CN113239868B - 一种爆破震动响应信号的去噪方法、装置及电子设备 - Google Patents
一种爆破震动响应信号的去噪方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113239868B CN113239868B CN202110604732.1A CN202110604732A CN113239868B CN 113239868 B CN113239868 B CN 113239868B CN 202110604732 A CN202110604732 A CN 202110604732A CN 113239868 B CN113239868 B CN 113239868B
- Authority
- CN
- China
- Prior art keywords
- vibration response
- blasting vibration
- response signal
- frequency
- low
- 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
- 230000004044 response Effects 0.000 title claims abstract description 408
- 238000005422 blasting Methods 0.000 title claims abstract description 379
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 101
- 238000013139 quantization Methods 0.000 claims abstract description 71
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 42
- 230000009466 transformation Effects 0.000 claims abstract description 38
- 230000035939 shock Effects 0.000 claims description 32
- 230000007613 environmental effect Effects 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 28
- 238000005474 detonation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 abstract description 22
- 230000004807 localization Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002424 x-ray crystallography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种爆破震动响应信号的去噪方法,该方法包括:获取待处理爆破震动响应信号,并通过小波包分解得到高频爆破震动响应信号和低频爆破震动响应信号,然后对高频爆破震动响应信号和低频爆破震动响应信号进行阈值量化处理,以得到量化高频爆破震动响应信号和量化低频爆破震动响应信号,进而对所有量化高频爆破震动响应信号和所有量化低频爆破震动响应信号进行小波包逆变换,从而得到目标爆破震动响应信号。由此,本申请能够不再依赖傅里叶变换作为去除爆破震动响应信号的噪声的唯一手段,通过对包含大量中、高频信息的信号能够进行更好的时频局部化分析的小波包变换处理去除爆破震动响应信号的噪声,实现了信号的有效去噪。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种爆破震动响应信号的去噪方法、装置及电子设备。
背景技术
近年来,随着采掘设备智能化水平的快速提高,针对确保矿山巷道作业安全的需求也越来越高。其中,针对爆破荷载作用下矿山巷道围岩的安全判别主要依赖于基于原始爆破震动响应信号的分析。然而,通过矿山现场监测得到的原始爆破震动信号往往混杂着一定的噪声,噪声的存在导致在对信号进行处理和分析以得到其时、频域特征时存在准确性低和可靠性差的问题。
相关技术中,为了削弱原始爆破震动响应信号中存在的噪声,通常采用傅里叶(Fourier)变换的方式,通过滤波器将原始爆破震动响应信号映射到频域范围内进行处理,以识别出原始爆破震动响应信号中的有用成分。
然而,由于Fourier变换在将原始爆破震动响应信号中噪声成分消除后,原始爆破震动响应信号中的位置信息也被隐藏起来,无法识别。同时,实际工程中大多数的爆破震动响应信号都是非平稳的,其原始爆破震动响应信号谱沿时间轴是无限扩展的,导致Fourier变换的基函数难以与信号进行良好的匹配,极易导致在采用Fourier变换对爆破震动这类非平稳信号进行去噪时,往往存在效率低、适应性差和可靠性差的问题。
由此,如何有效地提高爆破震动响应信号的分析精度和效率,已经成为了亟待解决的问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种爆破震动响应信号的去噪方法,用于解决现有技术中存在的无法有效地提高爆破震动响应信号的分析精度和效率的技术问题。
为了实现上述目的,本申请第一方面实施例提供了一种爆破震动响应信号的去噪方法,该方法包括:获取待处理爆破震动响应信号;对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号;获取阈值量化处理策略,并根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号;对所有所述量化高频爆破震动响应信号和所有所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
另外,根据本申请上述实施例的一种爆破震动响应信号的去噪方法,还可以具有如下附加的技术特征:
根据本申请的一个实施例,所述获取阈值量化处理策略,包括:获取目标区域的当前环境噪声等级以及所述目标区域的历史环境噪声等级;根据所述当前环境噪声等级以及所述历史环境噪声等级,获取所述阈值量化处理策略。
根据本申请的一个实施例,所述根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号,包括:获取每个所述高频爆破震动响应信号的所述高频系数,以及每个所述低频爆破震动响应信号的所述低频系数;根据所述阈值量化处理策略对每个所述高频系数和每个所述低频系数进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的所述量化高频爆破震动响应信号,以及每个所述低频爆破震动响应信号对应的所述量化低频爆破震动响应信号。
