下:
k=Tfs
其中fs为信号采样频率。
具体应用中,通过上述步骤中对实际响应信号a(i)的FFT变换结果,确定所述待分离的分量对应的周期T,进而确定移动窗函数跨度参数k的具体值,假设利用FFT变换后某分量频率确定为f则其确定关系如下:
S4、利用上述确定好参数k的值的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声,扫描顺序为从最高频对应的窗函数开始。
S41、设实际响应信号为a(i),最高频信息对应的频率为fn,窗函数跨度为kn,则此次扫描分离出原信号频段内最高频和噪音分量,保留了比fn更低频的分量信息,第一次扫描后得到的信息为:
则分离出的高频微弱信息和噪音分量为:
如图4所示为分离出的高频和噪音分量,第一次扫描用的窗函数跨度为
S42、再次使用移动窗函数对进行扫描,此时的窗函数长度kn-1为:
kn-1=Tn-1fs, (5)扫描后的信号为:
因此第二个分量,即次频分量被分离出来,即为:
如图5所示,以及保留了较低频分量信息的信号,如图6所示。
S43、重复步骤S42,直到分离出全部分量。
如图7所示为分离出的第三个分量,以及最后一次扫描得到的分量如图8所示。
本实施例公开的基于移动窗函数的信号分离与去噪方法通过简单的算法对健康监测系统测得的源信号直接进行计算,无需额外的假设条件,从而简化了原本复杂的分析建模过程,为算法节约了时间开销,并且算法简单,容易实现,分离效果良好。因此本方法可为结构健康监测与损伤检测提供一种简便、快捷和准确有效的信号分离途径。
实施例二
如图9所示,图9为基于移动窗函数的信号分离与去噪装置的结构框图,该基于移动窗函数的信号分离与去噪装置包括下列模块:
移动窗函数模块,用于定义移动窗函数定义式如下:
其中,a(i)为每一个i时刻采集到的实际响应信号,k定义为所述移动窗函数的跨度;
FFT变换处理模块,用于对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率f;
参数确定模块,用于确定所述移动窗函数的参数;
扫描分离模块,用于利用上述参数确定的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声。
其中,所述参数确定模块包括:
第一确定单元,用于确定所述待分离的分量对应的周期T,其确定关系如下:
第二确定单元,用于确定所述移动窗函数的跨度k,其确定关系式如下:
k=Tfs
其中fs为信号采样频率。
其中,所述扫描分离模块具体工作过程如下:
按照从最高频对应的移动窗函数开始的扫描顺序对对实际响应信号进行依次扫描。
值得注意的是,上述装置实施例中,所包括的各个模块和单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各模块和单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于移动窗函数的信号分离与去噪方法,其特征在于,所述方法包括下列步骤:
S1、定义移动窗函数定义式如下:
其中,a(i)为每一个i时刻采集到的实际响应信号,k定义为所述移动窗函数的跨度;
S2、对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率f;
S3、确定所述移动窗函数的参数;
S4、利用上述参数确定的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声。
2.根据权利要求1所述的一种基于移动窗函数的信号分离与去噪方法,其特征在于,所述步骤S3、确定所述移动窗函数的参数具体如下:
S31、确定所述待分离的分量对应的周期T,其确定关系如下:
S32、确定所述移动窗函数的跨度k,其确定关系式如下:
k=Tfs
其中fs为信号采样频率。
3.根据权利要求1所述的一种基于移动窗函数的信号分离与去噪方法,其特征在于,所述对实际响应信号进行依次扫描,具体为:
按照从最高频对应的移动窗函数开始的扫描顺序对对实际响应信号进行依次扫描。
4.一种基于移动窗函数的信号分离与去噪装置,其特征在于,所述装置包括下列模块:
移动窗函数模块,用于定义移动窗函数定义式如下:
其中,a(i)为每一个i时刻采集到的实际响应信号,k定义为所述移动窗函数的跨度;
FFT变换处理模块,用于对实际响应信号a(i)进行FFT变换,确定实际响应信号中各分量信息对应的频率f;
参数确定模块,用于确定所述移动窗函数的参数;
扫描分离模块,用于利用上述参数确定的各移动窗函数,对实际响应信号进行依次扫描,逐次分离出各频段的分量信息和噪声。
5.根据权利要求4所述的一种基于移动窗函数的信号分离与去噪装置,其特征在于,所述参数确定模块包括:
第一确定单元,用于确定所述待分离的分量对应的周期T,其确定关系如下:
第二确定单元,用于确定所述移动窗函数的跨度k,其确定关系式如下:
k=Tfs
其中fs为信号采样频率。
6.根据权利要求4所述的一种基于移动窗函数的信号分离与去噪装置,其特征在于,所述扫描分离模块具体工作过程如下:
按照从最高频对应的移动窗函数开始的扫描顺序对对实际响应信号进行依次扫描。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610218316.7A CN105911153B (zh) | 2016-04-08 | 2016-04-08 | 一种基于移动窗函数的信号分离与去噪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610218316.7A CN105911153B (zh) | 2016-04-08 | 2016-04-08 | 一种基于移动窗函数的信号分离与去噪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105911153A true CN105911153A (zh) | 2016-08-31 |
CN105911153B CN105911153B (zh) | 2018-07-13 |
Family
