CN110459197B - 用于微弱盲信号去噪与提取的信号增强器及方法 - Google Patents
用于微弱盲信号去噪与提取的信号增强器及方法 Download PDFInfo
- Publication number
- CN110459197B CN110459197B CN201910618437.4A CN201910618437A CN110459197B CN 110459197 B CN110459197 B CN 110459197B CN 201910618437 A CN201910618437 A CN 201910618437A CN 110459197 B CN110459197 B CN 110459197B
- Authority
- CN
- China
- Prior art keywords
- signal
- adaptive filter
- index
- time
- irregularity
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
-
- 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
- G01N29/14—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 using acoustic emission techniques
-
- 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
- G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
- G01N29/40—Detecting the response signal, e.g. electronic circuits specially adapted therefor by amplitude filtering, e.g. by applying a threshold or by gain control
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03K—PULSE TECHNIQUE
- H03K5/00—Manipulating of pulses not covered by one of the other main groups of this subclass
- H03K5/125—Discriminating pulses
- H03K5/1252—Suppression or limitation of noise or interference
Abstract
本发明涉及一种信号增强器,包括:延时模块;自适应滤波器,用于输出目标信号;以及参数调节模块,用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。基于该信号增强器的信号去噪和提取方法包括:将输入信号经过延时环节后,输入到自适应滤波器;通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节;和通过参数优化后的自适应滤波器输出去噪后的目标信号。本发明还涉及一种包含所述信号增强器的信号检测系统。本发明具有如下优点:1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪;2)适合目标信号未知的盲信号提取;3)能够提取目标信号的时域波形和全部频率成分。
Description
技术领域
本发明涉及一种改进的信号增强器,以及基于所述增强器的信号去噪与提取的方法。此外,本发明还涉及包含所述增强器的信号检测系统。本发明的方案尤其适用对混有强噪声的微弱盲信号进行去噪和提取。
背景技术
高速铁路具有速度快、运输效率高、舒适性强、污染小等特点,现已成为国际客运发展的共同趋势,在中、英、法、日、德、意等国投入运营。然而随着高速铁路的飞速发展,不断提升的车速、运输量及载重使随机的轮轨滚动接触疲劳裂纹成为威胁高速铁路安全运营的重要问题。
现有检测技术及方式存在检测速度低、无法避免检测盲区、对微小伤损不敏感的固有缺陷,不满足高速铁路的轮轨探伤需求。声发射技术作为被动式动态无损检测技术,具有敏感性强、实时性好、对被测物几何要求低等优势,可用于轮轨健康监测和伤损检测。如在Lu Zhou等人的标题为“Contemporary Inspection and Monitoring for High-SpeedRail System”的文献(http://dx.doi.org/10.5772/intechopen.81159)中讨论了声发射技术以及其它检测技术在高速铁路系统检测上的应用。
此外,近些年的研究发现,轮轨滚动噪声的幅值远大于可测伤损信号的幅值且与车速呈现较强的正相关。除此之外,轮轨滚动噪声与伤损信号的频带部分重叠,无法通过简单的滤波处理达到伤损检测的目的。可见,行车过程中不可避免的轮轨滚动噪声是阻碍声发射技术应用于高速铁路实时探伤的关键问题。该问题的研究对轮轨滚动噪声的去除以及伤损的检测具有重要意义。而这类问题对所用的噪声去除方案提出了新要求。在噪声幅值远大于目标伤损信号幅值且二者频谱有重叠的情况下,需要一种能够实现对强噪声的去除及盲目标信号(其中,“盲”是指目标信号未知、无目标信号的先验信息)提取的方案。