根据本申请的一个实施例,所述对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号,包括:获取目标小波包基函数以及目标小波包分解层次;根据所述目标小波包分解层次,将所述待处理爆破震动响应信号在所述目标小波包基函数上展开,以得到分解后的所述高频爆破震动响应信号和所述低频爆破震动响应信号。
根据本申请的一个实施例,所述根据所述目标小波包分解层次,将所述待处理爆破震动响应信号在所述目标小波包基函数上展开,以得到分解后的所述高频爆破震动响应信号和所述低频爆破震动响应信号,包括:对第1至i层所述量化高频爆破震动响应信号以及第i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
根据本申请的一个实施例,所述对第1至i层所述量化高频爆破震动响应信号以及第i层所述量化低频爆破震动响应信号进行小波包逆变换,包括:对第1至i层所述量化高频爆破震动响应信号以及第1至i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号;对所述中间爆破震动响应信号进行重构处理,以得到去噪后的所述目标爆破震动响应信号。
根据本申请的一个实施例,所述得到去噪后的目标爆破震动响应信号后,还包括:根据所述目标爆破震动响应信号,获取所述待处理爆破震动响应信号对应的矿山巷道区域的安全等级;响应于所述安全等级达到预设安全等级,则返回所述获取待处理爆破震动响应信号步骤,重新获取所述待处理爆破震动响应信号;响应于所述安全等级未达到所述预设安全等级,则发送针对所述矿山巷道区域的警报提醒。
本申请第一方面实施例提供的一种爆破震动响应信号的去噪方法,能够不再依赖傅里叶变换作为去除爆破震动响应信号的噪声的唯一手段,通过小波包变换处理去除爆破震动响应信号的噪声,避免了仅能在频域范围内对信号进行分解,对于信号在时间轴上某一特定时间点的噪声成分无法识别,即其时域分辨率较低的问题,通过对包含大量中、高频信息的信号能够进行更好的时频局部化分析的小波包变换处理去除爆破震动响应信号的噪声,有效地将待处理爆破震动响应信号中的有效突变部分和噪声部分区分开来,实现对非平稳爆破震动信号的去噪处理,有效地提高了爆破震动响应信号的分析精度和效率。
为了实现上述目的,本申请第二方面实施例提供了一种爆破震动响应信号的去噪装置,该装置包括:第一获取模块,用于获取待处理爆破震动响应信号;第一确定模块,用于对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号;第二确定模块,用于获取阈值量化处理策略,并根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号;第三确定模块,用于对所有所述量化高频爆破震动响应信号和所有所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
另外,根据本申请上述实施例的一种爆破震动响应信号的去噪装置,还可以具有如下附加的技术特征:
根据本申请的一个实施例,所述第二确定模块,还用于:获取目标区域的当前环境噪声等级以及所述目标区域的历史环境噪声等级;根据所述当前环境噪声等级以及所述历史环境噪声等级,获取所述阈值量化处理策略。
根据本申请的一个实施例,所述第二确定模块,还用于:获取每个所述高频爆破震动响应信号的所述高频系数,以及每个所述低频爆破震动响应信号的所述低频系数;根据所述阈值量化处理策略对每个所述高频系数和每个所述低频系数进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的所述量化高频爆破震动响应信号,以及每个所述低频爆破震动响应信号对应的所述量化低频爆破震动响应信号。
根据本申请的一个实施例,所述第一确定模块,还用于:获取目标小波包基函数以及目标小波包分解层次;根据所述目标小波包分解层次,将所述待处理爆破震动响应信号在所述目标小波包基函数上展开,以得到分解后的所述高频爆破震动响应信号和所述低频爆破震动响应信号。
根据本申请的一个实施例,所述第一确定模块,还用于:对第1至i层所述量化高频爆破震动响应信号以及第i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
根据本申请的一个实施例,所述第一确定模块,还用于:对第1至i层所述量化高频爆破震动响应信号以及第1至i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号;对所述中间爆破震动响应信号进行重构处理,以得到去噪后的所述目标爆破震动响应信号。
根据本申请的一个实施例,还包括:第二获取模块,用于根据所述目标爆破震动响应信号,获取所述待处理爆破震动响应信号对应的矿山巷道区域的安全等级;响应于所述安全等级达到预设安全等级,则返回所述获取待处理爆破震动响应信号步骤,重新获取所述待处理爆破震动响应信号;响应于所述安全等级未达到所述预设安全等级,则发送针对所述矿山巷道区域的警报提醒。
为了实现上述目的,本申请第三方面实施例提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时,实现如本申请第一方面实施例中任一项所述的爆破震动响应信号的去噪方法。
为了实现上述目的,本申请第四方面实施例提供了一种计算机可读存储介质,该程序被处理器执行时实现如本申请第一方面实施例中任一项所述的爆破震动响应信号的去噪方法。
为了实现上述目的,本申请第五方面实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时,实现如上所述的爆破震动响应信号的去噪方法。
附图说明
图1为本申请一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图2为本申请另一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图3为本申请另一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图4为本申请一个实施例公开的小波包分解过程中节点的示意图。
图5为本申请另一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图6为本申请另一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图7为本申请另一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图8为本申请另一个实施例公开的爆破震动响应信号的去噪方法的方法示意图。
图9为本申请一个实施例公开的生成含噪声信号的示意图。
图10为本申请一个实施例公开的噪声水平的示意图。
图11为本申请一个实施例公开的不同去噪方式对应的处理结果的示意图。
图12为本申请另一个实施例公开的噪声水平的示意图。
图13为本申请另一个实施例公开的噪声水平的示意图。
图14为本申请一个实施例公开的爆破震动响应信号的去噪装置的结构示意图。
图15为本申请另一个实施例公开的爆破震动响应信号的去噪装置的结构示意图。