ID=56745485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610218316.7A Active CN105911153B (zh) | 2016-04-08 | 2016-04-08 | 一种基于移动窗函数的信号分离与去噪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105911153B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684970A (zh) * | 2018-12-18 | 2019-04-26 | 暨南大学 | 一种结构动力响应的移动主成分分析的窗口长度确定方法 |
CN110954154A (zh) * | 2019-11-29 | 2020-04-03 | 暨南大学 | 一种基于移动传感与滤波集成系统的桥梁损伤定位方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767405B (zh) * | 2019-01-28 | 2020-08-04 | 杭州电子科技大学 | 一种基于噪声水平函数的信号依赖噪声分段线性去噪方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6167417A (en) * | 1998-04-08 | 2000-12-26 | Sarnoff Corporation | Convolutive blind source separation using a multiple decorrelation method |
JP2010139492A (ja) * | 2008-12-15 | 2010-06-24 | Amikku:Kk | 非破壊診断方法 |
CN102692453A (zh) * | 2012-06-12 | 2012-09-26 | 北京大学 | 一种基于非线性声学的材料无损检测方法和装置 |
CN102955004A (zh) * | 2012-10-31 | 2013-03-06 | 同济大学 | 一种基于波速测定的地铁隧道管片服役性能检测方法 |
CN103323538A (zh) * | 2013-05-23 | 2013-09-25 | 暨南大学 | 基于杜芬方程Lyapunov指数的超声导波检测方法 |
CN103412056A (zh) * | 2013-07-22 | 2013-11-27 | 北京航空航天大学 | 一种基于双传感器的类板状结构中声发射波模态分离方法 |
CN104101648A (zh) * | 2014-04-10 | 2014-10-15 | 太原科技大学 | 基于李雅普诺夫指数的超声导波定位缺陷的方法 |
CN104833729A (zh) * | 2015-05-05 | 2015-08-12 | 北京工业大学 | 基于超声导波的弯曲模态反射信号分离的计算方法 |
JP2015210512A (ja) * | 2014-04-24 | 2015-11-24 | 晋哉 齋藤 | ブラインド信号分離方法およびその装置 |
-
2016
- 2016-04-08 CN CN201610218316.7A patent/CN105911153B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6167417A (en) * | 1998-04-08 | 2000-12-26 | Sarnoff Corporation | Convolutive blind source separation using a multiple decorrelation method |
JP2010139492A (ja) * | 2008-12-15 | 2010-06-24 | Amikku:Kk | 非破壊診断方法 |
CN102692453A (zh) * | 2012-06-12 | 2012-09-26 | 北京大学 | 一种基于非线性声学的材料无损检测方法和装置 |
CN102955004A (zh) * | 2012-10-31 | 2013-03-06 | 同济大学 | 一种基于波速测定的地铁隧道管片服役性能检测方法 |
CN103323538A (zh) * | 2013-05-23 | 2013-09-25 | 暨南大学 | 基于杜芬方程Lyapunov指数的超声导波检测方法 |
CN103412056A (zh) * | 2013-07-22 | 2013-11-27 | 北京航空航天大学 | 一种基于双传感器的类板状结构中声发射波模态分离方法 |
CN104101648A (zh) * | 2014-04-10 | 2014-10-15 | 太原科技大学 | 基于李雅普诺夫指数的超声导波定位缺陷的方法 |
JP2015210512A (ja) * | 2014-04-24 | 2015-11-24 | 晋哉 齋藤 | ブラインド信号分離方法およびその装置 |
CN104833729A (zh) * | 2015-05-05 | 2015-08-12 | 北京工业大学 | 基于超声导波的弯曲模态反射信号分离的计算方法 |
Non-Patent Citations (4)
Title |
---|
KAILIANG XU ET AL.: "Multiridge-Based Analysis for Separating Individual Modes From Multimodal Guided Wave Signals in Long Bones", 《IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS, AND FREQUENCY CONTROL》 * |
SINA FATERI ET AL.: "Frequency-Sweep Examination for Wave Mode Identification in Multimodal Ultrasonic Guided Wave Signal", 《IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS, AND FREQUENCY CONTROL》 * |
张伟伟 等: "含缺陷管道超声导波检测信号的相关性分析", 《暨南大学学报(自然科学版)》 * |