发明内容
为了提取频谱有重叠的强噪微弱盲信号,本发明提供一种信号去噪与提取的技术方案。所述方案能够从较强的噪声中提取出微弱的盲目标信号,滤波过程无需目标信号的先验信息,在噪声将目标信号全部淹没且二者频谱部分重叠的情况下,能够提取出目标信号的时域波形和全部频率成分,为目标伤损特征提取与分类诊断奠定基础。
本发明的第一方面提供一种信号增强器,包括:与所述增强器的信号输入端连接的延时模块;与所述延时模块的输出端连接的自适应滤波器,用于输出目标信号;以及参数调节模块,用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。所述参数调节模块包括:与所述信号输入端和所述自适应滤波器的输出端连接的收敛指标操作单元,用于将所述信号增强器的输入信号与所述自适应滤波器的输出信号之间误差信号的最小均方值作为所述收敛指标;与所述自适应滤波器的输出端连接的不规则性指标操作单元,通过Hurst指数的时间函数构成离散时间序列的不规则性指标;以及与所述收敛指标操作单元和所述不规则性指标操作单元连接的迭代运算单元,用于通过代价函数Jw=Cw+λHw,迭代计算所述自适应滤波器的参数
以使自适应滤波器在调整后的参数下,输出去噪后的目标信号。上述公式中,Jw为代价函数,Cw为收敛指标,λ为拉格朗日乘子,Hw为不规则性指标,n为时间序数,w(n)为所述自适应滤波器的参数矩阵,μ为迭代步长,e(n)为误差信号,h(n)为所述延时模块的输出信号矩阵,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数。
进一步,所述不规则性指标操作单元被配置成基于连续时间信号构造的结构函数以及Hurst指数表达式的时间函数,
限定离散情况下
的最小值为不规则性指标,
上式中,E{·}表示求数学期望,n为时间序数,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数。
进一步,所述的迭代运算单元被配置成:在所述的自适应滤波器的参数迭代运算过程中,使代价函数最小化,以获得优化的滤波器参数。
本发明的第二方面提供一种信号去噪及提取的方法,包括以下步骤:
将输入信号经过延时环节后,输入到自适应滤波器;
通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节;和
通过参数优化后的自适应滤波器输出去噪后的目标信号。
其中,通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节的步骤还包括:将所述信号增强器的输入信号与所述自适应滤波器的输出信号之间误差信号的最小均方值作为所述收敛指标;通过Hurst指数的时间函数构成离散时间序列的不规则性指标;通过代价函数Jw=Cw+λHw,迭代计算所述自适应滤波器的参数
以使自适应滤波器在调整后的参数下,输出去噪后的目标信号,上述公式中,Jw为代价函数,Cw为收敛指标,λ为拉格朗日乘子,Hw为不规则性指标,n为时间序数,w(n)为所述自适应滤波器的参数矩阵,μ为迭代步长,e(n)为误差信号,h(n)为所述延时模块的输出信号矩阵,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数。
进一步,所述的方法,还包括:基于连续时间信号构造的结构函数以及Hurst指数表达式的时间函数,限定离散情况下
的最小值为不规则性指标。上式中,E{·}表示求数学期望,n为时间序数,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数。
进一步,所述的方法还包括:在所述的自适应滤波器的参数迭代运算过程中,使代价函数最小化,以获得优化的滤波器参数。
本发明的第三方面提供一种信号检测系统,包括上述的信号增强器。该信号检测系统还可以包括计算设备和设置在检测源附近的传感器。计算设备可以运行所述信号增强器,对传感器采集的信号实施去噪及提取目标信号。
本发明的第四方面提供一种包括软件指令的计算机程序,所述软件指令在由计算机执行时实施上述的信号去噪及提取的方法。
本发明与现有技术相比,具有如下优点:
1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪;
2)适合目标信号未知的盲信号提取;
3)能够提取目标信号的时域波形和全部频率成分。
附图说明
现将参照附图描述本发明的示例性实施例,其中:
图1为根据本发明的增强器的示意性结构框图;
图2为图1的增强器中的自适应滤波器的示意图;
图3为自适应滤波器的前四个滤波器参数随时间序数的变化曲线;
图4为根据本发明一个实施例的应用场景示意图;
图5为给定车速下的含噪信号;
图6示出对图5所示的含噪信号采用根据本发明的信号增强器去噪提取后的钢轨裂纹信号;
图7为图6所示的含噪信号去噪提取结果的时频分布图。
具体实施方式
本文提供一种信号增强器(如自适应谱线增强器)的微弱盲信号提取与去噪的方案。此方案的主体为Hurst指数改进的信号增强器。如图1所示,在一个实施例中,所改进的增强器主要包含以下4个部分:延时模块、自适应滤波器、收敛指标和不规则性指标。下面对各个部分进行详细描述。
第一部分延时模块
图1中z-Δ为延时模块,其中z代表Z变换,Δ为延时长度。将离散含噪信号d(n)输入延时模块,经延时后的输出信号为h(n)。由于延时模块的作用,h(n)与d(n)有以下关系:
h(n)=d(n-Δ)。
设输入信号d(n)=r(n)+q(n),其中r(n)为目标信号、q(n)为噪声。
则当延时长度Δ大于噪声q(n)的相关长度,而小于目标信号r(n)的相关长度,延时模块可以减小h(n)与噪声q(n)的相关程度,进而实现通过相关性抑制部分噪声的目的。
第二部分自适应滤波器
图1中的自适应滤波器可以为有限冲击响应(FIR)自适应滤波器,其结构如图2所示。同样,z-1是延时长度为1的延时环节,而L为FIR自适应滤波器的长度,而w0,w1,…wL为FIR自适应滤波器的参数,Jw为代价函数。在FIR自适应滤波器的作用下,g(n)与h(n)有以下关系
g(n)=wTh(n),
其中w(n)=[w0(n) w1(n) … wL(n)]T、h(n)=[h(n) h(n-1) … h(n-L)]T,上标T代表转置。
FIR自适应滤波器是一种基于优化准则的信号最优估计器。在本发明的实施例中,在传统FIR滤波器的基础上增加了代价函数Jw,通过自适应算法实时调整滤波参数,使滤波器参数以递推方式自适应更新,进而使代价函数满足优化目标、FIR自适应滤波器适应目标信号。因此,将去掉相关噪声的信号h(n)输入FIR自适应滤波器,滤波器参数w0,w1,…wL即可根据代价函数的要求自适应更新,得到的输出信号g(n)即为目标信号r(n)的估计,即去噪提取出的信号。
第三部分收敛指标
图1中的代价函数Jw由两个指标构成,其中一个是收敛指标。收敛指标由增强器的输入信号d(n)和输出信号g(n)的误差e(n)构造得到:
e(n)=d(n)-g(n),
Cw=E{e2(n)},
其中E{·}表示求数学期望。收敛指标定义为使Cw最小,即使增强器的均方误差最小。收敛指标限定了滤波过程中误差信号的大小,使增强器在去噪和信号提取过程中不至于发散。当误差e(n)过大时,FIR自适应滤波器和增强器发散,无法实现对目标信号r(n)的追踪,此时输出g(n)不再是目标信号r(n)的估计,增强器无法达到去噪和信号提取的作用。
第四部分不规则性指标
为能在去除噪声的同时,增大增强器对具有特定不规则性目标信号的响应,提出在代价函数中引入不规则性指标。由于Hurst指数能够描述信号的不规则性,而代价函数应由增强器中的时间信号构成,因此不规则性指标须由Hurst指数的时间函数构成。
1)现构造连续时间信号g(t)的结构函数:
S(τ)=E{[g(t)-g(t+τ)]2},
其中t为时间,τ为信号g(t)的时移。当g(t)的Hurst指数H不随时间变化时,其与结构函数S(τ)有如下标度关系:
S(τ)=VHτ2H,
特别地,t=0时g(0)=0,其中t'为时间,H为Hurst指数(0<H<1),B(t')为布朗运动的时间函数,Γ(·)为Gamma函数。由标度关系可知,当信号g(t)的H固定时,其结构函数S(τ)仅为时移τ的函数,因此H的值可由结构函数与其时移构成的时间函数表示。
2)现构造Hurst指数的时间函数表达式:
取两不同时移τ1、τ2构造相应的结构函数为
将二式相除,去除无关系数VH得
对等式两端取自然对数得基于结构函数及其时移的Hurst指数表达式
此表达式为时间函数。Hurst指数能够描述信号的不规则性,因此通过其时间函数表达式即可由时间信号获取信号的不规则程度。
实验验证,伤损信号的H小于噪声的H。因此,定义使离散情况下的Hw最小为不规则性指标:
其中g(n)为g(t)的离散时间序列,i1、i2为间隔序数,定义为i1=τ1/ts、i2=τ2/ts,ts为离散时间信号的采样时间。由于Hurst指数所描述的信号不规则性与信号的幅值和频谱分布无关,不规则性指标可以在噪声幅值较大且频谱有重叠的情况下适应H较小的目标信号。
在一个计算实例中,比如取两不同时移τ1=90μs、τ1=110μs,对输出信号g(n)当前时刻后的30个采样点求数学期望,得到两时移相应的结构函数S(τ1)、S(τ2);然后将S(τ1)、S(τ2)和τ1、τ2代入H的时间函数表达式,以获得H的时间函数表达式用于构造自适应滤波器的代价函数。
3)根据收敛指标和不规则性指标构造增强器的代价函数为
Jw=Cw+λHw,
其中λ为拉格朗日乘子。在一个实例中,可以通过拉格朗日乘子λ=50将收敛指标和不规则性指标二者相加,得到增强器的代价函数。优化过程中收敛指标与不规则性指标共同作用,使代价函数最小化作为增强器中自适应滤波器的优化目标。
现基于此代价函数求自适应滤波器的参数,首先求得此代价函数Jw对滤波器参数的梯度为
而后采用随机梯度下降法,得滤波器参数递推公式为
其中μ为迭代步长。最后,将含噪信号通过增强器,此时FIR滤波器参数w(n)和输出信号g(n)均在代价函数的作用下进行优化,最终使w(n)和g(n)达到最优,以实现目标信号的去噪与提取。在一个计算实例中,可以取迭代步长μ=0.000001,延时Δ=10,FIR自适应滤波器长度L=26,代入上述公式递推计算得w(n)。其中,前四个滤波器参数随时间序数的变化曲线如图3所示,信号长度为80000点。