图16为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,目前工程中针对爆破荷载作用下矿山巷道围岩的安全判别主要通过对爆破震动作用下质点震动速度信号的测量,然后对信号的幅值、持续时间、震动频率以及应力波频谱等基本参量进行处理得出围岩的安全判据,但是通过矿山现场监测得到的原始爆破震动信号总会混杂着一定的噪声,例如风机噪声、环境噪声、机械噪声等,噪声的存在对信号处理和分析以得到其时、频域特征。因此,需要在对原始爆破震动信号进行分析前,通过数学手段消除和减小信号中的噪声成分,以便原始信号中的有用成分更容易地被识别出来,将有效地提高爆破震动信号的分析精度和效率。
傅里叶(Fourier)变换由于其优良的数学特性,一直以来是信号去噪的主要手段,Fourier变换的去噪方法是通过一个低通或高通滤波器将信号映射到频域范围内进行分析。但是Fourier变换在将信号中噪声成分消除后,信号中的位置信息也被隐藏起来无法识别,同时,实际工程中大多数的爆破震动信号都是非平稳的,其信号谱沿时间轴是无限扩展的,导致Fourier变换的基函数难以与信号进行良好的匹配,这就造成了Fourier变换在对爆破震动这类非平稳信号进行去噪时存在一定的缺陷和不足。而且爆破震动信号中存在较多的波峰以及突变成分,对这种信号进行去噪处理时,传统的Fourier变换完全仅能在频域范围内对信号进行分解,对于信号在时间轴上某一特定时间点的噪声成分无法识别,即其时域分辨率较低。相反的,小波分析在时、频域内均有较高的分辨率,因此可以有效将信号中的有效突变成分和噪声成分区分开来,实现对非平稳爆破震动信号的去噪处理。
然而,小波变换仅分解低频系数,并不会分解高频系数,但是小波包变换则会对每一层分解得到的系数均进行分解,不像小波变换那样只有低频系数会再分解。也就是说,小波包变换对信号的高低频成分同时进行分解,得到带宽相同的细节信号,对高频噪声信号具有更加精准的识别能力,因此,基于小波包变换进行信号去噪,可以更加准确、灵活的实现去噪。
由此,本申请提出一种爆破震动响应信号的去噪方法,能够通过小波包变换处理去除爆破震动响应信号的噪声,有效地提高了爆破震动响应信号的分析精度和效率。
下面参考附图描述本申请实施例的一种爆破震动响应信号的去噪方法、装置及电子设备。
图1是本申请公开的一个实施例的一种爆破震动响应信号的去噪方法的流程示意图。
如图1所示,本申请实施例提出的爆破震动响应信号的去噪方法,具体包括以下步骤:
S101、获取待处理爆破震动响应信号。
本申请实施例中,可以通过多种信号采集装置获取待处理爆破震动响应信号。可选地,可以通过光纤光栅传感器获取待处理爆破震动响应信号。
需要说明的是,为了便于后续处理,可以将含有噪声的一维待处理爆破震动响应信号以如下形式进行表示:
f(t)=s(t)+ε·e(t)
其中,f(t)为含噪声的待处理爆破震动响应信号,s(t)为待处理爆破震动响应信号中的有用部分,e(t)为待处理爆破震动响应信号中的噪声部分,且t为大于或者等于0的整数。
举例而言,针对待处理爆破震动响应信号f(t),其中包括高频白噪声部分e(t),以及低频部分s(t)。
S102、对待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号。
需要说明的是,区别于小波变换只对信号的低频部分进行进一步分解,而对高频部分也即信号的细节部分不再继续分解,小波包变换可以对信号的低频部分信号进行分解,同时,也可以对信号的高频部分进行分解,而且这种分解既无冗余,也无疏漏,所以对包含大量中、高频信息的信号能够进行更好的时频局部化分析。
其中,小波包变换(wavelet packet decomposition),也可称为小波包(waveletpacket)或子带树(subband tree)及最佳子带树结构(optimal subband treestructuring)。其概念是用分析树来表示小波包,即利用多次叠代的小波转换分析输入讯号的细节部分。从函数理论的角度来看,小波包分解是将信号投影到小波包基函数张成的空间中。从信号处理的角度来看,它是让信号通过一系列中心频率不同但带宽相同的滤波器。
因此,本申请中,可以根据目标小波包基函数以及目标小波包分解层次,对待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号。
S103、获取阈值量化处理策略,并根据阈值量化处理策略对所有高频爆破震动响应信号和所有低频爆破震动响应信号进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个低频爆破震动响应信号对应的量化低频爆破震动响应信号。
本申请实施例中,在获取到高频爆破震动响应信号和低频爆破震动响应信号后,可以通过阈值等形式根据阈值量化处理策略对所有高频爆破震动响应信号和所有低频爆破震动响应信号进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号,以及每个低频爆破震动响应信号对应的量化低频爆破震动响应信号。
S104、对所有量化高频爆破震动响应信号和低频爆破震动响应信号进行小波逆变换,以得到去噪后的目标爆破震动响应信号。
需要说明的是,在对所有高频爆破震动响应信号和低频爆破震动响应信号进行阈值量化处理后,对应于待处理爆破震动响应信号,可以得到多个量化高频爆破震动响应信号和多个低频爆破震动响应信号,其中,量化高频爆破震动响应信号、量化低频爆破震动响应信号的数量与目标小波分解层次一致。
本申请实施例中,在得到量化高频爆破震动响应信号和量化低频爆破震动响应信号后,可以对所有量化高频爆破震动响应信号和量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
本申请第一方面实施例提供的一种爆破震动响应信号的去噪方法,能够不再依赖傅里叶变换作为去除爆破震动响应信号的噪声的唯一手段,通过小波包变换处理去除爆破震动响应信号的噪声,避免了仅能在频域范围内对信号进行分解,对于信号在时间轴上某一特定时间点的噪声成分无法识别,即其时域分辨率较低的问题,通过对包含大量中、高频信息的信号能够进行更好的时频局部化分析的小波包变换处理去除爆破震动响应信号的噪声,有效地将待处理爆破震动响应信号中的有效突变部分和噪声部分区分开来,实现对非平稳爆破震动信号的去噪处理,有效地提高了爆破震动响应信号的分析精度和效率。
需要说明的是,本申请中,在试图获取阈值量化处理策略时,可以以环境噪声等级作为依据。
作为一种可能的实现方式,如图2所示,具体包括以下步骤:
S201、获取目标区域的当前环境噪声等级以及目标区域的历史环境噪声等级。
本申请实施例中,可以通过多种噪声采集装置获取目标区域的当前环境噪声。可选地,可以通过声级仪获取目标区域的当前环境噪声。进一步地,根据预先设定的环境噪声划分区间,确定目标区域的当前环境噪声等级。
需要说明的是,本申请中预先存储于包括目标区域的多个区域的历史环境噪声等级,此种情况下,可以根据目标区域的名称等标识,查询得到目标区域的历史环境噪声等级。
S202、根据当前环境噪声等级以及历史环境噪声等级,获取阈值量化处理策略。
需要说明的是,基于小波包变换的阈值量化处理策略主要包括以下三种:默认阈值量化处理策略、给定阈值量化处理策略以及强制量化处理策略。
