CN113054945B - 一种基于熵值分析的声表面波谐振器有效激励检测方法 - Google Patents
一种基于熵值分析的声表面波谐振器有效激励检测方法 Download PDFInfo
- Publication number
- CN113054945B CN113054945B CN202110284575.0A CN202110284575A CN113054945B CN 113054945 B CN113054945 B CN 113054945B CN 202110284575 A CN202110284575 A CN 202110284575A CN 113054945 B CN113054945 B CN 113054945B
- Authority
- CN
- China
- Prior art keywords
- acoustic wave
- surface acoustic
- entropy
- minimum value
- 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.)
- Active
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 30
- 238000010897 surface acoustic wave method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 230000001174 ascending effect Effects 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H9/00—Networks comprising electromechanical or electro-acoustic devices; Electromechanical resonators
- H03H9/46—Filters
- H03H9/64—Filters using surface acoustic waves
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于熵值分析的声表面波谐振器有效激励检测方法，包括如下步骤：步骤1，对接收到的回波信号进行分段，并计算分段熵能量；步骤2，取各分段熵能量的极小值点构成极值曲线；步骤3，判断极值曲线的最小值之后是否存在单调上升的趋势段；步骤4，对该趋势段进行线性拟合得到拟合直线的斜率；步骤5，通过拟合直线斜率值是否在阈值范围来确定SAWR是否受到有效激励及其回波信号是否有效。本发明可用于谐振式声表面波传感器的回波信号检测，以提高查询速度从而提高系统测试速度。
Description
技术领域
本发明涉及信号检测领域，具体涉及一种基于熵值分析的声表面波谐振器有效激励检测方法。
背景技术
谐振式声表面波传感器的工作原理是被测量引起声表面波谐振器(SAWR)谐振频率的偏移，通过检测SAWR谐振频率偏移量来间接得到被测量。由于SAWR的频率响应特性类似窄带带通滤波器，只有激励频率接近谐振频率才能有较强的回波信号，而工作中SAWR谐振频率是随被测量动态变化的，因此谐振式声表面波传感器工作中，需要以扫频方式不断对SAWR进行激励，采集对应回波信号并进行频谱分析，通过谐振频率查询和估算来得到谐振频率的偏移量进而得到被测量。为了实现快速查询目的，首先需要对SAWR的回波信号进行预判断以确定当前激励信号频率是否接近SAWR的谐振点，也即当前激励是否为有效激励，处理中仅对有效激励的回波信号进行频谱估计，从而加快谐振式声表面波传感器的解调速度。目前对SAWR有效激励检测主要有回波幅值法和频谱能量法，即当回波信号幅值或频谱能量大于设定的阈值时则认为此时谐振器受到有效激励，否则认为此时的查询信号频率不在谐振器的工作带宽中，为无效激励。因谐振式声表面波传感器整个查询过程采用无线的方式，SAWR回波信号持续时间和强弱与谐振器的Q值相关，回波信号在空气信道中成衰减态势传播，会使接收到信号更弱，同时也容易受到其他射频信号干扰，这导致按照上述方法来检测则会造成许多误判或漏判。
发明内容
本发明的目的是为了克服现有技术的不足，提供一种基于熵值分析的声表面波谐振器有效激励检测方法，针对现有声表面波谐振器回波信号检测方法存在漏判、误判等的问题，根据回波信号的固有特点，提出了一种基于熵能量和斜率法的表面波谐振器回波信号检测算法。
实现上述目的的一种技术方案是：一种基于熵值分析的声表面波谐振器有效激励检测方法，用于进行谐振式声表面波传感器的回波信号有效性检测，其特征在于包括如下步骤：
步骤1，对接收到的回波信号进行分段，并计算分段熵能量；
步骤2，取各分段熵能量的极小值点构成极值曲线；
步骤3，判断极值曲线的最小值之后是否存在单调上升的趋势段；
步骤4，对该趋势段进行线性拟合得到拟合直线的斜率；
步骤5，通过拟合直线斜率值是否在阈值范围来确定SAWR是否受到有效激励及其回波信号是否有效。
进一步的，步骤1中对回波信号进行分段并计算分段熵能量的方法为：
步骤1.1，利用回波信号的连续两个过零点对信号进行分段；
步骤1.2，根据熵能量的定义计算分段信号的熵能量。
进一步的，，步骤2中取各分段熵能量的极小值点构成极值曲线的方法为：
步骤2.1，取分段熵能量的极小值点及对应的段序号；
步骤2.2，如果某分段信号熵能量无极小值点，则通过相邻的两个极小值插值代替。
进一步的，步骤3中极值曲线上的单调上升的趋势段是指极值曲线的最小值之后的一段曲线的变化趋势，步骤4中拟合直线斜率是指对极值曲线趋势段中的最小值和最小值之后的最大值之间的数据进行最小二乘线性拟合得到。
进一步的，步骤5中所述阈值范围为与谐振器带宽指标关联的一个取值范围，通过机器学习自动确定和调整。
