CN110031081A - 一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统 - Google Patents
一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统 Download PDFInfo
- Publication number
- CN110031081A CN110031081A CN201910230082.1A CN201910230082A CN110031081A CN 110031081 A CN110031081 A CN 110031081A CN 201910230082 A CN201910230082 A CN 201910230082A CN 110031081 A CN110031081 A CN 110031081A
- Authority
- CN
- China
- Prior art keywords
- wavelet packet
- wavelet
- decomposition
- vibration signal
- phi
- 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于改进型小波包的phi‑OTDR分布式光纤振动信号去噪方法及系统,所述方法通过采集phi‑OTDR分布式光纤传感系统中的光纤振动原始数据,并基于原始数据的特性选取小波函数,对原始数据进行分解、重构,在此过程中增加新的变换因子,通过对信号的高频子带和低频子带进行快速傅里叶变换,取出各节点中多余的频率成分,从而得到信号的精细分解和重构去噪。
Description
技术领域
本发明涉及信号处理技术领域,特别涉及一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统。
背景技术
基于相位敏感光时域反射计技术的分布式光纤传感系统,在安防中不仅具有抗电磁干扰,抗腐蚀、灵敏度高等特点,而且具有监测距离范围广、长距离定位能力强等多种突出优点。因此在国境线、军事基地、长输油管道、长输电线、长距离通信光缆等重要应用领域的入侵监测与安全防范中扮演重要角色。
由于系统的有效信号较弱,受环境噪声污染较大,导致信号的信噪比较差。为了提高的定位精度和检测灵敏度以实现对微小振动信号的传感,研究人员一般对系统的信号进行前期降噪处理,采用的方法主要有移动平均方法、小波阈值降噪法和小波包分析法。
移动平均方法一般是将当前时刻的后向瑞利散射信号与前一时刻的后向瑞利散射信号连续相减,这种算法计算量大,并且如果外界环境发生变化,容易出现误差。
小波阈值降噪法虽然表现非常好的噪声和信号区分能力,但是由于缺乏平移不变性,因此使得最后得到的降噪信号出现失真。
而小波包提供了一种更为复杂、更为灵活的分析手段。它具有随分辨2j的增加,变宽的频谱窗口进一步分割变细的优良品质。对给定的信号,通过一组低高通组合正交滤波器H、G,可以将信号划分到任意频段上。小波包分析对上一次的低频部分和高频部分同时实行分解,具有更加精确的局部分析能力。但是在小波包快速重构算法过程中,由于存在小波滤波器的非理想特性、隔点采样和隔点插零所致的频率混杂现象,当需要从复杂含噪混合信号中提取并重构某个或某几个频率成份的信号分量时,直接使用上述常规分解与重构方法得到的信号存在较大失真。同时,对于小波包分解与重构算法存在的频率混淆问题,即使利用单节点重构算法也无法根除。
发明内容
针对现有技术的不足,本发明提供一种基于改进型小波包的phi -OTDR分布式光纤振动信号去噪方法及系统,在分解或者重构方法中增加新的变换因子,通过对信号的高频子带(细节部分)和低频子带 (近似部分)进行快速傅里叶变换或逆变换,取出各节点中多余的频率成分,从而得到信号的精细分解或重构去噪。
为实现上述目的,本发明公开一种基于改进型小波包的phi-OTD R分布式光纤振动信号去噪方法,所述方法包括以下步骤:
S1、采集phi-OTDR分布式光纤传感系统中的含噪声的光纤振动信号原始数据,根据原始数据的特征测试选取最优小波函数,并获取所述小波函数的小波包分解层数;
S2、将原始数据进行小波包分解滤波,按照频段由低至高依次分解得到多个频段对应的小波包系数;
S3、运用阈值函数对所述多个频段的小波包系数进行量化处理,将频谱中多余的频率成分的谱值置零;
S4、运用最佳小波包基的分解系数与经过阈值量化后的小波包系数,进行小波包的快速重构;
S5、比较滤波前后的原始数据,若达到要求,则保存滤波后的光振动信号,否则转至执行步骤S3,直至达到要求为止。
在上述技术方案中,所述步骤S1中,小波包分解层数为4层,即j=4。
在上述技术方案中,所述步骤S1中,选取小波函数为Symlets 正交小波函数,所述小波函数的消失矩为N=2j+1=32。
在上述技术方案中,所述步骤S2中小波包分解滤波是分别运用第一小波分解滤波器H(x)和第二小波分解滤波器G(x)对原始数据进行多次迭代分解,同时对每次迭代分解结果进行快速傅立叶变换并进行隔点采样,直到分解至所述层数,得到原始数据各个频段对应系数,分解公式为:
其中:f(t)为原始数据;t为离散时间序列,t={20,21,...,2j}; i={20,21,...,2j},j为层数,j=log2 N-1,N为小波函数消失矩,亦即分解后第j层数据点数。