其中,给定阈值量化处理策略,可以分为:给定软阈值量化处理策略和给定硬阈值量化处理策略。在实际的去噪处理过程中,阈值主要通过经验公式获得,因此通过这种方式获得的阈值比默认阈值的精度高。
针对给定硬阈值量化处理策略,硬阈值信号s可以表示为以下形式:
针对给定软阈值量化处理策略,软阈值信号s可以表示为以下形式:
进一步地,给定软阈值量化处理策略,可以基于噪声的不同种类,从以下四种规则中选取匹配的阈值确定方式:rigrsure规则、sqtwolog规则、heursure规则和minimaxi规则。
其中,rigrsure规则,指的是采用Stein无偏似然估计原理的自适应阈值选择的一种规则。可选地,可以选定阈值t进行似然估计,然后最小化其非似然估计,进而得到最终阈值。
其中,sqtwolog规则,是一种固定的阈值形式。
其中,heursure规则,是rigrsure规则和sqtwolog规则的综合,是通过最优预测变量的方式实现阈值的确定。
其中,minimaxi规则,与sqtwolog规则类似,是固定阈值形式,但其所得出的阈值是一个最小均方差的极值,而不是无误差。
针对强制量化处理策略,可以通过将小波包分解结构中的高频系数全部置为0的方式过滤掉信号的高频部分,接着重构信号。这种处理方式采用较为简单的数学形式,但是容易将信号中有用部分当作噪声成分,属于过度去噪。
本申请提供的爆破震动响应信号的去噪方法,可以通过获取目标区域的当前环境噪声等级以及目标区域的历史环境噪声等级,进而根据当前环境噪声等级以及历史环境噪声等级,获取与待处理爆破震动响应信号匹配的阈值量化处理策略,以通过更优的阈值量化处理策略确保去噪效果,进一步提高了爆破震动响应信号的分析精度和效率。
需要说明的是,本申请中,在试图根据阈值量化处理策略对所有高频爆破震动响应信号进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号时,可以对高频系数进行阈值量化处理。
作为一种可能的实现方式,如图3所示,具体包括以下步骤:
S301、获取每个高频爆破震动响应信号的高频系数,以及每个低频爆破震动响应信号的低频系数。
其中,对待处理爆破震动响应信号进行小波包分解,即从待处理爆破震动响应信号起,分级向下分解,能够得到小波包树。小波包树上存在多个节点,每个节点均有对应的小波包系数,小波包系数决定了频率的大小,也就是说,小波包系数携带有频率信息。进一步地,节点的顺序(Order),即频率的顺序,则为时域信息,也就是说,小波包系数携带有时域信息。
举例而言,以图4所示的小波包树为例,将节点(1,0)标记为1号、将节点(1,1)标记为2号,依此类推,直至将节点(3,7)标记为14号。每个节点对应的小波包系数对应于频率信息,每个节点的排列顺序1~14对应于时域信息。
S302、根据阈值量化处理策略对每个高频系数和每个低频系数进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号,以及每个低频爆破震动响应信号对应的量化低频爆破震动响应信号。
需要说明的是,本申请中对于阈值量化处理策略的具体选择不作限定,可以根据实际情况进行选取。可选地,可以根据给定软阈值量化处理策略对每个高频系数和每个低频系数进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号,以及每个低频爆破震动响应信号对应的量化低频爆破震动响应信号。
本申请提供的爆破震动响应信号的去噪方法,可以通过获取每个高频爆破震动响应信号的高频系数,以及每个低频爆破震动响应信号的低频系数,进而根据阈值量化处理策略对每个高频系数和每个低频系数进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号,以及每个低频爆破震动响应信号对应的量化低频爆破震动响应信号,使得能够通过更加准确地对阈值进行量化,进一步提高爆破震动响应信号的分析精度和效率。
需要说明的是,本申请中,在试图对待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号时,可以根据目标小波包基函数以及目标小波包分解层次进行小波包分解。
作为一种可能的实现方式,如图5所示,具体包括以下步骤:
S501、获取目标小波包基函数以及目标小波包分解层次。
需要说明的是,本申请中对于目标小波包基函数以及目标小波包分解层次的具体选择不作限定,可以根据实际情况进行选取。
可选地,可以将任一db(daubechies)系小波包作为目标小波包基函数。
可选地,可以根据信号采样频率获取对应的目标小波包分解层次。
举例而言,可以将db-6系小波包作为目标小波包基函数,并将5作为目标小波包分解层次。
S502、根据目标小波包分解层次,将待处理爆破震动响应信号在目标小波包基函数上展开,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号。
本申请提供的爆破震动响应信号的去噪方法,可以通过获取目标小波包基函数以及目标小波包分解层次,进而根据目标小波包分解层次,将待处理爆破震动响应信号在目标小波包基函数上展开,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号,使得能够基于与实际情况匹配的有效目标小波包基函数和目标小波包分解层次,更加准确地对待处理爆破震动响应信号进行分解,进一步提高了爆破震动响应信号的分析精度和效率。
进一步地,本申请中,在试图对所有量化高频爆破震动响应信号和量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号时,可选地,若目标小波包分解层次为i,可以对第1至i层量化高频爆破震动响应信号以及第i层量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
作为一种可能的实现方式,如图6所示,在上述实施例的基础上,上述步骤中对第1至i层量化高频爆破震动响应信号以及第i层低频爆破震动响应信号进行小波逆变换,以得到去噪后的目标爆破震动响应信号的具体过程,包括以下步骤:
S601、对第1至i层量化高频爆破震动响应信号以及第1至i层量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号。
需要说明的是,进行小波包逆变换的过程与进行小波包变换的过程相似,此处不再赘述。
S602、对中间爆破震动响应信号进行重构处理,以得到去噪后的目标爆破震动响应信号。
需要说明的是,本申请中对于对中间爆破震动响应信号进行重构处理的具体方式不作限定,可以根据实际情况进行选取。
可选地,可以通过信号重构方式对中间爆破震动响应信号进行重构处理,以得到去噪后的目标爆破震动响应信号。
其中,信号重构(signal reconstruction),是一种信号处理枝术,主要研究如何根据部分数据重构完整的信号,已广泛应用于光学通讯、图象处理、语音处理、地球物理信号处理、电子显微学、天文学、古地磁学、x射线结晶学等学科领域,具体实施方式此处不再赘述。