罗玉昆 等: "激光超声信号去噪的经验模态分解实现及改进", 《光学精密工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684970A (zh) * | 2018-12-18 | 2019-04-26 | 暨南大学 | 一种结构动力响应的移动主成分分析的窗口长度确定方法 |
CN110954154A (zh) * | 2019-11-29 | 2020-04-03 | 暨南大学 | 一种基于移动传感与滤波集成系统的桥梁损伤定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105911153B (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Application of EEMD and improved frequency band entropy in bearing fault feature extraction | |
Wang et al. | Identification of multiple transient faults based on the adaptive spectral kurtosis method | |
US20200073908A1 (en) | Sparse component analysis method for structural modal identification when the number of sensors is incomplete | |
Dion et al. | Harmonic component detection: Optimized Spectral Kurtosis for operational modal analysis | |
Peled et al. | A blind deconvolution separation of multiple sources, with application to bearing diagnostics | |
Xiang et al. | A fault detection strategy using the enhancement ensemble empirical mode decomposition and random decrement technique | |
Poudel et al. | Wavelet transformation of mode shape difference function for structural damage location identification | |
CN105911153A (zh) | 一种基于移动窗函数的信号分离与去噪方法及装置 | |
Kaloop et al. | De-noising of GPS structural monitoring observation error using wavelet analysis | |
Yao et al. | An adaptive seismic signal denoising method based on variational mode decomposition | |
Yi et al. | A promising new tool for fault diagnosis of railway wheelset bearings: SSO-based Kurtogram | |
CN104237768A (zh) | 集成电路硬件木马检测方法及其系统 | |
Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
CN113125556A (zh) | 一种基于声纹识别的结构损伤检测系统及方法 | |
CN105628675A (zh) | 一种功率敏感物质的拉曼荧光干扰的消除方法 | |
Jiang et al. | Differential spectral amplitude modulation and its applications in rolling bearing fault diagnosis | |
Shirzad-Ghaleroudkhani et al. | A crowdsensing-based platform for transportation infrastructure monitoring and management in smart cities | |
Moughty et al. | Evaluation of the Hilbert Huang transformation of transient signals for bridge condition assessment | |
Yamamoto et al. | Characterization of non-gaussianity in gravitational wave detector noise | |
Du et al. | Fractional iterative variational mode decomposition and its application in fault diagnosis of rotating machinery | |
CN115481669A (zh) | 快速分离公铁两用桥梁活荷载应变监测信号的方法及系统 | |
CN104570118A (zh) | 一种基于双因素的自动识别与去除工业干扰的方法 | |
Dybała et al. | Application of Empirical Mode Decomposition for impulsive signal extraction to detect bearing damage–industrial case study | |
CN102799757A (zh) | 一种去除强趋势项及瞬态脉冲干扰的微弱信号提取方法 | |
Zhang et al. | Nondestructive incipient crack detection based on wavelet and Jensen-Shannon divergence in the NICA framework |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |