CN108920420A - 一种适用于驾驶性评价试验数据处理的小波去噪方法 - Google Patents
一种适用于驾驶性评价试验数据处理的小波去噪方法 Download PDFInfo
- Publication number
- CN108920420A CN108920420A CN201810243032.2A CN201810243032A CN108920420A CN 108920420 A CN108920420 A CN 108920420A CN 201810243032 A CN201810243032 A CN 201810243032A CN 108920420 A CN108920420 A CN 108920420A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- signal
- denoising
- root
- mean
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Control Of Transmission Device (AREA)
Abstract
本发明公开了一种适用于驾驶性评价试验数据处理的小波去噪方法,相较于传统的小波去噪方法,本发明通过分析汽车驾驶性试验不同工况下试验数据的特点,根据均方根误差和信噪比的值来确定最佳的小波基函数;根据平滑度和均方根误差构造的复合指标来确定最佳的小波分解层数,最终设计出适合处理驾驶性试验数据的去噪方法。该方法对于驾驶性评价试验数据的去噪具有良好效果,对于整车驾驶性评价中的数据处理具有指导作用。
Description
技术领域
本发明涉及一种适用于驾驶性评价试验数据处理的小波去噪方法。
背景技术
驾驶性是驾驶品质和车辆响应性能的综合,实现驾驶性量化需要从不同工况的车辆行驶数据中挖掘出驾驶性评价指标。驾驶性量化结果的准确受评价指标的准确性影响,而评价指标的准确性取决于工况数据的质量。由于振动、路面不平整、环境噪声等外界影响因素以及实验过程所用传感器振动引起的干扰,使正常信号中叠加了噪声信号严重影响了工况数据的质量,表现为实验所测得的离散的数据出现尖峰、突变等缺点,这些缺点严重影响了评价指标提取的精度进而影响了驾驶性量化结果的准确性。为了提高驾驶性评价指标的精度,需要预先对试验数据进行去噪处理,小波滤波方法是基于信号与噪声的小波系数在尺度上的不同性质,对噪声信号的小波系数进行取舍。其具有自适用性,能够准确的分析非平稳信号。
小波去噪参数的选择对去噪后的信号的准确性有较大的影响,合理的小波去噪方法能够有效的滤除汽车不同工况试验数据中的噪声。
发明内容
为了解决上述问题,本发明的目的在于提供一种适用于驾驶性评价试验数据处理的小波去噪方法。
本发明提出的一种适用于驾驶性评价试验数据处理的小波去噪方法,具体步骤如下:
(1)根据驾驶性评价试验不同工况的试验数据特点,初步确定dbN、symN和coifN作为备选的小波基函数,在相同的小波分解层数和相同的阈值选取方法条件下,分别求得不同的小波基函数去噪后的均方根误差和信噪比,根据最优小波基函数选取原则,确定最优小波基函数;
(2)对含噪信号运用最优小波基函数进行不同分解层次的分解,计算出不同层数去噪后的均方根误差和平滑度归一化后的值;
(3)根据变异系数定权重方法确定均方根误差和平滑度两个指标的权重;
(4)由均方根误差和平滑度及其对应的权重,求出复合指标T的值,根据复合指标T取最小值时对应最优分解层数的原则,确定小波去噪的最优分解层数。
本发明中,步骤(1)中所述驾驶性评价试验不同工况的试验数据特点指:由于路面不平整等因素使实测的驾驶性评价试验数据中混有噪声,与正常的信号相比,这些噪声的特点是时间短,幅值小;另外试验数据中含有幅值较大的突变信号,这些信号产生的原因是因为汽车结构参数或是汽车内部零部件本身振动以及控制系统的缺陷引起的,所述汽车驾驶性试验数据所适用的小波基函数具有较好的正交性、较高的正则性以及较好的紧支性等特点,确定备选的小波基函数为具有以上特点的dbN、symN、coifN小波基函数。
本发明中,步骤(1)中所述小波去噪后均方根误差为去噪后信号和原始信号方差的平方根,均方根误差反映了测量的精密度,其结果越小反映去噪效果越好;
式中RMSE为均方根误差,f(i)为原始信号,f'(i)为去噪后信号,n为信号的长度。
所述小波去噪后信噪比为原信号能量与噪声能量的比值,其结果越大反映去噪效果越好;
式中SNR为信噪比,f(i)为原始信号,f'(i)为去噪后信号,n为信号的长度。本发明中,步骤(2)中平滑度指去噪后信号的差分数的方差与原始信号的差分数的方差的比值,其值越小反映去噪效果越好。
式中r为平滑度,f(i)为原始信号,f'(i)为去噪后信号,n为信号的长度。
本发明中,所述均方根和平滑度归一化的值为:
本发明中,步骤(3)中变异系数是标准差与平均值的比值,它反映了指标数值的变异程度,变异系数越大的指标,也是越难实现的指标。变异系数定权重的方法为:
式中CV为对应的变异系数,W为对应的权重值。
本发明中,步骤(4)中复合指标T值是由均方根误差、平滑度及其对应的权重构造的反映小波去噪后效果的值。所述复合指标T值的确定方法为:
T=WNRMSE×NRMSE+WNr×Nr。
本发明中,最优小波基函数的选取原则为信噪比越大、均方根误差越小则去噪效果越好。均方根误差指去噪后信号和原始信号的均方根误差,均方根误差结果越小,去噪效果越好。信噪比指原信号能量与噪声能量的比值,一般认为信噪比越高,滤波效果越好。
本发明中,所述的均方根误差和平滑度归一化后的值,平滑度指去噪后信号的差分数的方差与原始信号的差分数的方差的比值。平滑度指标值越小,信号的去噪效果越好。归一化是一种无量纲处理手段,使物理系统数值的绝对值变成某种相对值关系。
本发明的有益效果在于:较于传统的小波去噪方法,本发明通过分析汽车驾驶性试验不同工况下试验数据的特点,根据均方根误差和信噪比的值来确定最佳的小波基函数;根据平滑度和均方根误差构造的复合指标来确定最佳的小波分解层数,最终设计出适合处理驾驶性试验数据的去噪方法。该方法对于驾驶性评价试验数据的去噪具有良好效果,对于整车驾驶性评价中的数据处理具有指导作用。
附图说明
图1为小波去噪最优参数的选择流程图;
图2为本发明驾驶性评价试验数据去噪流程图;
图3为本发明驾驶性评价试验换挡工况纵向加速度数据;
图4去噪后的加速度曲线;
图5分解层数为3的小波去噪后加速度的频谱图。
具体实施方式
为使本发明的实施过程与效果及应用更加易于了解,结合汽车在换挡工况的实测实验数据,进一步阐述本发明。
参照图2,采用以下技术方案进行分析:一种适用于驾驶性评价试验数据处理的小波去噪方法,其步骤为:
1、根据试验数据特征,初步选取备选的小波基函数,在3层分解层、阈值确定方法-最大似然法,对含噪信号进行去噪处理。
2、求得去噪后信号的均方根误差和信噪比的数值,根据最佳小波基函数确定规则选取小波去噪最优的小波基函数。
3、对含噪信号在最优小波基函数下进行1-8层分解,分别求得去噪后的平滑度和均方根误差值。
4、求出复合指标T的值,根据T值越小,去噪效果越好的原则确定最优分解层数。
5、对含噪信号运用最优小波基函数、最优分解层数进行小波分解重构,获得去噪后的信号。
1、最优小波基函数的确定
通过研究证明,均方根误差,信噪比在未完全去噪时,对于指导选择最佳小波基函数是可靠的,但对于小波去噪的最佳分解层数不敏感。运用单一的评价指标对小波去噪质量进行评价不够准确,甚至无法借助单一指标的规律进行判断,在小波去噪参数的优化选择中,选用均方根误差、信噪比两个指标来评价不同的小波基函数的去噪效果,均方根误差值越小、信噪比值越大所选用小波基函数的去噪效果越好。
具体操作步骤如下:
首先需要获得驾驶性评价的工况试验数据。本发明采用驾驶性评价换挡工况的纵向加速度实验数据,用于评价换挡过程中的冲击、舒适性、振动等参数。
初选db6、sym4、coif5、db4、sym3、sym6六种类型的小波基函数,在相同的分解尺度(3层),相同的阈值确定规则(最大似然法)条件下进行小波分解重构,求得不同小波基函数对汽车换挡工况下加速度的小波去噪后的信噪比和均方根误差。
表1不同小波基函数分解重构后的信噪比和均方根误差
根据信噪比越大,均方根误差越小则去噪效果越好的原则确定sym4小波基函数为最优小波基函数。
2、最优小波分解层数的确定
通过研究,平滑度对于小波去噪的分解层数敏感,可以指导小波去噪时最佳分解层数的选择。随着分解尺度的增加,平滑度值趋于收敛,当过度去噪时,平滑度值不再变化。平滑度只关注信号的逼近信息,而均方根误差可以描述信号的细节信息。实践中所得到的均方根误差和平滑度的趋势是相反的,将这两个指标构造成一个复合指标,在不同的分解层次下,出现的极小值所对应的小波分解层数,保留了真实信号最佳的逼近部分和细节部分。通过均方根误差、平滑度两个指标构造的复合指标确定最佳小波分解层数。
本发明应用变异系数定权重法将均方根误差和平滑度两个指标进行融合,得到复合指标T,T的最小值所对应的的分解层数即为小波去噪的最优分解尺度。具体操作步骤如下:
选用sym4小波基函数对加速度信号进行8个尺度的分解重构,运用mat l ab求不同分解层数下的8组平滑度和均方根误差值,根据变异系数定权重方法求得两个指标的权重值,进而求得不同分解层数下的复合评价指标T。
表2不同分解层数下的T值
根据最小T值对应小波分解的最优分解层数的原则,确定最优小波分解层数为3层。
3、信号重构
运用已经确定的最优小波基函数和最优小波分解层数含噪信号进行分解重构,重构后的信号如图4所示。从图4中可以看出,去噪后的加速图曲线较好的保留了原始信号的细节信息和逼近信息,汽车在换挡过程中出现的振动和冲击现象更加明显。对去噪后的换挡工况的纵向加速度信号进行频谱分析如图5所示,信号较好的保留了细节(高频)成分和逼近(低频)成分,去噪效果较好。
Claims (6)
1.一种适用于驾驶性评价试验数据处理的小波去噪方法,其特征在于具体步骤如下:
(1)根据驾驶性评价试验不同工况的试验数据特点,初步确定dbN、symN和coifN作为备选的小波基函数,在相同的小波分解层数和相同的阈值选取方法条件下,分别求得不同的小波基函数去噪后的均方根误差和信噪比,根据最优小波基函数选取原则,确定最优小波基函数;
(2)对含噪信号运用最优小波基函数进行不同分解层次的分解,计算出不同层数去噪后的均方根误差和平滑度归一化后的值;
(3)根据变异系数定权重方法确定均方根误差和平滑度两个指标的权重;
(4)由均方根误差和平滑度及其对应的权重,求出复合指标T的值,根据复合指标T取最小值时对应最优分解层数的原则,确定小波去噪的最优分解层数。
2.根据权利要求1所述的适用于驾驶性评价试验数据处理的小波去噪方法,其特征在于步骤(1)中所述小波去噪后均方根误差为去噪后信号和原始信号方差的平方根,均方根误差反映了测量的精密度,其结果越小反映去噪效果越好;
式中RMSE为均方根误差,f(i)为原始信号,f'(i)为去噪后信号,n为信号的长度;
所述小波去噪后信噪比为原信号能量与噪声能量的比值,其结果越大反映去噪效果越好;
式中SNR为信噪比,f(i)为原始信号,f'(i)为去噪后信号,n为信号的长度。
3.根据权利要求1所述的适用于驾驶性评价试验数据处理的小波去噪方法,其特征在于步骤(2)中平滑度指去噪后信号的差分数的方差与原始信号的差分数的方差的比值,其值越小反映去噪效果越好;
式中r为平滑度,f(i)为原始信号,f'(i)为去噪后信号,n为信号的长度。
4.根据权利要求1所述的适用于驾驶性评价试验数据处理的小波去噪方法,其特征在于所述均方根和平滑度归一化的值为:
5.根据权利要求1所述的适用于驾驶性评价试验数据处理的小波去噪方法,其特征在于步骤(3)中变异系数是标准差与平均值的比值,它反映了指标数值的变异程度,变异系数越大的指标,也是越难实现的指标;变异系数定权重的方法为:
式中CV为对应的变异系数,W为对应的权重值。
6.根据权利要求1所述的适用于驾驶性评价试验数据处理的小波去噪方法,其特征在于步骤(4)中复合指标T值是由均方根误差、平滑度及其对应的权重构造的反映小波去噪后效果的值。所述复合指标T值的确定方法为:
T=WNRMSE×NRMSE+WNr×Nr。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810243032.2A CN108920420A (zh) | 2018-03-23 | 2018-03-23 | 一种适用于驾驶性评价试验数据处理的小波去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810243032.2A CN108920420A (zh) | 2018-03-23 | 2018-03-23 | 一种适用于驾驶性评价试验数据处理的小波去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108920420A true CN108920420A (zh) | 2018-11-30 |
Family
ID=64403493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810243032.2A Pending CN108920420A (zh) | 2018-03-23 | 2018-03-23 | 一种适用于驾驶性评价试验数据处理的小波去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108920420A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109998546A (zh) * | 2019-01-25 | 2019-07-12 | 芯海科技(深圳)股份有限公司 | 一种人体阻抗信号质量的评价方法 |
CN110599425A (zh) * | 2019-09-17 | 2019-12-20 | 青岛海月辉科技有限公司 | 一种适用于acfm信号小波去噪的小波参数选择方法 |
CN111125885A (zh) * | 2019-12-03 | 2020-05-08 | 杭州电子科技大学 | 一种基于改进克里金插值算法的asf修正表构建方法 |
CN113616203A (zh) * | 2021-09-02 | 2021-11-09 | 中船海洋探测技术研究院有限公司 | 基于小波滤波算法的潜水员水下血氧检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876546A (zh) * | 2009-11-27 | 2010-11-03 | 北京航空航天大学 | 基于小波阈值去噪和far模型的mems陀螺数据处理方法 |
CN102393423A (zh) * | 2011-09-28 | 2012-03-28 | 南京信息工程大学 | 基于自适应阈值正交小波变换的兰姆波去噪方法 |
CN102928517A (zh) * | 2012-11-15 | 2013-02-13 | 河北省电力公司电力科学研究院 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
CN103675617A (zh) * | 2013-11-20 | 2014-03-26 | 西安交通大学 | 一种用于高频局部放电信号检测的抗干扰方法 |
CN103761719A (zh) * | 2014-01-06 | 2014-04-30 | 暨南大学 | 一种基于邻域相关性的自适应小波阈值去噪方法 |
CN106052606A (zh) * | 2016-05-27 | 2016-10-26 | 南京理工大学 | 一种基于尺度平均小波能量谱的轨道表面凹陷检测方法 |
CN106289775A (zh) * | 2016-04-07 | 2017-01-04 | 成都铁安科技有限责任公司 | 一种列车轴承检测信号包络谱分析方法及装置 |
CN106339720A (zh) * | 2016-08-23 | 2017-01-18 | 万毅 | 一种汽车发动机的失效检测方法 |
CN106529535A (zh) * | 2016-11-10 | 2017-03-22 | 南京富士通南大软件技术有限公司 | 一种基于小波变换在复杂光照环境中车牌定位方法 |
US20180012614A1 (en) * | 2016-02-19 | 2018-01-11 | New York University | Method and system for multi-talker babble noise reduction |
-
2018
- 2018-03-23 CN CN201810243032.2A patent/CN108920420A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876546A (zh) * | 2009-11-27 | 2010-11-03 | 北京航空航天大学 | 基于小波阈值去噪和far模型的mems陀螺数据处理方法 |
CN102393423A (zh) * | 2011-09-28 | 2012-03-28 | 南京信息工程大学 | 基于自适应阈值正交小波变换的兰姆波去噪方法 |
CN102928517A (zh) * | 2012-11-15 | 2013-02-13 | 河北省电力公司电力科学研究院 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
CN103675617A (zh) * | 2013-11-20 | 2014-03-26 | 西安交通大学 | 一种用于高频局部放电信号检测的抗干扰方法 |
CN103761719A (zh) * | 2014-01-06 | 2014-04-30 | 暨南大学 | 一种基于邻域相关性的自适应小波阈值去噪方法 |
US20180012614A1 (en) * | 2016-02-19 | 2018-01-11 | New York University | Method and system for multi-talker babble noise reduction |
CN106289775A (zh) * | 2016-04-07 | 2017-01-04 | 成都铁安科技有限责任公司 | 一种列车轴承检测信号包络谱分析方法及装置 |
CN106052606A (zh) * | 2016-05-27 | 2016-10-26 | 南京理工大学 | 一种基于尺度平均小波能量谱的轨道表面凹陷检测方法 |
CN106339720A (zh) * | 2016-08-23 | 2017-01-18 | 万毅 | 一种汽车发动机的失效检测方法 |
