CN107607835A - 一种基于改进eemd的输电线路激光测距信号去噪算法 - Google Patents

Abstract

本发明提出了一种基于改进EEMD的输电线路激光测距信号去噪算法，能有效实现对含噪的输电线路激光测距信号进行滤波分析和降噪处理。该方法首先建立了输电线路激光测距信号采集系统；其次，对实验所得的输电线路激光测距信号进行快速EEMD分解，得到了一系列的本征模态函数（Intrinsic Mode Function，IMF）；然后，根据不同的噪声形式选择不同个数的IMF进行自适应滤波去噪；最后，将经过去噪了的IMF相加即可重构期望的输电线路激光测距信号。实验结果证明了该方法能有效降低输电线路激光测距信号中的噪声，实现对影响输电线路运行的目标物快速、准确测距，从而提高了输电线路运行的安全性与稳定性。

Description

一种基于改进EEMD的输电线路激光测距信号去噪算法

技术领域

本发明涉及输电线路激光测距领域，具体涉及一种基于改进 EEMD的输电线路激光测距信号去噪算法。

背景技术

输电线路的安全可靠运行对于国民经济的发展具有重大意义。然而，输电线路大多架设在丘陵、高山等地带，每年树木生长茂盛期，因输电线路走廊安全距离不够的树障造成的线路跳闸事故时有发生，对线路的安全运行构成了很大的威胁。此类事故在国内外都有发生，而且部分事件的后果很严重，造成大量的经济损失。目前，电力部门进行线路安全防护基本上还是依靠人工巡线，但巡线工作强度大，效率低，人力物力成本较高，检查精确度有限，耗时较长、对于安全隐患不能及时发现。

激光测距方法创新性的应用在输电线路检测领域，能够对恶劣环境中运行的输电线路的运行状况进行全天候的实时监测，可有效减少由于线路周围树木、建筑和施工、运输等因素引起的电力事故。同时，还能提高测量精度、测量速度方面的检测要求。激光测距方法为输电线路检测方法提供了一个新的思路。然而，激光测距过程中会受到许多噪声干扰，按噪声来源可把它们分为：背景噪声、电子元器件噪声、探测器噪声以及信号噪声等。

自适应滤波器是近30年来发展起来的关于信号处理方法和技术的滤波器，能够自动地迭代调节自身的滤波器参数，以满足某种准则的要求，从而实现最优滤波。因此，自适应滤波器具有“自我调节”和“跟踪”能力。但是，自适应滤波器的参数选择比较困难，而且对于非平稳信号的去噪，自适应滤波算法不甚理想。针对这一弱点，可先用集合经验模态分解(EEMD)方法把信号分解到不同频段上，并对各频段的信号，分别采用不同的滤波参数进行自适应滤波。其中，集合经验模态分解，具有将同一信号分解到不同频段上的功能，是一种更具适应性的时频分析方法。

发明内容

为实现对含噪的输电线路激光测距信号进行滤波分析和降噪处理，本申请提出一种基于改进EEMD的输电线路激光测距信号去噪算法，包括步骤：

S100：建立输电线路激光测距信号采集系统。实验室模拟对可能影响输电线路的目标物进行采样数据，以获得输电线路激光测距信号；

S200：对实验所得的输电线路激光测距信号进行快速EEMD分解，得到一系列本征模态函数IMF；

S300：根据不同的需要和不同的噪声形式选择不同个数的IMF 进行自适应滤波去噪；

S400：将经过去噪了的IMF相加即可重构期望的输电线路激光测距信号。

在所述步骤S100中，输电线路激光测距信号采集系统，具体包括步骤：

本方法设计的激光测距系统由三大模块构成，分别为发射模块、接收模块和数据处理控制模块。其中，发射模块主要是由驱动电路和激光发射器组成，主要作用是发射一定频率的对人无害的激光信号；接收模块主要用于完成将发射器发射过来的激光信号进行回收，将光信号转换为电信号；数据处理控制模块主要作用是对测距仪进行控制，计算脉冲的测量时间。

在所述步骤S200中，对实验所得的输电线路激光测距信号进行快速EEMD分解，具体包括步骤：

A1：在实验所得的输电线路激光测距信号x(t)上加入白噪声序列ω(t)，即：

X(t)＝x(t)+ω(t) (1)

A2：运用经验模态分解(EMD)将加入白噪声后的激光测距信号 X(t)分解为IMF分量，如下式。

式中，h_j为X(t)分解后的第j个IMF分量，r_n为对X(t)分解后的余项，n为分解层数。

A3：每次在x(t)上加入不同的白噪声序列ω_i(t)(i＝1,2,...,n)，反复重复步骤A1、A2，则将

X_i(t)＝x(t)+ω_i(t) (3)

分解成

A4：由步骤A3分解得到的各个IMF的均值作为最终结果：

式中，h_j(t)'表示对原始输电线路激光测距信号x(t)进行EEMD分解后得到的第j个IMF分量。

然而，EEMD分解过程中，在筛选IMF分量时是非常耗时的，导致算法实时性不高。因此本文利用减少取样的方法将每次筛选IMF 分量的取样点减少为原来的一半，使得EEMD在筛选时可以有效的减少时间。

在所述步骤S300中，根据不同的需要和不同的噪声形式选择不同个数的IMF进行自适应滤波去噪，具体包括步骤：

本方法采用横向结构的LMS自适应滤波器，设定x(j)表示输入的第j个IMF分量，y(j)表示输出激光信号的第j个IMF分量，d(j)表示第j个IMF的参考量，误差信号e(j)为d(j)与y(j)之差。自适应滤波器的滤波参数受误差信号e(j)的控制，根据e(j)的值而自动调整，使之适合下一个的输入IMF分量x(j+1)，以便使输出y(j+1)接近于所期望的参考信号d(j+1)。

A1：输入输电线路激光测距信号IMF分量组成如下：

x(j)＝s(j)+v(j) (6)

其中，s(j)表示信号的真值，v(j)表示噪声，假设自适应滤波器是横向结构的FIR滤波器，则有：

e(j)＝d(j)-W^TX(j) (7)

A2：采用最小均方(LMS)算法求滤波器的最佳权系数，以使检测信号得到改善。滤波器输出的均方误差为：

E[e²(j)]＝E[d²(j)]-2P^TW+W^TRW (8)

其中，P＝E[d(j)X^T(j)]，R＝E[X(j)X^T(j)]，P，R分别被称为与的互相关矢量和参考输入的自相关矩阵。对于平稳输入，E[e²(j)]是权系数矢量W 的二次型函数。由上式(8)可以推得最优权向量W*＝R^-1P。

A3：采用Widrow-Hoff的LMS算法估计最优权向量，该算法的迭代公式如下：

y(j)＝W^T(j)X(j) (9)

e(j)＝d(j)-W^T(j)X(j) (10)

W(j+1)＝W(j)+2μe(j)X(j) (11)

式中，μ为收敛因子，表征迭代快慢的物理量。其值的选取是相当关键的，μ越大，自适应时间越短，自适应过程越快，但它引起的失调也越大，μ值过大易造成系统发散；μ越小，系统越稳定，失调越小，但自适应过程也相应加长，步长μ的选择应从整个系统要求出发，在满足精度的前提下，尽量减少自适应时间。

本发明提出了一种基于改进EEMD的输电线路激光测距信号去噪算法，能有效实现对含噪的输电线路激光测距信号进行滤波分析和降噪处理。

该方法首先建立了输电线路激光测距信号采集系统；其次，对实验所得的输电线路激光测距信号进行快速EEMD分解，得到了一系列的本征模态函数(Intrinsic ModeFunction，IMF)；然后，根据不同的噪声形式选择不同个数的IMF进行自适应滤波去噪；最后，将经过去噪了的IMF相加即可重构期望的输电线路激光测距信号。

本申请所采用的改进的集合经验模态分解算法是在集合经验模态分解过程中，将每次筛选本征模态函数(IMF)分量的取样点减少为原来的一半，减少原本集合经验模态分解算法的运行时间，从而提高了集合经验模态分解算法的运行效率。本申请的所应用的快速集合经验模态分解是在经验模态分解算法的基础上，克服了经验模态分解算法易受噪声影响出现模态混叠缺点，并提高了分解算法的运行速度。本申请所采用的自适应滤波方法，在计算算法中的最优权数所使用的方法不同，本申请采用Widrow-Hoff的LMS算法，大大提高了运算效率。

实验结果证明了该方法能有效降低输电线路激光测距信号中的噪声，实现对影响输电线路运行的目标物快速、准确测距，从而提高了输电线路运行的安全性与稳定性。

附图说明

图1为基于改进EEMD的输电线路激光测距信号去噪算法步骤流程图；

图2为输电线路激光测距信号采集系统；

图3为自适应滤波原理图；

图4为含噪激光信号与三种去噪方法去噪结果图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

本例提出一种基于改进EEMD的输电线路激光测距信号去噪算法，其流程图如图1所示，包括以下步骤：

S100：建立输电线路激光测距信号采集系统，如图2所示。实验室模拟对可能影响输电线路的目标物进行采样数据，以获得输电线路激光测距信号。

本方法设计的激光测距系统由三大模块构成，分别为发射模块、接收模块和数据处理控制模块。其中，发射模块主要是由驱动电路和激光发射器组成，主要作用是发射一定频率的对人无害的激光信号；接收模块主要用于完成将发射器发射过来的激光信号进行回收，将光信号转换为电信号；数据处理控制模块主要作用是对测距仪进行控制，计算脉冲的测量时间。

本方法采用的激光测距是脉冲式激光测距。单脉冲激光测距原理很简单，它是通过测量发射脉冲和接收脉冲上升沿(或者下降沿、峰值)之间的时间间隔，从而计算出测距仪与待测物体之间的距离。从脉冲激光测距原理，可以知道激光测距公式如式(1)所示。

其中，c为激光在大气中的传播速度；t₁-t₂为激光在传输过程中的往返的时间差；L为激光器到测量目标距离。对于光速误差与测量时大气的质量有关，这个结果可以在测量之前通过对大气的检测得到当时的环境的值。

影响激光测距的外在因素就是大气因素，在大气条件不理想的情况下，透过率不高，激光在大气传播过程中会发生漫反射，激光的能量会发生衰减，天气条件越差，激光测距的精度就越不高，因此在大气条件不是很理想的条件下，利用调整激光的发射频率和发射角，可以提高激光的测距精度。

S200：对实验所得的输电线路激光测距信号进行快速EEMD分解，得到一系列本征模态函数IMF。

经验模态分解(EMD)方法是Huang等提出的一种信号处理方法，该方法将信号x(t)分解成k-1本征模函数和1个余项。分解得到的IMF分量频率按照2的指数降幂排列，通常噪声频率高于信号频率，构造低通滤波器，重构信号即可以达到滤波效果。

EMD分解结果中出现了迥异尺度或相近尺度出现在同一模态中的现象，即模态混叠现象。模态混叠是由于噪声与有用信心频率过于接近造成的能量相互渗透。当IMF分量中出现这种噪声与信号交叉混频，将导致EMD方法无法准确筛分信号和噪声，致使有效信息被扣除，去噪效果变差。

为了解决模式混叠问题，黄鄂等人于2009年提出了经验模态分解的改进算法——集合经验模态分解(EEMD)。EEMD分解中添加的白噪声为分析信号提供了均匀分布的特征分解尺度，高斯白噪声平滑了脉冲干扰，使得脉冲干扰在分解过程中混入到白噪声模式中。

本方法应用EEMD对输电线路激光测距信号进行分解，具体步骤如下：

A1：在实验所得的输电线路激光测距信号x(t)上加入白噪声序列ω(t)，即：

X(t)＝x(t)+ω(t) (2)

A2：运用经验模态分解(EMD)将加入白噪声后的激光测距信号 X(t)分解为IMF分量，如下式。

式中，h_j为X(t)分解后的第j个IMF分量，r_n为对X(t)分解后的余项， n为分解层数。

A3：每次在x(t)上加入不同的白噪声序列ω_i(t)(i＝1,2,...,n)，反复重复步骤A1、A2，则将

X_i(t)＝x(t)+ω_i(t) (4)

分解成

A4：由步骤A3分解得到的各个IMF的均值作为最终结果：

式中，h_j(t)'表示对原始输电线路激光测距信号x(t)进行EEMD分解后得到的第j个IMF分量。

然而，EEMD分解过程中，在筛选IMF分量时是非常耗时的，导致算法实时性不高。因此本文利用减少取样的方法将每次筛选IMF 分量的取样点减少为原来的一半，使得EEMD在筛选时可以有效的减少时间。

S300：根据不同的需要和不同的噪声形式选择不同个数的IMF 进行自适应滤波去噪；

本方法采用横向结构的LMS自适应滤波器，如图3所示。设定x(j) 表示输入的第j个IMF分量，y(j)表示输出激光信号的第j个IMF分量，d(j)表示第j个IMF的参考量，误差信号e(j)为d(j)与y(j)之差。在这类应用中，自适应滤波器以某种意义上的最优化方式消除包含在基本信号中的未知干扰。基本信号用做自适应滤波器的期望响应或者参考信号用做滤波器的输入。参考信号来自定位的某一传感器或一组传感器，并以承载信息的信号是微弱的或者基本不可预测的方式，供给基本信号上。