在上述技术方案中,所述步骤S3中滤波时选用软阈值函数对小波包分解得到的各频段系数进行量化处理,将频谱中多余的频率成分的谱值置零。
在上述技术方案中,所述步骤S4中小波包的快速重构是对每个频段的小波包系数进行隔点插零,然后采用第一小波分解滤波器H(x) 或第二小波分解滤波器G(x)进行数据重构,最后做快速傅里叶逆变换,通过上述操作的多次迭代实现小波包的快速重构,重构公式为:
其中,j=log2 N-1;i={2j,2j-1,...,2,1}。
在上述技术方案中,所述步骤S5中,比较振动信号原始数据的特征包括主振峰振幅、位置信息。
本发明还公开一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪系统,所述系统包括采集模块、分解模块、量化模块、重构模块以及比较模块;
采集模块,用于采集phi-OTDR分布式光纤传感系统中的含噪声的光纤振动信号原始数据,根据原始数据的特征测试选取最优小波函数,并获取所述小波函数的小波包分解层数;
分解模块,用于将原始数据进行小波包分解滤波,按照频段由低至高依次分解得到多个频段对应的小波包系数;
量化模块,用于运用阈值函数对所述多个频段的小波包系数进行量化处理,将频谱中多余的频率成分的谱值置零;
重构模块,用于运用最佳小波包基的分解系数与经过阈值量化后的小波包系数,进行小波包的快速重构;
比较模块,用于比较滤波前后的原始数据,若达到要求,则保存滤波后的光振动信号,否则转至执行量化模块,直至达到要求为止。
本发明一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统,具有以下有益效果:一种基于小波所进行的滤波而导致的实际非理想截止特性,其无法满足采样定理;二是各尺度高频子带的隔点采样实际亦不满足采样定理,而在理想的小波滤波条件下,频率折叠的情况只是出现于个尺度高频子带的小波系数之中,并且在隔点采样、插零的反向折叠作用下,频率折叠的现象在常规单节点重构方向实施过程中会被消除,进而各个节点中冗余的频率成分再通过傅里叶变换与傅里叶逆变换实施进一步消除,这样就产生了单节点重构的改进方法。
附图说明
图1为本发明一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法流程图;
图2为本发明提供的改进后小波包分解示意图;
图3为本发明提供的改进后小波包重构示意图;
图4为本发明一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法系统模块图;
具体实施方式
下面结合附图对本发明作进一步详细描述,本发明提供一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,如图1所示,所述方法包括以下步骤:
S1、采集phi-OTDR分布式光纤传感系统中的含噪声的光纤振动信号原始数据,根据原始数据的特征测试选取最优小波函数,并获取所述小波函数的小波包分解层数;其中,小波包分解层数为4层,即 j=4。选取小波函数为Symlets正交小波函数,所述小波函数的消失矩为N=2j+1=32。
S2、将原始数据进行小波包分解滤波,按照频段由低至高依次分解得到多个频段对应的小波包系数;
具体的,所述步骤S2中小波包分解滤波是分别运用第一小波分解滤波器H(x)和第二小波分解滤波器G(x)对原始数据进行多次迭代分解,同时对每次迭代分解结果进行快速傅立叶变换并进行隔点采样,直到分解至所述层数,得到原始数据各个频段对应系数,如图2 所示,图中表示2层的小波包分解过程,C和D分别为针对低频部分和高频部分做快速傅里叶变换的运算因子,分解公式为:
其中:f(t)为原始数据;t为离散时间序列,t={20,21,...,2j}; i={20,21,...,2j},j为层数,j=log2 N-1,N为小波函数消失矩,亦即分解后第j层数据点数。
S3、运用阈值函数对所述多个频段包括高、低频系数的小波包系数进行量化处理,将频谱中多余的频率成分的谱值置零;
可选的,滤波时选用软阈值函数对小波包分解的各高、低频段系数进行量化处理。
S4、运用最佳小波包基的分解系数与经过阈值量化后的小波包系数,进行小波包的快速重构;
其中,所述步骤S4中小波包的快速重构是对每个频段的小波包系数进行隔点插零,然后采用第一小波分解滤波器H(x)或第二小波分解滤波器G(x)进行数据重构,最后做快速傅里叶逆变换,通过上述操作的多次迭代实现小波包的快速重构,如图3所示,重构公式为:
其中,j=log2 N-1;i={2j,2j-1,...,2,1}。
S5、比较滤波前后的原始数据,若达到要求,则保存滤波后的光振动信号,否则转至执行步骤S3,直至达到要求为止。其中比较振动信号原始数据的特征包括比较主振峰振幅以及位置。
小波滤波器的非理想截止特性和各个尺度的高频子带隔点采样不满足采样定理,如果小波滤波器是理想的,则只是在各个尺度的高频子带的小波系数中存在频率折叠,而且由于隔点采样和隔点插零的反向折叠作用,单节点重构方法中就不会存在频率折叠,利用傅里叶变换和傅里叶逆变换就可以将各节点中多余的频率成分去掉,就得到了单节点重构改进方法。
本发明还提供一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪系统,所述系统包括采集模块、分解模块、量化模块、重构模块以及比较模块,如图4所示;