需要说明的是,重构信号的平滑效果和畸变率是判断信号重构效果的重要参数之一,且中间爆破震动响应信号的光滑程度对重构信号的平滑效果和降低畸变率有明显的影响。
本申请提供的爆破震动响应信号的去噪方法,可以通过对第1至i层量化高频爆破震动响应信号以及第1至i层量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号,进而对中间爆破震动响应信号进行重构处理,以在保留待处理爆破震动响应信号中的有用部分的同时,去掉无用的噪声部分,从而得到去噪后的目标爆破震动响应信号。
需要说明的是,实际应用中,工程中针对爆破荷载作用下矿山巷道围岩的安全判别的主要依据为爆破震动响应信号的测量。由此,本申请中,在获取到目标爆破震动响应信号后,可以根据目标爆破震动响应信号,判断矿山巷道区域的安全等级。
作为一种可能的实现方式,如图7所示,具体包括以下步骤:
S701、根据目标爆破震动响应信号,获取待处理爆破震动响应信号对应的矿山巷道区域的安全等级。
需要说明的是,本申请中预先设置有目标爆破震动响应信号与矿山巷道区域的安全等级之间的映射关系。可选地,在获取到目标爆破震动响应信号后,查询映射,可以得到待处理爆破震动响应信号对应的矿山巷道区域的安全等级。
S702、响应于安全等级达到预设安全等级,则返回获取待处理爆破震动响应信号步骤,重新获取待处理爆破震动响应信号。
本申请实施例中,响应于安全等级达到预设安全等级,说明当前矿山巷道区域符合作业安全要求,允许继续作业,此种情况下,可以返回获取待处理爆破震动响应信号步骤,重新获取待处理爆破震动响应信号,继续进行去噪处理,并将去噪后得到的目标爆破震动响应信号作为安全等级判断依据,继续进行安全等级判断。
S703、响应于安全等级未达到预设安全等级,则发送针对矿山巷道区域的警报提醒。
本申请实施例中,响应于安全等级未达到预设安全等级,说明当前矿山巷道区域不符合作业安全要求,不允许继续作业,此种情况下,可以发送针对矿山巷道区域的警报提醒,以提示区域内相关工作人员及时撤离。
图8是本申请公开的一个实施例的一种爆破震动响应信号的去噪方法的流程示意图。
如图8示,本申请实施例提出的爆破震动响应信号的去噪方法,具体包括以下步骤:
S801、获取待处理爆破震动响应信号。
S802、获取目标小波包基函数以及目标小波包分解层次。
S803、根据目标小波包分解层次,将待处理爆破震动响应信号在目标小波包基函数上展开,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号。
S804、获取目标区域的当前环境噪声等级以及目标区域的历史环境噪声等级。
S805、根据当前环境噪声等级以及历史环境噪声等级,获取阈值量化处理策略。
S806、获取每个高频爆破震动响应信号的高频系数,以及每个低频爆破震动响应信号的低频系数。
S807、根据阈值量化处理策略对每个高频系数和每个低频系数进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号,以及每个低频爆破震动响应信号对应的量化低频爆破震动响应信号。
S808、对第1至i层量化高频爆破震动响应信号以及第1至i层量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号。
S809、对中间爆破震动响应信号进行重构处理,以得到去噪后的目标爆破震动响应信号。
举例而言,针对获取到的含噪声的待处理爆破震动响应信号s,可以将db-5小波包基函数作为目标小波包基函数,同时,可以根据信号采样频率,选取5次作为目标分解层次。
进一步地,可以根据当前环境噪声等级以及历史环境噪声等级,选取sqtwolog给定软阈值量化处理策略,对每个高频系数和每个低频系数进行阈值量化处理,以得到每个高频爆破震动响应信号对应的量化高频爆破震动响应信号,以及每个低频爆破震动响应信号对应的量化低频爆破震动响应信号,进而对第1至i层量化高频爆破震动响应信号以及第i层量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
进一步地,可以通过信号重构方式对中间爆破震动响应信号进行重构处理,以得到不含噪声的目标爆破震动响应信号。
需要说明的是,在获取到目标爆破震动响应信号后,可以通过信号分析与处理子系统接口,输出目标爆破震动响应信号。
S810、根据目标爆破震动响应信号,获取待处理爆破震动响应信号对应的矿山巷道区域的安全等级。
S811、响应于安全等级达到预设安全等级,则返回获取待处理爆破震动响应信号步骤,重新获取待处理爆破震动响应信号。
S812、响应于安全等级未达到预设安全等级,则发送针对矿山巷道区域的警报提醒。
需要说明的是,本申请中,为了进一步确定不同处理策略的去噪性能,可以通过对原始纯净信号叠加白噪声,进而获取信噪比和信噪比偏差的方式对上述处理策略的去噪性能进行比较。
需要说明的是,由于实际岩土工程或者爆破工程中的噪声信号多为白噪声,因此,如图9所示,可以通过对原始纯净信号叠加白噪声,生成含噪声的信号。
其中,白噪声信号e(t)具有以下特性:
(1)e(t)是一个平稳的随机信号,即在各采样点处的取值e(tn)是随机的,而且e(tn)取值的大小与其他采样点处的取值是不相关的,即:任意的两个白噪声e(t1)和e(t2)是不相关的;
(3)与确定的信号相比,e(t)在时域里是均匀密集的;
进一步地,根据下述公式可以计算叠加后信号的信噪比偏差(理想信噪比偏差):
举例而言,如图10所示,可以看出原始信号叠加白噪声信号后信噪比范围为3dB-60dB,同时4条叠加合成后的爆破震动信号随着噪声水平的提高,信噪比相应的降低,但是降低的速率趋于平缓,这说明随着噪声的增大,原始信号在叠加信号中所占比例下降,且在噪声水平达到10以后,原始信号的噪声污染程度基本保持不变。
进一步地,通过Matlab小波工具箱对4条含有噪声的爆破震动信号分别进行强制去噪、默认阈值去噪、给定阈值去噪处理。其中给定阈值去噪处理分别采用上述4种阈值估计规则(rigrsure、sqtwolog、minimaxi、heursure)进行,小波基函数选用db4-db7。
不同去噪方法处理结果如图11所示,可以看出,强制去噪后的信号较为光滑,但是丢失了信号中的大部分有用成分,导致去噪后信号与原始信号有明显的区别,不能为工程所用;默认阈值及给定阈值去噪后的信号基本保持了原始信号的波形,需进一步通过信号去噪评价标准评定去噪效果。
进一步地,根据下述公式可以计算爆破振动信号的信噪比:
根据计算结果可以看出利用不同去噪方法处理后信号信噪比相差较大,强制去噪的信噪比最小,均小于1dB,说明去噪过程去除掉了原始信号中多数信号成分,包括噪声成分及有用成分,这与去噪后信号波形显示一致;而默认阈值去噪后信号信噪比小于10dB,大于强制去噪,但小于给定阈值去噪后信号;给定阈值去噪处理后信号信噪比较高,说明在选择一定阈值估计规则后,给定阈值去噪能较好地区分信号中的白噪声成分,去噪后保留了信号的有用成分,接下来重点分析给定阈值去噪在不同阈值估计规则下的去噪性能。