在一些实施例中,所述增强器可以实施为包含多个与上述四个部分关联的信号处理/运算模块,如延时模块、自适应滤波器、滤波器参数调节模块等。输入增强器的含噪信号d(n)一路经过延时模块和自适应滤波器处理后,初步得到输出信号g(n);然后含噪信号d(n)另一路与初步得到输出信号g(n)之间的误差信号e(n)和输出信号g(n)被滤波器参数调节模块根据所述的递推公式执行递推计算,得到优化的自适应滤波器的实时参数w(n),使新参数调节下的自适应滤波器能够输出去噪后的目标信号;最终由更新参数后的自适应滤波器输出和提取出目标信号,比如微弱的盲信号。
图4为根据本发明的信号检测系统的轮轨探伤应用场景示意图。在本实施例中,可以在钢轨20附近设置一个或多个传感器10(比如压电陶瓷传感器),每个传感器可以关联本地计算设备11。传感器10可以通过通信设备13上传数据到远程计算设备12。传感器10采集的信号通常含有列车行进所带来的高幅值噪声。可以在本地计算设备11或远程计算设备12配置所述的增强器,对声发射技术下的传感器所采集的信号实施去噪及提取目标信号。
图5所示为给定车速(如140km/h)下采集的含噪信号,其中包含模拟的钢轨裂纹微弱信号。图中噪声幅值接近100mV,此时,钢轨裂纹信号被完全淹没,无法识别。
图6示出对图5所示的含噪信号采用根据本发明的增强器去噪提取后的钢轨裂纹信号。图示结果表明,根据本发明的方法可以提取出3个钢轨裂纹声发射信号,其中信号的幅值最大被增强至3.5×104mV。去噪前后对比,含噪信号的峰值信噪比大大提升,目标钢轨裂纹信号被大幅度增强。
图7为图6所示的含噪信号去噪提取结果的时频分布图。图中提取出的声发射信号同时具备钢轨裂纹信号的低频成分和高频成分,说明所提出方法不仅能够在较强的轮轨滚动噪声中提取钢轨裂纹信号,而且在噪声与钢轨裂纹信号频谱有重叠的情况下,依然能够提取出钢轨裂纹信号的全部频率成分。
因此,对于高速铁路轮轨探伤中的伤损信号的去噪与提取,本发明的技术方案中,利用与幅值和频谱分布无关的不规则性,将Hurst指数引入自适应滤波器的代价函数中,使滤波过程能够适应强噪情况下微弱的钢轨裂纹信号。另外,此法是一种无需目标信号先验信息的自适应方法,适用于盲信号提取,因此对随机的钢轨裂纹信号具有较好的提取效果。
同理,对钢轨裂纹信号没有淹没的48km/h车速情况,以及裂纹信号刚刚淹没的78km/h车速情况下的含噪信号采用所述增强器进行去噪。表1给出了三种车速情况下去噪前后信号的峰值信噪比,以及增强器引起的峰值信噪比增量。峰值信噪比定义为
其中,log表示取以10为底的对数,max[r(n)]为目标信号r(n)的最大值,N为噪声q(n)的长度。
表1:不同车速情况下含噪信号去噪前后的峰值信噪比及增量
去噪前,峰值信噪比随车速的增大而减小,说明车速增大将引起噪声增大,使目标信号难以检测。采用所述增强器对含噪信号进行去噪后,发现峰值信噪比大大提升,而且随着车速的增大,峰值信噪比的增量逐渐增大。说明,所述增强器对噪声较强的情况具有更佳的适用效果,能够对强背景噪声中的微弱信号实现大幅度增强。
此外,根据本发明的增强器、信号去噪及提取的方法、信号检测系统,不仅可以用于铁路损伤信号检测,还可以用于其它领域,如大型旋转机械的滚动轴承微弱裂纹伤损检测、非稳态地震信号的勘探等。
应当认识到,本发明的实施例还可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作-根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (6)
1.一种信号增强器,其特征在于,包括:
与所述信号增强器的信号输入端连接的延时模块;
与所述延时模块的输出端连接的自适应滤波器,用于输出目标信号;以及
参数调节模块,用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节,其中,所述参数调节模块包括:
与所述信号输入端和所述自适应滤波器的输出端连接的收敛指标操作单元,
用于将所述信号增强器的输入信号与所述自适应滤波器的输出信号之间误差信号的最小均方值作为所述收敛指标;
与所述自适应滤波器的输出端连接的不规则性指标操作单元,通过Hurst指数的时间函数构成离散时间序列的不规则性指标;以及
与所述收敛指标操作单元和所述不规则性指标操作单元连接的迭代运算单元,用于通过代价函数
Jw=Cw+λHw,
迭代计算所述自适应滤波器的参数
以使自适应滤波器在调整后的参数下,输出去噪后的目标信号,
上述公式中,Jw为代价函数,Cw为收敛指标,λ为拉格朗日乘子,Hw为不规则性指标,n为时间序数,w(n)为所述自适应滤波器的参数矩阵,μ为迭代步长,e(n)为误差信号,h(n)为所述延时模块的输出信号矩阵,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数;
其中,所述不规则性指标操作单元被配置成,基于连续时间信号构造的结构函数以及Hurst指数表达式的时间函数,
限定离散情况下
的最小值为不规则性指标,
上式中,E{·}表示求数学期望,n为时间序数,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数。
2.根据权利要求1所述的信号增强器,其特征在于,所述的迭代运算单元被配置成:在所述的自适应滤波器的参数迭代运算过程中,使代价函数最小化,以获得优化的滤波器参数。