采集模块,用于采集phi-OTDR分布式光纤传感系统中的含噪声的光纤振动信号原始数据,根据原始数据的特征测试选取最优小波函数,并获取所述小波函数的小波包分解层数;
分解模块,用于将原始数据进行小波包分解滤波,按照频段由低至高依次分解得到多个频段对应的小波包系数;
量化模块,用于运用阈值函数对所述多个频段的小波包系数进行量化处理,将频谱中多余的频率成分的谱值置零;
重构模块,用于运用最佳小波包基的分解系数与经过阈值量化后的小波包系数,进行小波包的快速重构;
比较模块,用于比较滤波前后的原始数据,若达到要求,则保存滤波后的光振动信号,否则转至执行量化模块,直至达到要求为止。
说明书中未阐述的部分均为现有技术或公知常识。本实施方式仅用于说明该发明,而不用于限制本发明的范围,本领域技术人员对于本发明所做的等价置换等修改均认为是落入该发明权利要求书所保护范围内。
Claims (8)
1.一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述方法包括以下步骤:
S1、采集phi-OTDR分布式光纤传感系统中的含噪声的光纤振动信号原始数据,根据原始数据的特征测试选取最优小波函数,并获取所述小波函数的小波包分解层数;
S2、将原始数据进行小波包分解滤波,按照频段由低至高依次分解得到多个频段对应的小波包系数;
S3、运用阈值函数对所述多个频段的小波包系数进行量化处理,将频谱中多余的频率成分的谱值置零;
S4、运用最佳小波包基的分解系数与经过阈值量化后的小波包系数,进行小波包的快速重构;
S5、比较滤波前后的原始数据,若达到要求,则保存滤波后的光振动信号,否则转至执行步骤S3,直至达到要求为止。
2.根据权利要求1所述一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述步骤S1中,小波包分解层数为4层,即j=4。
3.根据权利要求2所述一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述步骤S1中,选取小波函数为Symlets正交小波函数,所述小波函数的消失矩为N=2j+1=32。
4.根据权利要求3所述一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述步骤S2中小波包分解滤波是分别运用第一小波分解滤波器H(x)和第二小波分解滤波器G(x)对原始数据进行多次迭代分解,同时对每次迭代分解结果进行快速傅立叶变换并进行隔点采样,直到分解至所述层数,得到原始数据各个频段对应系数,分解公式为:
其中:f(t)为原始数据;t为离散时间序列,t={20,21,...,2j};i={20,21,...,2j},j为层数,j=log2N-1,N为小波函数消失矩,亦即分解后第j层数据点数。
5.根据权利要求4所述一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述步骤S3中滤波时选用软阈值函数对小波包分解得到的各频段系数进行量化处理,将频谱中多余的频率成分的谱值置零。
6.根据权利要求5所述一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述步骤S4中小波包的快速重构是对每个频段的小波包系数进行隔点插零,然后采用第一小波分解滤波器H(x)或第二小波分解滤波器G(x)进行数据重构,最后做快速傅里叶逆变换,通过上述操作的多次迭代实现小波包的快速重构,重构公式为:
其中,j=log2N-1;i={2j,2j-1,...,2,1}。
7.根据权利要求6所述一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法,其特征在于,所述步骤S5中,比较振动信号原始数据的特征包括主振峰振幅、位置信息。
8.一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪系统,其特征在于,所述系统包括采集模块、分解模块、量化模块、重构模块以及比较模块;
采集模块,用于采集phi-OTDR分布式光纤传感系统中的含噪声的光纤振动信号原始数据,根据原始数据的特征测试选取最优小波函数,并获取所述小波函数的小波包分解层数;
分解模块,用于将原始数据进行小波包分解滤波,按照频段由低至高依次分解得到多个频段对应的小波包系数;
量化模块,用于运用阈值函数对所述多个频段的小波包系数进行量化处理,将频谱中多余的频率成分的谱值置零;
重构模块,用于运用最佳小波包基的分解系数与经过阈值量化后的小波包系数,进行小波包的快速重构;
比较模块,用于比较滤波前后的原始数据,若达到要求,则保存滤波后的光振动信号,否则转至执行量化模块,直至达到要求为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910230082.1A CN110031081A (zh) | 2019-03-26 | 2019-03-26 | 一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910230082.1A CN110031081A (zh) | 2019-03-26 | 2019-03-26 | 一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110031081A true CN110031081A (zh) | 2019-07-19 |
Family
ID=67236590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910230082.1A Pending CN110031081A (zh) | 2019-03-26 | 2019-03-26 | 一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110031081A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611444A (zh) * | 2020-12-30 | 2021-04-06 | 西安和其光电科技股份有限公司 | 一种可精确定位的分布式光纤振动监测系统及方法 |
CN113239868A (zh) * | 2021-05-31 | 2021-08-10 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
CN114584434A (zh) * | 2022-02-24 | 2022-06-03 | 青岛海信宽带多媒体技术有限公司 | 一种滤波器系数的计算方法及光模块 |
CN114577243A (zh) * | 2022-02-28 | 2022-06-03 | 宁夏回族自治区水利工程建设中心 | 提高安全状态的相敏光时域反射仪脉冲发生频率调节方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130311141A1 (en) * | 2012-05-18 | 2013-11-21 | National Dong Hwa University | Signal denoising methods for a charge detection frequency-scan/voltage-scan quadrupole/linear/rectilinear ion trap mass spectrometer |
CN105067101A (zh) * | 2015-08-05 | 2015-11-18 | 北方工业大学 | 振源识别的基于振动信号的基音频率特征的提取方法 |
CN107424657A (zh) * | 2017-07-21 | 2017-12-01 | 中国工程物理研究院核物理与化学研究所 | 一种新型反应堆核噪声频谱分析仪 |
CN107659314A (zh) * | 2017-09-19 | 2018-02-02 | 电子科技大学 | 分布式光纤传感时空二维信号的稀疏化表示及压缩方法 |
-
2019
- 2019-03-26 CN CN201910230082.1A patent/CN110031081A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130311141A1 (en) * | 2012-05-18 | 2013-11-21 | National Dong Hwa University | Signal denoising methods for a charge detection frequency-scan/voltage-scan quadrupole/linear/rectilinear ion trap mass spectrometer |
CN105067101A (zh) * | 2015-08-05 | 2015-11-18 | 北方工业大学 | 振源识别的基于振动信号的基音频率特征的提取方法 |
CN107424657A (zh) * | 2017-07-21 | 2017-12-01 | 中国工程物理研究院核物理与化学研究所 | 一种新型反应堆核噪声频谱分析仪 |
CN107659314A (zh) * | 2017-09-19 | 2018-02-02 | 电子科技大学 | 分布式光纤传感时空二维信号的稀疏化表示及压缩方法 |
Non-Patent Citations (3)
Title |
---|
吴亚明: "基于小波包的分布式光纤信号降噪方法", 《激光杂志》 * |
姚昌荣 等: "小波包变换频率混淆的消除及其在桥梁健康监测中的应用", 《中国铁道科学》 * |
黎威 等: "基于小波包的相位敏感OTDR分布式光纤振动信号降噪方法的研究", 《光电子•激光》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611444A (zh) * | 2020-12-30 | 2021-04-06 | 西安和其光电科技股份有限公司 | 一种可精确定位的分布式光纤振动监测系统及方法 |
CN113239868A (zh) * | 2021-05-31 | 2021-08-10 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
CN113239868B (zh) * | 2021-05-31 | 2022-03-15 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
CN114584434A (zh) * | 2022-02-24 | 2022-06-03 | 青岛海信宽带多媒体技术有限公司 | 一种滤波器系数的计算方法及光模块 |
CN114584434B (zh) * | 2022-02-24 | 2024-02-27 | 青岛海信宽带多媒体技术有限公司 | 一种滤波器系数的计算方法及光模块 |
CN114577243A (zh) * | 2022-02-28 | 2022-06-03 | 宁夏回族自治区水利工程建设中心 | 提高安全状态的相敏光时域反射仪脉冲发生频率调节方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031081A (zh) | 一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统 | |
Zhu et al. | Seismic signal denoising and decomposition using deep neural networks | |
CN110057586B (zh) | 轴承故障振动信号Schatten改进小波包与重构降噪方法 | |
Shao et al. | Order tracking by discrete Gabor expansion | |
CN108535636A (zh) | 一种模拟电路基于参数随机分布邻近嵌入胜者为王的故障特征提取方法 | |
US20030123584A1 (en) | Trace video filtering using wavelet de-noising techniques | |
CN109031415B (zh) | 一种基于深度卷积神经网络的可控震源数据振铃压制方法 | |
CN109883547A (zh) | 一种基于小波阈值差分的宽波段光谱信号去噪方法 | |
Sharma et al. | An empirical wavelet transform-based approach for cross-terms-free Wigner–Ville distribution | |
CN110503060B (zh) | 一种光谱信号去噪方法及其系统 | |
CN102624349B (zh) | 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法 | |
CN108287073B (zh) | 基于奇异值分量频域谱的共振带选择方法 | |
CN111562597A (zh) | 一种基于bp神经网络的北斗卫星导航干扰源识别方法 | |
Karslı et al. | A mean-based filter to remove power line harmonic noise from seismic reflection data | |
CN112084845A (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN112649882B (zh) | 低频磁信号增强方法及使用其的航空磁测系统 | |
Pazos et al. | Non-linear filter, using the wavelet transform, applied to seismological records | |
CN101639530B (zh) | 一种基于二维混合变换的sar回波信号去噪预处理方法 | |
Zhang et al. | Noise suppression of GPR data using Variational Mode Decomposition | |
Sun et al. | Application of adaptive iterative low-rank algorithm based on transform domain in desert seismic signal analysis | |
CN110943954B (zh) | 基于贪婪算法的调制宽带转换器混频序列优化方法 | |
Wu et al. | Research on wavelet threshold de-noising method of remainder detection for stand-alone electronic equipments in satellite | |
CN108680958B (zh) | 一种基于峰值变换的地震数据降噪方法 | |
Azad et al. | Multiresolution analysis for separating closely spaced frequencies with an application to Indian monsoon rainfall data | |
Wang et al. | Application of wavelet method with nonlinear threshold control in vehicle wheel force signal denoising |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190719 |
|
RJ01 | Rejection of invention patent application after publication |