根据理想信噪比的定义可知,去噪后信号的信噪比并非越大越好,去噪后信号信噪比大于理想信噪比,说明信号中噪声信号未被完整的去除;反之说明信号中部分有用成分被当作噪声成分去除掉了。对比在不同的阈值估计规则下给定阈值去噪后信号信噪比,可以发现rigrsure与heursure阈值估计规则下信噪比是相同的,但与理想信噪比相差较大,而sqtwolog与minimaxi阈值估计规则下信噪比接近于理想信噪比,所以需根据去噪后信号信噪比与理想信噪比的差距,即信噪比偏差,进一步评价sqtwolog与minimaxi阈值估计规则下给定阈值去噪方法的去噪性能。
由于硬阈值是一种较简单的处理方法,而软阈值具有较好的数学特性,从图12~13可以发现,软阈值去噪后信号DSNR基本小于硬阈值去噪,说明软阈值去噪优于硬阈值去噪。对比不同的阈值估计规则下去噪后信号DSNR,当噪声水平低于6时,4种阈值估计规则处理的DSNR并无明显差别,说明噪声水平较低时,各种阈值估计规则均能较为精准地将噪声系数剔除;随着噪声水平的提高,sqtwolog与minimaxi阈值估计规则下DSNR保持了较低的水平,而rigrsure与heursure阈值估计规则下DSNR增大明显,噪声水平达到18-20时DSNR为噪声水平6以下时的20倍左右。同时可以发现rigrsure与heursure阈值估计规则下DSNR是相同的,且随着噪声水平的提高并非为完全的线性增大,在噪声水平12-18之间时,出现突变尖点,说明这两种阈值估计规则对于较大噪声的阈值估计稳定性较差。
进一步对比在sqtwolog与minimaxi两种阈值估计规则下,随着噪声水平的提高DSNR的变化规律可以发现,随着噪声水平的提高,DSNR均呈现先减小后增大的趋势;当噪声水平在10以下时,硬阈值去噪DSNR略大于软阈值去噪;当噪声水平在10以上时,软阈值去噪DSNR小于硬阈值去噪,而且随着噪声水平的提升,两者差距逐渐增大,所以软阈值去噪方法具有较好的去噪能力。
对比sqtwolog与minimaxi两种阈值估计规则,当噪声水平在10以下时,利用两种阈值规则估计所得阈值基本相同,所以去噪后DSNR相差较小,当噪声水平超过10以后,sqtwolog规则估计的阈值更为准确,由于minimaxi规则为一种固定的阈值选择形式,仅将部分系数置为零,产生的是最小均方差的极值,而不是无误差值,对于含有较大噪声成分的信号去噪较为保守。
综上所述,当信号中噪声水平较低时,4种阈值估计规则均可准确地对阈值进行量化,而且采用软、硬阈值去噪方法均可达到较好的去噪效果;当信号中噪声水平提高时,采用sqtwolog阈值估计规则的软阈值去噪方法更为有效,对于非平稳爆破震动信号具有良好的去噪性能。
图14是本申请公开的一个实施例的一种爆破震动响应信号的去噪装置的结构示意图。
如图14所示,该爆破震动响应信号的去噪装置1000,包括:第一获取模块110、第一确定模块120、第二确定模块130和第三确定模块140。其中,
第一获取模块110,用于获取待处理爆破震动响应信号;
第一确定模块120,用于对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号;
第二确定模块130,用于获取阈值量化处理策略,并根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号;
第三确定模块140,用于对所有所述量化高频爆破震动响应信号和所有所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
根据本申请的一个实施例,第二确定模块130,还用于:获取目标区域的当前环境噪声等级以及所述目标区域的历史环境噪声等级;根据所述当前环境噪声等级以及所述历史环境噪声等级,获取所述阈值量化处理策略。
根据本申请的一个实施例,第二确定模块130,还用于:获取每个所述高频爆破震动响应信号的所述高频系数,以及每个所述低频爆破震动响应信号的所述低频系数;根据所述阈值量化处理策略对每个所述高频系数和每个所述低频系数进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的所述量化高频爆破震动响应信号,以及每个所述低频爆破震动响应信号对应的所述量化低频爆破震动响应信号。
根据本申请的一个实施例,第一确定模块120,还用于:获取目标小波包基函数以及目标小波包分解层次;根据所述目标小波包分解层次,将所述待处理爆破震动响应信号在所述目标小波包基函数上展开,以得到分解后的所述高频爆破震动响应信号和所述低频爆破震动响应信号。
根据本申请的一个实施例,第二确定模块130,还用于:对第1至i层所述量化高频爆破震动响应信号以及第i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
根据本申请的一个实施例,第二确定模块130,还用于:对第1至i层所述量化高频爆破震动响应信号以及第1至i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号;对所述中间爆破震动响应信号进行重构处理,以得到去噪后的所述目标爆破震动响应信号。
根据本申请的一个实施例,如图15所示,爆破震动响应信号的去噪装置1000,还包括:第二获取模块150,用于根据所述目标爆破震动响应信号,获取所述待处理爆破震动响应信号对应的矿山巷道区域的安全等级;响应于所述安全等级达到预设安全等级,则返回所述获取待处理爆破震动响应信号步骤,重新获取所述待处理爆破震动响应信号;响应于所述安全等级未达到所述预设安全等级,则发送针对所述矿山巷道区域的警报提醒。
根据本申请实施例提供的一种爆破震动响应信号的去噪装置,能够不再依赖傅里叶变换作为去除爆破震动响应信号的噪声的唯一手段,通过小波包变换处理去除爆破震动响应信号的噪声,避免了仅能在频域范围内对信号进行分解,对于信号在时间轴上某一特定时间点的噪声成分无法识别,即其时域分辨率较低的问题,通过对包含大量中、高频信息的信号能够进行更好的时频局部化分析的小波包变换处理去除爆破震动响应信号的噪声,有效地将待处理爆破震动响应信号中的有效突变部分和噪声部分区分开来,实现对非平稳爆破震动信号的去噪处理,有效地提高了爆破震动响应信号的分析精度和效率。
为了实现上述实施例,本申请还提出了一种电子设备2000,如图16所示,包括存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序,处理器执行程序时,实现前述的可移动设备的出行规划方法。
为了实现上述实施例,本申请还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述的可移动设备的出行规划方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时,实现如上所述的爆破震动响应信号的去噪方法。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种爆破震动响应信号的去噪方法,其特征在于,包括:
获取待处理爆破震动响应信号;
对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号;