本发明的一种基于熵值分析的声表面波谐振器有效激励检测方法，利用熵能量与谐振器带宽之间的关系设计了声表面波有效激励检测算法，该算法能有效地识别大噪声干扰信号和弱回波信号，大幅减少误判和漏判概率，减少了对无效激励的处理，从而大幅提高谐振式声表面波传感器的解调时间。
附图说明
图1为本发明的一种基于熵值分析的声表面波谐振器有效激励检测方法的有效激励检测流程图；
图2为SAWR受到有效激励的弱回波信号；
图3为该弱回波信号采用本发明的方法进行处理的结果图；
图4为无激励的纯噪声信号；
图5为该纯噪声信号采用本发明的方法进行处理的结果图。
具体实施方式
为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：
请参阅图1，根据香侬熵理论，时域熵能量的计算方法为:
其中，P(t)＝y(t)×y(t)*，y(t)为回波信号，上标*为取共轭。从上一式可知，如果P(t)越大，则En(t)越小，即熵能量大小与该点信号在总信号能量上的比重成反比。对于SAWR谐振器的回波信号，可以证明其熵能量En(t)的斜率为与谐振器带宽成有关的常数。在谐振器确定的情况下，工作过程中其3dB带宽变化很小，可近似为恒定值，因此可以通过求解熵能量函数的斜率来确定信号是否包含有效激励。
对于震荡衰减的正弦信号，一个周期或半个周期的信号能量更能体现能量的衰减，因此，对信号进行分段，每一段信号的长度等于原采样信号的连续两个过零点之间的点数n0，即：
具体的回波信号检测处理过程如下：
1.用信号的连续两个过零点之间的点数n0对信号进行分段，得到分段熵能量信号及其所有极小值点及对应的序号；
2.如果相邻的两个极小值点对应的序号差大于1则通过最小二乘法拟合补足所有点，以保证信号的均匀性；
3.对得到的熵能量极值曲线进行平滑处理；
4.寻找极值曲线上是否存在持续几个分段的单调上升的趋势段；
5.对趋势段上最小值和最小值之后的第一个最大值之间的数据点进行拟合并得到拟合后直线的斜率；
6.判断得到的斜率是否在设定的阈值之间，本实例设定阈值范围为(0.3～0.7)。因为声表面波谐振器回波信号是一个持续衰减的振荡信号，斜率太大有可能是强脉冲干扰；斜率太小表明是纯噪声。
7.如果斜率在设定的阈值之间，则表明该信号是谐振器受到有效激励的回波信号。
图2是一个SAWR受到有效激励的弱回波信号，图4是无激励的纯噪声信号。图3和图5是分别对上述两个信号按照上述的信号检测方法得到的处理结果。按本发明方法，可以确定图2是有效激励信号，图4是无效激励信号。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (5)
1.一种基于熵值分析的声表面波谐振器有效激励检测方法，用于进行谐振式声表面波传感器的回波信号有效性检测，其特征在于包括如下步骤：
步骤1，对接收到的回波信号进行分段，并计算分段熵能量；
步骤2，取各分段熵能量的极小值点构成极值曲线；
步骤3，判断极值曲线的最小值之后是否存在单调上升的趋势段；
步骤4，对该趋势段进行线性拟合得到拟合直线的斜率；
步骤5，通过拟合直线斜率值是否在阈值范围来确定SAWR是否受到有效激励及其回波信号是否有效。
2.根据权利要求1所述的一种基于熵值分析的声表面波谐振器有效激励检测方法，其特征在于，步骤1中对回波信号进行分段并计算分段熵能量的方法为：
步骤1.1，利用回波信号的连续两个过零点对信号进行分段；
步骤1.2，根据熵能量的定义计算分段信号的熵能量。
3.根据权利要求1所述的一种基于熵值分析的声表面波谐振器有效激励检测方法，其特征在于，步骤2中取各分段熵能量的极小值点构成极值曲线的方法为：
步骤2.1，取分段熵能量的极小值点及对应的段序号；
步骤2.2，如果某分段信号熵能量无极小值点，则通过相邻的两个极小值插值代替。
4.根据权利要求1所述的一种基于熵值分析的声表面波谐振器有效激励检测方法，其特征在于，步骤3中极值曲线上的单调上升的趋势段是指极值曲线的最小值之后的一段曲线的变化趋势，步骤4中拟合直线斜率是指对极值曲线趋势段中的最小值和最小值之后的最大值之间的数据进行最小二乘线性拟合得到。
5.根据权利要求1所述的一种基于熵值分析的声表面波谐振器有效激励检测方法，其特征在于，步骤5中所述阈值范围为与谐振器带宽指标关联的一个取值范围，通过机器学习自动确定和调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110284575.0A CN113054945B (zh) | 2021-03-17 | 2021-03-17 | 一种基于熵值分析的声表面波谐振器有效激励检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110284575.0A CN113054945B (zh) | 2021-03-17 | 2021-03-17 | 一种基于熵值分析的声表面波谐振器有效激励检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113054945A CN113054945A (zh) | 2021-06-29 |
| CN113054945B true CN113054945B (zh) | 2024-01-02 |
Family
ID=76513087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110284575.0A Active CN113054945B (zh) | 2021-03-17 | 2021-03-17 | 一种基于熵值分析的声表面波谐振器有效激励检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113054945B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114564985B (zh) * | 2022-02-21 | 2024-04-30 | 东南大学 | 基于改进最小二乘的谐振式传感器谐振频率快速识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103033804A (zh) * | 2012-12-14 | 2013-04-10 | 武汉大学 | 基于小波熵阈值与模极大值法的激光雷达信号处理方法 |