自适应滤波器的滤波参数受误差信号e(j)的控制，根据e(j)的值而自动调整，使之适合下一个的输入IMF分量x(j+1)，以便使输出y(j+1) 接近于所期望的参考信号d(j+1)。

A1：输入输电线路激光测距信号IMF分量组成如下：

x(j)＝s(j)+v(j) (7)

其中，s(j)表示信号的真值，v(j)表示噪声，假设自适应滤波器是横向结构的FIR滤波器，则有：

e(j)＝d(j)-W^TX(j) (8)

A2：采用最小均方(LMS)算法求滤波器的最佳权系数，以使检测信号得到改善。滤波器输出的均方误差为：

E[e²(j)]＝E[d²(j)]-2P^TW+W^TRW (9)

其中，P＝E[d(j)X^T(j)]，R＝E[X(j)X^T(j)]，P，R分别被称为与的互相关矢量和参考输入的自相关矩阵。对于平稳输入，E[e²(j)]是权系数矢量W 的二次型函数。由上式(9)可以推得最优权向量W*＝R^-1P。

A3：采用Widrow-Hoff的LMS算法估计最优权向量，该算法的迭代公式如下：

y(j)＝W^T(j)X(j) (10)

e(j)＝d(j)-W^T(j)X(j) (11)

W(j+1)＝W(j)+2μe(j)X(j) (12)

式中，μ为收敛因子，表征迭代快慢的物理量。其值的选取是相当关键的，μ越大，自适应时间越短，自适应过程越快，但它引起的失调也越大，μ值过大易造成系统发散；μ越小，系统越稳定，失调越小，但自适应过程也相应加长，步长μ的选择应从整个系统要求出发，在满足精度的前提下，尽量减少自适应时间；权系数个数L对滤波器的性能也有较大影响，一般介于10到50之间。

如果信号运算环境的特性是固定不变的，自适应滤波器的目的就是：找到使自适应滤波器具有最佳性能的滤波器权系数，然后停止调整。从滤波器开始运行直到其基本达到最佳性能的初始阶段，被称收敛模式。然而当信号运算环境的特性随时间改变时，自适应滤波器应首先发现这个变化，然后重新调整自己的参数以跟随这个变化。

S400：将经过去噪了的IMF相加即可重构期望的输电线路激光测距信号。

为了证明本方法的激光测距信号去噪效果，引入均方根误差(root mean squareerror，RMSE)、信噪比(the signal to noise ratio，SNR)、峰值误差(peak error，PE)作为评价标准，将三种不同去噪方法对同一含噪信号的去噪效果的方差、信噪比和峰值误差列于表1。含噪激光测距信号与三种去噪方法去噪结果图如图4所示。

结合图4和表1的结果可以看出用普通自适应滤波去噪前后的信噪比提高较少，并且去噪后波形发生畸变，去噪效果最差，无法满足要求。EMD自适应滤波器较之快速EEMD自适应滤波器的图线光滑性较差，信噪比较低，不能够有效地剔除激光信号中的噪声。快速EEMD自适应滤波器算法处理的信号更加平滑，而信号的走势几乎维持不变，对信号波动点的位置定得很准确，结合表1，信噪比最高，而且均方根误差和峰值误差最小，算法运行时间最少，即该方法对信号其滤波去噪效果最佳。

表1去噪效果对比

去噪方法	RMSE	SNR	PE	时间(s)
					自适应滤波器	0.33	43.93	3.00	3.25
EMD自适应滤波器	0.08	71.74	0.58	4.71
					快速EEMD自适应滤波器	0.07	74.10	0.46	1.79

本发明提出了一种基于改进EEMD的输电线路激光测距信号去噪算法，能有效实现对含噪的输电线路激光测距信号进行滤波分析和降噪处理。

该方法首先建立了输电线路激光测距信号采集系统；其次，对实验所得的输电线路激光测距信号进行快速EEMD分解，得到了一系列的本征模态函数(Intrinsic ModeFunction，IMF)；然后，根据不同的噪声形式选择不同个数的IMF进行自适应滤波去噪；最后，将经过去噪了的IMF相加即可重构期望的输电线路激光测距信号。实验结果证明了该方法能有效降低输电线路激光测距信号中的噪声，实现对影响输电线路运行的目标物快速、准确测距，从而提高了输电线路运行的安全性与稳定性。

以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换。

Claims (4)

1.一种基于改进EEMD的输电线路激光测距信号去噪算法，其特征在于，包括步骤：

建立输电线路激光测距信号采集系统，实验室模拟对可能影响输电线路的目标物进行采样数据，以获得输电线路激光测距信号；

对实验所得的输电线路激光测距信号进行快速EEMD分解，得到一系列本征模态函数IMF；

根据不同的需要和不同的噪声形式选择不同个数的IMF进行自适应滤波去噪；

将经过去噪了的IMF相加即可重构期望的输电线路激光测距信号。

2.如权利要求1所述的一种基于改进EEMD的输电线路激光测距信号去噪算法，其特征在于，所述的输电线路激光测距信号采集系统，具体包括步骤：

本方法设计的激光测距系统由三大模块构成，分别为发射模块、接收模块和数据处理控制模块。其中，发射模块主要是由驱动电路和激光发射器组成，主要作用是发射一定频率的对人无害的激光信号；接收模块主要用于完成将发射器发射过来的激光信号进行回收，将光信号转换为电信号；数据处理控制模块主要作用是对测距仪进行控制，计算脉冲的测量时间。

3.如权利要求1所述的一种基于改进EEMD的输电线路激光测距信号去噪算法，其特征在于，所述的对实验所得的输电线路激光测距信号进行快速EEMD分解，具体包括步骤：

A1：在实验所得的输电线路激光测距信号x(t)上加入白噪声序列ω(t)，即：

X(t)＝x(t)+ω(t) (1)

A2：运用经验模态分解(EMD)将加入白噪声后的激光测距信号X(t)分解为IMF分量，如下式。

式中，h_j为X(t)分解后的第j个IMF分量，r_n为对X(t)分解后的余项，n为分解层数。

A3：每次在x(t)上加入不同的白噪声序列ω_i(t)(i＝1,2,...,n)，反复重复步骤A1、A2，则将

X_i(t)＝x(t)+ω_i(t) (3)

分解成

A4：由步骤A3分解得到的各个IMF的均值作为最终结果：

式中，h_j(t)'表示对原始输电线路激光测距信号x(t)进行EEMD分解后得到的第j个IMF分量。

然而，EEMD分解过程中，在筛选IMF分量时是非常耗时的，导致算法实时性不高。因此本文利用减少取样的方法将每次筛选IMF分量的取样点减少为原来的一半，使得EEMD在筛选时可以有效的减少时间。

4.如权利要求1所述的一种基于改进EEMD的输电线路激光测距信号去噪算法，其特征在于，所述的根据不同的需要和不同的噪声形式选择不同个数的IMF进行自适应滤波去噪，具体包括步骤：

本方法采用横向结构的LMS自适应滤波器，设定x(j)表示输入的第j个IMF分量，y(j)表示输出激光信号的第j个IMF分量，d(j)表示第j个IMF的参考量，误差信号e(j)为d(j)与y(j)之差。自适应滤波器的滤波参数受误差信号e(j)的控制，根据e(j)的值而自动调整，使之适合下一个的输入IMF分量x(j+1)，以便使输出y(j+1)接近于所期望的参考信号d(j+1)。

A1：输入输电线路激光测距信号IMF分量组成如下：

x(j)＝s(j)+v(j) (6)

其中，s(j)表示信号的真值，v(j)表示噪声，假设自适应滤波器是横向结构的FIR滤波器，则有：

A2：采用最小均方(LMS)算法求滤波器的最佳权系数，以使检测信号得到改善。滤波器输出的均方误差为：

E[e²(j)]＝E[d²(j)]-2P^TW+W^TRW (8)

其中，P＝E[d(j)X^T(j)]，R＝E[X(j)X^T(j)]，P，R分别被称为与的互相关矢量和参考输入的自相关矩阵。对于平稳输入，E[e²(j)]是权系数矢量W的二次型函数。由上式(8)可以推得最优权向量W*＝R^-1P。

A3：采用Widrow-Hoff的LMS算法估计最优权向量，该算法的迭代公式如下：

y(j)＝W^T(j)X(j) (9)

e(j)＝d(j)-W^T(j)X(j) (10)

W(j+1)＝W(j)+2μe(j)X(j) (11)

式中，μ为收敛因子，表征迭代快慢的物理量。其值的选取是相当关键的，μ越大，自适应时间越短，自适应过程越快，但它引起的失调也越大，μ值过大易造成系统发散；μ越小，系统越稳定，失调越小，但自适应过程也相应加长，步长μ的选择应从整个系统要求出发，在满足精度的前提下，尽量减少自适应时间。