获取阈值量化处理策略,并根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号;
对所有所述量化高频爆破震动响应信号和所有所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号;
所述获取阈值量化处理策略,包括:
获取目标区域的当前环境噪声等级以及所述目标区域的历史环境噪声等级;
根据所述当前环境噪声等级以及所述历史环境噪声等级,获取所述阈值量化处理策略。
2.根据权利要求1所述的爆破震动响应信号的去噪方法,其特征在于,所述根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号,包括:
获取每个所述高频爆破震动响应信号的高频系数,以及每个所述低频爆破震动响应信号的低频系数;
根据所述阈值量化处理策略对每个所述高频系数和每个所述低频系数进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的所述量化高频爆破震动响应信号,以及每个所述低频爆破震动响应信号对应的所述量化低频爆破震动响应信号。
3.根据权利要求1所述的爆破震动响应信号的去噪方法,其特征在于,所述对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号,包括:
获取目标小波包基函数以及目标小波包分解层次;
根据所述目标小波包分解层次,将所述待处理爆破震动响应信号在所述目标小波包基函数上展开,以得到分解后的所述高频爆破震动响应信号和所述低频爆破震动响应信号。
4.根据权利要求1所述的爆破震动响应信号的去噪方法,其特征在于,所述对所有所述量化高频爆破震动响应信号和所有所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号,包括:
对第1至i层所述量化高频爆破震动响应信号以及第i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的所述目标爆破震动响应信号。
5.根据权利要求4所述的爆破震动响应信号的去噪方法,其特征在于,所述对第1至i层所述量化高频爆破震动响应信号以及第i层所述量化低频爆破震动响应信号进行小波包逆变换,包括:
对第1至i层所述量化高频爆破震动响应信号以及第1至i层所述量化低频爆破震动响应信号进行小波包逆变换,以得到中间爆破震动响应信号;
对所述中间爆破震动响应信号进行重构处理,以得到去噪后的所述目标爆破震动响应信号。
6.根据权利要求1所述的爆破震动响应信号的去噪方法,其特征在于,所述得到去噪后的目标爆破震动响应信号后,还包括:
根据所述目标爆破震动响应信号,获取所述待处理爆破震动响应信号对应的矿山巷道区域的安全等级;
响应于所述安全等级达到预设安全等级,则返回所述获取待处理爆破震动响应信号步骤,重新获取所述待处理爆破震动响应信号;
响应于所述安全等级未达到所述预设安全等级,则发送针对所述矿山巷道区域的警报提醒。
7.一种爆破震动响应信号的去噪装置,其特征在于,包括:
第一获取模块,用于获取待处理爆破震动响应信号;
第一确定模块,用于对所述待处理爆破震动响应信号进行小波包分解,以得到分解后的高频爆破震动响应信号和低频爆破震动响应信号;
第二确定模块,用于获取阈值量化处理策略,并根据所述阈值量化处理策略对所有所述高频爆破震动响应信号和所有所述低频爆破震动响应信号进行阈值量化处理,以得到每个所述高频爆破震动响应信号对应的量化高频爆破震动响应信号和每个所述低频爆破震动响应信号对应的量化低频爆破震动响应信号,还用于获取目标区域的当前环境噪声等级以及所述目标区域的历史环境噪声等级;根据所述当前环境噪声等级以及所述历史环境噪声等级,获取所述阈值量化处理策略;
第三确定模块,用于对所有所述量化高频爆破震动响应信号和所有所述量化低频爆破震动响应信号进行小波包逆变换,以得到去噪后的目标爆破震动响应信号。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-6中任一项所述的爆破震动响应信号的去噪方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一项所述的爆破震动响应信号的去噪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110604732.1A CN113239868B (zh) | 2021-05-31 | 2021-05-31 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110604732.1A CN113239868B (zh) | 2021-05-31 | 2021-05-31 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239868A CN113239868A (zh) | 2021-08-10 |
CN113239868B true CN113239868B (zh) | 2022-03-15 |
Family
ID=77136032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110604732.1A Active CN113239868B (zh) | 2021-05-31 | 2021-05-31 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239868B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005067640A2 (en) * | 2004-01-07 | 2005-07-28 | University Of Hawaii | Methods for enhanced detection & analysis of differentially expressed genes using gene chip microarrays |
CN106437687A (zh) * | 2016-08-31 | 2017-02-22 | 中国船舶重工集团公司第七八研究所 | 一种基于最优小波包分解树的随钻泥浆脉冲信号降噪方法 |
CN108462502A (zh) * | 2018-05-11 | 2018-08-28 | 中国电子科技集团公司第五十四研究所 | 一种用于流星余迹通信系统的小波包降噪方法 |
CN109001703A (zh) * | 2018-08-10 | 2018-12-14 | 南京信息工程大学 | 一种基于小波包多阈值处理的海杂波去噪办法 |
CN110031081A (zh) * | 2019-03-26 | 2019-07-19 | 长江大学 | 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 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7907769B2 (en) * | 2004-05-13 | 2011-03-15 | The Charles Stark Draper Laboratory, Inc. | Image-based methods for measuring global nuclear patterns as epigenetic markers of cell differentiation |
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 |
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 |
CN107101813B (zh) * | 2017-04-26 | 2018-12-28 | 河北工业大学 | 一种基于振动信号的框架式断路器机械故障程度评估方法 |
CN109726642A (zh) * | 2018-12-13 | 2019-05-07 | 云南电网有限责任公司电力科学研究院 | 一种基于变分模态分解的分布式光纤振动信号的降噪方法 |
-
2021
- 2021-05-31 CN CN202110604732.1A patent/CN113239868B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005067640A2 (en) * | 2004-01-07 | 2005-07-28 | University Of Hawaii | Methods for enhanced detection & analysis of differentially expressed genes using gene chip microarrays |
CN106437687A (zh) * | 2016-08-31 | 2017-02-22 | 中国船舶重工集团公司第七八研究所 | 一种基于最优小波包分解树的随钻泥浆脉冲信号降噪方法 |
CN108462502A (zh) * | 2018-05-11 | 2018-08-28 | 中国电子科技集团公司第五十四研究所 | 一种用于流星余迹通信系统的小波包降噪方法 |
CN109001703A (zh) * | 2018-08-10 | 2018-12-14 | 南京信息工程大学 | 一种基于小波包多阈值处理的海杂波去噪办法 |
CN110031081A (zh) * | 2019-03-26 | 2019-07-19 | 长江大学 | 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 |
Non-Patent Citations (1)
Title |
---|
爆破震动信号的HHT分析与应用研究;张义平;《万方》;20070807;1-179 * |
Also Published As
Publication number | Publication date |
---|---|
CN113239868A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Argenti et al. | Multiresolution MAP despeckling of SAR images based on locally adaptive generalized Gaussian pdf modeling | |
CN102998706B (zh) | 一种衰减地震数据随机噪声的方法及系统 | |
Li et al. | An EEMD‐Based Denoising Method for Seismic Signal of High Arch Dam Combining Wavelet with Singular Spectrum Analysis | |
CN111535802B (zh) | 泥浆脉冲信号处理方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
Cao et al. | Multichannel signal denoising using multivariate variational mode decomposition with subspace projection | |
CN111679328A (zh) | 一种基于变分模态分解的瞬变电磁探测信号的降噪方法 | |
CN110737023A (zh) | 一种矿用微震监测信号的处理方法 | |
CN104849757A (zh) | 消除地震信号中随机噪声系统及方法 | |
CN113221828B (zh) | 一种爆破震动响应信号的去噪方法、装置及电子设备 | |
JP5354505B2 (ja) | 信号検出装置、信号検出方法及び信号検出装置の製造方法 | |
CN108362942A (zh) | 多成分信号的时频谱获取方法及装置 | |
CN117692074B (zh) | 一种适用于非稳态水声目标信号的低频混叠噪声抑制方法 | |
CN113239868B (zh) | 一种爆破震动响应信号的去噪方法、装置及电子设备 | |
CN114581674A (zh) | 一种基于改进阈值函数的小波去噪方法 | |
CN114690003A (zh) | 一种基于eemd的局放信号降噪方法 | |
Wang et al. | Estimating dynamic motion parameters with an improved wavelet thresholding and inter-scale correlation | |
CN111323233B (zh) | 一种用于低速旋转机械故障诊断的局部均值分解方法 | |
Dhandapani et al. | Partial discharge signal denoising based on VMD and group-sparse TV denoising | |
CN113567129A (zh) | 一种列车轴承振动信号基于ceemd的降噪方法 | |
Hussein et al. | Histogram-based thresholding in discrete wavelet transform for partial discharge signal denoising | |
CN103630883A (zh) | 一种近距离主动式毫米波圆柱扫描成像系统的降噪方法 | |
CN113505688A (zh) | 一种改进的自适应小波阈值信号去噪方法 | |
CN115950529B (zh) | 基于谱增强的微角谐振信号估计方法、装置及电子设备 | |
Peng et al. | Analysis of denoising methods of underwater acoustic pulse signal based on wavelet and wavelet packet |
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 |