| CN103616687A (zh) * | 2013-12-05 | 2014-03-05 | 西安电子科技大学 | 分段线性估计的多项式拟合isar包络对齐方法 |
| CN109443587A (zh) * | 2018-11-02 | 2019-03-08 | 上海理工大学 | 一种声表面波温度传感器抗干扰方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6935177B2 (en) * | 2003-09-29 | 2005-08-30 | Siemens Milltronics Process Instruments Inc. | Method for an entropy filter echo processing in time-of-flight or level measurement systems |
| US10381024B2 (en) * | 2017-04-27 | 2019-08-13 | Motorola Solutions, Inc. | Method and apparatus for voice activity detection |
-
2021
- 2021-03-17 CN CN202110284575.0A patent/CN113054945B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103033804A (zh) * | 2012-12-14 | 2013-04-10 | 武汉大学 | 基于小波熵阈值与模极大值法的激光雷达信号处理方法 |
| CN103616687A (zh) * | 2013-12-05 | 2014-03-05 | 西安电子科技大学 | 分段线性估计的多项式拟合isar包络对齐方法 |
| CN109443587A (zh) * | 2018-11-02 | 2019-03-08 | 上海理工大学 | 一种声表面波温度传感器抗干扰方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113054945A (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4735470B2 (ja) | 絶縁診断装置および絶縁診断方法 | |
| CN113054945B (zh) | 一种基于熵值分析的声表面波谐振器有效激励检测方法 | |
| CN107678019B (zh) | 基于ca-cfar的雷达信号多目标检测方法及装置 | |
| CN111142086B (zh) | 一种pd雷达幅度抖动抑制方法、时间抖动检测方法及系统 | |
| EP2953804A1 (en) | Pulse width measurement method and apparatus | |
| CN107462886B (zh) | 一种基于波形对比度最优算法的动目标恒虚警检测方法 | |
| CN110632563B (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
| CN110808791B (zh) | 基于分数阶傅里叶变换的线性调频信号的检测方法 | |
| CN112332807A (zh) | 一种弱包络信号检测方法和系统 | |
| CN112737983A (zh) | 一种基于最大差分谱的快速突发信号检测方法 | |
| CN113899388B (zh) | 一种振弦传感器自适应数据采集方法 | |
| CN105656511B (zh) | 一种适应于有频偏和低信噪比环境下的差分相关捕获方法 | |
| CN107783084B (zh) | 恒虚警检测及数据处理平台 | |
| CN114137364B (zh) | 一种基于时域反射法的干扰波消除方法 | |
| CN110535543B (zh) | 一种无线电频谱信号检测门限计算方法 | |
| JP4384039B2 (ja) | ノイズのない測定量の選択方法 | |
| CN107783097B (zh) | 目标配对及数据处理平台 | |
| RU2006132681A (ru) | Корреляционный способ распознавания побочного электромагнитного излучения и наводок средства вычислительной техники | |
| CN113848391A (zh) | 一种脉冲信号检测和提取方法 | |
| CN112504429A (zh) | 一种强干扰dvs的高精度解调算法 | |
| CN107783089B (zh) | 单元平均选小门限检测平台 | |
| CN113917409A (zh) | 一种基于实时频谱分析的宽带干扰识别方法 | |
| CN113824518A (zh) | 基于频谱的非合作信号检测方法 | |
| CN107783085B (zh) | 应用在恒虚警检测及数据处理中的单元平均选小门限检测方法 | |
| CN111914806B (zh) | 一种高噪声环境下超短波微弱信号检测方法、装置、终端设备及存储介质 |
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 |