CN106529535A (zh) * | 2016-11-10 | 2017-03-22 | 南京富士通南大软件技术有限公司 | 一种基于小波变换在复杂光照环境中车牌定位方法 |
Non-Patent Citations (1)
Title |
---|
刘海江 等: "基于小波变换的整车驾驶性评价信号去噪", 《噪声与振动控制》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109998546A (zh) * | 2019-01-25 | 2019-07-12 | 芯海科技(深圳)股份有限公司 | 一种人体阻抗信号质量的评价方法 |
CN110599425A (zh) * | 2019-09-17 | 2019-12-20 | 青岛海月辉科技有限公司 | 一种适用于acfm信号小波去噪的小波参数选择方法 |
CN111125885A (zh) * | 2019-12-03 | 2020-05-08 | 杭州电子科技大学 | 一种基于改进克里金插值算法的asf修正表构建方法 |
CN113616203A (zh) * | 2021-09-02 | 2021-11-09 | 中船海洋探测技术研究院有限公司 | 基于小波滤波算法的潜水员水下血氧检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920420A (zh) | 一种适用于驾驶性评价试验数据处理的小波去噪方法 | |
CN106524967B (zh) | 一种汽车轮心实际行驶位移测量与提取方法 | |
CN101545983A (zh) | 基于小波变换的多属性分频成像方法 | |
CN105716708B (zh) | 一种匀速噪声的噪声源分离方法 | |
CN104751000A (zh) | 一种机电复合传动状态监测信号小波降噪方法 | |
CN103850679A (zh) | 一种利用多种测井曲线对声波时差曲线进行重构的方法 | |
CN101451338A (zh) | 桥梁结构状态历史信息的分离方法 | |
CN108180983A (zh) | 自适应时频域混合滤波的应急救援车辆振动位移重构方法 | |
CN111896271B (zh) | 整车加速横摆的测试和评价方法 | |
CN110554428A (zh) | 一种基于变分模态分解的地震波低频能量变化率提取方法 | |
CN112781820B (zh) | 一种滚刀性能退化趋势评估方法 | |
CN108982029A (zh) | 基于移动车辆的梁式桥梁结构的损伤定位方法 | |
Paolucci et al. | On the reliability of long‐period response spectral ordinates from digital accelerograms | |
CN109765303A (zh) | 用于衬砌结构背后脱空程度的检测方法 | |
CN113297810B (zh) | 一种检验海面高度的现场观测设备布放方法和系统 | |
CN104899409A (zh) | 一种基于小波分析的工程机械传动载荷信号去噪方法 | |
CN110399683A (zh) | 基于频域幅值谱相似性滤波技术的桥梁冲击系数提取方法 | |
CN106197523A (zh) | 基于一阶线性系统的弱信号检测及复原 | |
CN112085354A (zh) | 一种基于车激动力响应互相关指标体系的桥梁基础冲刷诊断方法 | |
Lee et al. | Design of new sound metric and its application for quantification of an axle gear whine sound by utilizing artificial neural network | |
CN104299048A (zh) | 一种轨道交通引起的建筑物振动水平预测方法 | |
CN115524086A (zh) | 基于车桥耦合振动的统计矩曲率梁式桥损伤识别方法 | |
KR101694905B1 (ko) | 타이어 소음 예측 방법 | |
Rathé et al. | Survey of the exterior noise of some passenger cars | |
CN106340018A (zh) | 水文气象要素空间插值最优分辨率的确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181130 |
|
WD01 | Invention patent application deemed withdrawn after publication |