3.一种信号去噪及提取的方法,其特征在于,所述方法包括以下步骤:
将输入信号经过延时环节后,输入到自适应滤波器;
通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节;和
通过参数优化后的自适应滤波器输出去噪后的目标信号;
其中,通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节的步骤还包括:
将所述信号增强器的输入信号与所述自适应滤波器的输出信号之间误差信号的最小均方值作为所述收敛指标;
通过Hurst指数的时间函数构成离散时间序列的不规则性指标;
通过代价函数
Jw=Cw+λHw,
迭代计算所述自适应滤波器的参数
以使自适应滤波器在调整后的参数下,输出去噪后的目标信号,
上述公式中,Jw为代价函数,Cw为收敛指标,λ为拉格朗日乘子,Hw为不规则性指标,n为时间序数,w(n)为所述自适应滤波器的参数矩阵,μ为迭代步长,e(n)为误差信号,h(n)为所述延时模块的输出信号矩阵,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数;
还包括:
基于连续时间信号构造的结构函数以及Hurst指数表达式的时间函数,
限定离散情况下
的最小值为不规则性指标,
上式中,E{·}表示求数学期望,n为时间序数,g(n)为所述自适应滤波器输出信号,i1、i2为间隔序数。
4.根据权利要求3所述的方法,其特征在于,还包括:
在所述的自适应滤波器的参数迭代运算过程中,使代价函数最小化,以获得优化的滤波器参数。
5.一种信号检测系统,其特征在于,包括根据权利要求1至2中任一权利要求所述的信号增强器。
6.根据权利要求5所述的信号检测系统,其特征在于,包括一个或多个与所述信号增强器关联的传感器。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910618437.4A CN110459197B (zh) | 2019-07-10 | 2019-07-10 | 用于微弱盲信号去噪与提取的信号增强器及方法 |
EP19193785.3A EP3764542B1 (en) | 2019-07-10 | 2019-08-27 | Signal enhancer and method for weak and blind signal denoising and extracting |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910618437.4A CN110459197B (zh) | 2019-07-10 | 2019-07-10 | 用于微弱盲信号去噪与提取的信号增强器及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110459197A CN110459197A (zh) | 2019-11-15 |
CN110459197B true CN110459197B (zh) | 2021-09-24 |
Family
ID=67777050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910618437.4A Active CN110459197B (zh) | 2019-07-10 | 2019-07-10 | 用于微弱盲信号去噪与提取的信号增强器及方法 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP3764542B1 (zh) |
CN (1) | CN110459197B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391350B (zh) * | 2021-04-30 | 2023-10-13 | 成都北方石油勘探开发技术有限公司 | 一种半定量叠后地震裂缝预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716013A (zh) * | 2014-01-14 | 2014-04-09 | 苏州大学 | 变参数比例自适应滤波器 |
CN104935293A (zh) * | 2015-06-25 | 2015-09-23 | 国网山东省电力公司莱芜供电公司 | 大功率变压器自适应有源降噪控制方法及控制系统 |
CN106782593A (zh) * | 2017-02-27 | 2017-05-31 | 重庆邮电大学 | 一种用于声学回声消除的多带结构自适应滤波器切换方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131484B2 (en) * | 2010-03-15 | 2012-03-06 | Sergey Kirillov | Method for preprocessing vibro-sensor signals for engine diagnostics and device for carrying out thereof |
US8509365B2 (en) * | 2010-06-12 | 2013-08-13 | Montage Technology (Shanghai) Co. Ltd. | Blind adaptive filter for narrowband interference cancellation |
EP3182413B1 (en) * | 2015-12-16 | 2018-08-29 | Ruhr-Universität Bochum | Adaptive line enhancer based method |
US9922636B2 (en) * | 2016-06-20 | 2018-03-20 | Bose Corporation | Mitigation of unstable conditions in an active noise control system |
-
2019
- 2019-07-10 CN CN201910618437.4A patent/CN110459197B/zh active Active
- 2019-08-27 EP EP19193785.3A patent/EP3764542B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716013A (zh) * | 2014-01-14 | 2014-04-09 | 苏州大学 | 变参数比例自适应滤波器 |
CN104935293A (zh) * | 2015-06-25 | 2015-09-23 | 国网山东省电力公司莱芜供电公司 | 大功率变压器自适应有源降噪控制方法及控制系统 |
CN106782593A (zh) * | 2017-02-27 | 2017-05-31 | 重庆邮电大学 | 一种用于声学回声消除的多带结构自适应滤波器切换方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110459197A (zh) | 2019-11-15 |
EP3764542A1 (en) | 2021-01-13 |
EP3764542B1 (en) | 2022-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021056727A1 (zh) | 一种基于变分模态分解和排列熵的联合降噪方法 | |
CN103630808A (zh) | 一种基于提升小波变换的局部放电信号去噪方法 | |
CN110244202B (zh) | 基于同步压缩小波变换域变压器局部放电去噪方法 | |
CN102323518A (zh) | 一种基于谱峭度的局部放电信号识别方法 | |
CN110426569B (zh) | 一种变压器声信号降噪处理方法 | |
CN109557429A (zh) | 基于改进小波阈值去噪的gis局部放电故障检测方法 | |
CN103576060A (zh) | 基于小波自适应阈值的局部放电信号去噪方法 | |
CN107315991B (zh) | 一种基于小波阈值去噪的ifra频响曲线去噪方法 | |
CN110459197B (zh) | 用于微弱盲信号去噪与提取的信号增强器及方法 | |
CN110780162B (zh) | 一二次融合配电开关局部放电信号提取方法及检测装置 | |
Prajna et al. | Efficient harmonic regeneration noise reduction‐based Wiener filter for acoustic emission signal detection | |
CN109884483A (zh) | 绝缘管型母线局部放电声学在线监测方法及装置 | |
CN110555457A (zh) | 发动机润滑油磨损信号特征处理系统及方法 | |
CN115655719A (zh) | 一种轴承振动信号分阶段降噪方法及轴承故障识别方法 | |
CN112147226B (zh) | 一种基于激光超声信号小波降噪的最优分解层数确定方法 | |
CN109712639A (zh) | 一种基于小波阈值滤波的音频采集系统及方法 | |
CN114330445A (zh) | 一种基于变压器振动信号敏感imf的小波阈值去噪方法 | |
CN114690003A (zh) | 一种基于eemd的局放信号降噪方法 | |
CN114428333A (zh) | 一种基于面波重建的散射面波压制方法及系统 | |
CN109632945A (zh) | 一种适用于脉冲涡流检测信号的降噪方法 | |
CN112525999B (zh) | 一种基于频率成份的声发射信号相关性分析方法 | |
CN112711074B (zh) | 一种地震初至波的去噪方法及装置 | |
CN116304584B (zh) | 一种基于包络谱峰值筛选的自适应噪声滤波方法 | |
Thoufeer et al. | A Deep Learning Scheme for Efficient Power System Waveform De-noising and Reconstruction | |
CN107167232B (zh) | 一种对高压输电线路含噪电晕可听噪声信号进行降噪处理的方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |