CN116626772A - 磁指纹特征分析方法及金属物质主动式探测方法 - Google Patents
磁指纹特征分析方法及金属物质主动式探测方法 Download PDFInfo
- Publication number
- CN116626772A CN116626772A CN202310915855.6A CN202310915855A CN116626772A CN 116626772 A CN116626772 A CN 116626772A CN 202310915855 A CN202310915855 A CN 202310915855A CN 116626772 A CN116626772 A CN 116626772A
- Authority
- CN
- China
- Prior art keywords
- signal
- magnetic
- wavelet
- mean square
- 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.)
- Granted
Links
- 230000005291 magnetic effect Effects 0.000 title claims abstract description 265
- 238000001514 detection method Methods 0.000 title claims abstract description 87
- 238000004458 analytical method Methods 0.000 title claims abstract description 76
- 239000002184 metal Substances 0.000 title claims abstract description 26
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 26
- 239000000126 substance Substances 0.000 title claims abstract description 13
- 230000005284 excitation Effects 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 230000005415 magnetization Effects 0.000 claims abstract description 16
- 230000006698 induction Effects 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005094 computer simulation Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 38
- 238000010586 diagram Methods 0.000 description 24
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 6
- 230000005294 ferromagnetic effect Effects 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000003302 ferromagnetic material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005358 geomagnetic field Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
- G01V3/083—Controlled source electromagnetic [CSEM] surveying
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Electromagnetism (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
- Measuring Magnetic Variables (AREA)
Abstract
本申请涉及磁信号测量技术领域,特别是涉及磁指纹特征分析方法及金属物质主动式探测方法,该分析方法包括:数据预处理步骤,获取主动磁探测式磁传感器采集的探测信号,探测信号包括激励磁场信号、磁化场信号、电磁干扰信号及随机噪声信号,通过汉宁窗筛选出与激励磁场信号同频的感应磁场信号,将感应磁场信号与激励磁场合并分析;均方根处理步骤,对探测信号的N点采样数据进行均方根分析,计算探测信号在完整周期内的均方根得到均方根分析信号;小波去噪步骤,利用小波函数将均方根分析信号通过小波分解、阈值筛选进行小波滤波后经信号重构得到去噪后信号,以分析磁指纹特征,通过本申请提高磁指纹特征信号检测性能。
Description
技术领域
本申请涉及磁信号测量技术领域,特别是涉及磁指纹特征分析方法及金属物质主动式探测方法。
背景技术
磁指纹特征(Magnetic Anomaly Detection,MAD)信号是铁磁性材料引起磁场局部变化的磁信号,通过对磁指纹特征信号的探测实现金属目标物探测和剔除,该项技术广泛应用于军事、安全、矿物及工业等领域。探测的关键在于如何从复杂磁场中提取磁指纹特征信号。传统磁指纹特征信号属于被动式磁探测领域,铁磁性材料因磁化效应改变了地磁背景场。故被动式主要针对在已知地磁场条件下,对检测距离、未知形状、尺寸等条件未知的某种铁磁性材料探测;主动式磁探测是在已知激励磁场背景场和固定检测距离条件下,对未知形状、尺寸等条件的金属材料的探测,通过对金属材料变化引起的磁信号的提取、测量和处理,可以实现金属目标物探测和剔除。
针对主动式磁探测,如何在复杂磁场中提取磁指纹特征信号是磁指纹特征分析的关键。已知环境电磁场中主要包含激励场、磁化场和环境噪声等,而环境噪声主要由50Hz的电磁交流干扰噪声、地磁信号和线性磁传感器的平稳随机噪声组成,所以环境电磁场的频域是非单一频段,如此一来,需要通过信号去噪将信号中的噪声分量抑制并保证处理过程中磁指纹特征信号尽可能小的损失或没有损失。
小波去噪方法是磁指纹特征信号分析中常用方法之一,该方法能够实现时间窗和频率窗局部化分析分离磁指纹特征信号和磁背景噪声,然而,当信号频率成分复杂且频率跨度大时,即使选择合适的小波函数也无法清晰的表征磁指纹特征信号。
以结合磁梯度信号正交基分解(OBFOrthogonal Basis Function,OBF)算法和小波去噪的分析方法为例,OBF算法在背景噪声为高斯白噪声的条件下适用,但现实环境中,除了高斯白噪声以外,磁场信号中还包含激励磁场、50Hz的电磁交流干扰噪声等,使得前述算法很难清晰表征磁指纹特征信号,不利于磁探测测量。
目前针对相关技术中如何抑制主动式磁探测技术的磁指纹特征信号中的噪声并清晰表征磁指纹特征信号,提高磁指纹特征信号检测性能,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种磁指纹特征分析方法及金属物质主动式探测方法,结合均方根分析及小波去噪进行信号处理,提高磁指纹特征信号检测测量性能。
第一方面,本申请实施例提供了一种磁指纹特征分析方法,包括:
数据预处理步骤,获取主动磁探测式磁传感器采集的探测信号,所述探测信号包括激励磁场信号、磁化场信号、电磁干扰信号及随机噪声信号,通过汉宁窗筛选出与激励磁场信号同频的感应磁场信号,将感应磁场信号与激励磁场合并分析;
均方根处理步骤,对所述探测信号的N点采样数据进行均方根分析(Root meansquare, RMS),计算探测信号在完整周期内的均方根得到均方根分析信号,其中,配置N为激励磁场信号周期的整数倍;
小波去噪步骤,利用小波函数将所述均方根分析信号通过小波分解、阈值筛选进行小波滤波后经信号重构得到去噪后信号,以分析磁指纹特征。
在其中一些实施例中,所述小波去噪步骤进一步包括:
小波分解步骤,选择小波函数的层数利用小波函数将均方根分析信号分解为多层小波分量的叠加;
阈值处理步骤,采用阈值将各层小波分量的小波系数进行量化,具体的,阈值可以通过固定阈值估计、极值阈值估计、无偏似然估计以及启发式估计等方法确定;
小波重构步骤,采用经过阈值处理后的小波系数重构得到去噪后的信号。
在其中一些实施例中,所述数据预处理步骤得到的处理后的探测信号基于如下计算模型计算得到:
其中,为正弦信号多阶谐波逼近的磁指纹特征信号,/>为磁指纹特征信号各阶谐波信号的振幅因子,/>分别为激励磁场、磁化场及电磁干扰分量的正弦信号的振幅,/>分别为激励磁场、电磁干扰分量的正弦信号的频率,/>为采样率,/>为磁指纹特征信号各阶谐波信号的谐波频率,/>,/>为随机噪声分量。
在其中一些实施例中,所述均方根分析信号表示为如下计算模型:
其中,、/>和/>为磁指纹特征信号各阶谐波信号经均方根处理后的振幅、振幅因子和频率,/>和/>为电磁干扰分量经均方根处理后的振幅和频率,为经均方根处理后的随机噪声分量。
在其中一些实施例中,所述小波函数为Symlet小波函数或Haar小波函数,Symlet小波函数支撑范围和消失矩合适且具备较好的正则性、线性相位和紧密支撑。
在其中一些实施例中,所述均方根处理步骤还包括:
利用hampel函数消除均方根分析信号伴随的异常值。
第二方面,本申请实施例提供了一种金属物质主动式探测方法,包括:
激励磁场发射步骤,通过发射线圈发射特定频率激励磁场;
探测信号接收步骤,通过主动磁探测式磁传感器采集探测信号;
磁指纹特征分析步骤,通过执行如上第一方面所述的磁指纹特征分析方法进行磁指纹特征分析,根据所述磁指纹特征判断是否探测到金属目标物。
在其中一些实施例中,所述主动磁探测式磁传感器采用MEMS磁传感器(MicroElectro Mechanical Systems,MEMS)。
相比于相关技术,本申请实施例提供的磁指纹特征分析方法及金属物质主动式探测方法,通过将均方根分析和小波去噪结合,以能够极大程度的表征出磁指纹特征信号,解决了无法在多频率组成的磁场信息中筛选磁指纹特征信号的问题,实现了有效抑制主动式磁探测中的磁背景噪声并提取磁指纹特征信号。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为根据现有技术的激励磁场和感应磁场模型示意图;
图2为根据本申请实施例的金属铁球x轴向磁场示意图;
图3为根据本申请实施例的金属铁球z轴向磁场示意图;
图4为根据本申请实施例的磁指纹特征分析方法的流程图;
图5为根据本申请实施例的磁指纹特征分析方法的分步骤流程图;
图6为根据本申请实施例的金属物质主动式探测方法的流程示意图;
图7为根据本申请实施例的探测信号的x分量磁场强度示意图;
图8为根据本申请实施例的探测信号的磁指纹特征信号x分量频谱示意图;
图9为现有技术的小波变换得到的去噪结果磁场强度示意图;
图10为根据本申请实施例的均方根处理步骤的结果磁场强度示意图;
图11为根据本申请实施例的小波去噪步骤的结果磁场强度示意图;
图12为现有技术的小波变换得到的去噪结果频谱示意图;
图13为根据本申请实施例的均方根处理步骤的频谱示意图;
图14为根据本申请实施例的小波去噪步骤的频谱示意图;
图15为各层小波函数去噪结果的信噪比示意图;
图16为各层小波函数去噪结果的磁指纹特征信号峰值示意图;
图17为各层小波函数去噪结果的磁指纹特征信号噪声峰值示意图;
图18为根据本申请实施例优选分解层数的x分量磁指纹特征信号去噪结果磁场强度示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
磁指纹特征信号是金属物在背景磁场作用下,因金属物材料特性的磁化效应或涡流效应产生的感应二次场磁扰乱背景磁场磁通密度分布,从而产生的磁信号。图1为根据现有技术的激励磁场和感应磁场模型示意图,参考图1所示,当铁磁性目标物在满足磁偶极子模型的条件介入激励磁场时,建立磁偶极子模型并分析感应磁指纹特征信号时频特性。激励线圈由多匝矩形线圈构成,通过毕奥-萨伐尔定律体积分计算激励磁场Bx、By、Bz。空间磁场中某点处的磁场信息通过毕奥-萨法尔定律的体积分在笛卡尔坐标系下可以表示为:
(1)
其中:为真空磁导率,/>,为空间中所求磁场信息点的位置矢量,为线圈中单位源点的位置矢量,/>表示为线圈体电流密度矢量,/>表示为空间中所求磁场信息点到线圈源点的距离矢量,两点间的距离为:。矩形线圈/>区域的磁场强度进行矢量和的叠加,即可得到空间任意一点处磁场强度的/>分量。
已知当探测距离(目标物至探测点的最近路径)CPA为目标物直径3倍以上时,可将铁磁性目标物等效为磁偶极子,磁化场可以用磁偶极子模型分析。由于铁磁性物质以一定速度进入激励磁场并因磁化效应产生感应磁场,感生的感应磁场扰乱了空间中磁通密度的分布,从而产生了磁指纹特征信号。磁偶极子公式、感应磁偶磁矩公式如下所示:
(2)
其中,表示目标物到测量点(磁传感器位置)的距离矢量,/>为真空磁导率,/>为铁磁性目标的感应磁矩,将/>分解为/>三分量形式:
(3)
其中为感应磁矩/>的方向角度,/>用于描述/>在/>平面与/>轴正向的角度,/>为用于描述/>与/>轴正向的角度,结合上式(1)、(2)、(3),磁化场/>可以表示为:
(4)
参考图1所示的模型,目标物在的平面上,以速度/>的沿x轴正方向运动。带入至式(4),其中/>为目标物至探测点的探测路径CPA,即可得到感应磁场信号/>分量式。
(5)
利用图1所示的矩形线圈模型,本申请实施例对金属目标物的二次感应场进行研究仿真实验,仿真计算了直径的金属铁球在线圈下方3cm处沿x轴向通过时的目标磁场信息。由于/>沿y轴方向的目标磁场变换为零,故展示了归一化的x轴向/>、z轴向的磁场信息,如图2、图3所示。
基于上述二次感应场的磁场信息特征,本申请实施例提供了一种磁指纹特征分析方法,图4、图5为根据本申请实施例的磁指纹特征分析方法的流程图,参考图4、图5所示,该流程包括如下步骤:
数据预处理步骤S1,获取主动磁探测式磁传感器采集的探测信号,所述探测信号包括激励磁场信号、磁化场信号、电磁干扰信号及随机噪声信号,通过汉宁窗筛选出与激励磁场信号同频的感应磁场信号,将感应磁场信号与激励磁场合并分析;
所述探测信号表示为如下计算模型:
(6)
其中,为采样率,/>为激励磁场分量;/>为磁化场分量,/>为电磁干扰分量,/>为随机噪声分量;/>分别为激励磁场、磁化场及电磁干扰分量的正弦信号的振幅,/>分别为激励磁场、磁化场及电磁干扰分量的正弦信号的频率,n为正数。
考虑到磁化场分量包含有磁指纹特征信号、与激励磁场信号同频的感应磁场信号(频率为),通过汉宁窗筛选出与激励磁场信号同频的感应磁场信号,将感应磁场信号与激励磁场合并分析,将上述计算模型表示为如下更新计算模型:
(7)
其中,为正弦信号多阶谐波逼近的磁指纹特征信号,/>为磁指纹特征信号各阶谐波信号的振幅因子,/>分别为激励磁场、磁化场及电磁干扰分量的正弦信号的振幅,/>分别为激励磁场、电磁干扰分量的正弦信号的频率,/>为采样率,/>为磁指纹特征信号各阶谐波信号的谐波频率,/>,/>为随机噪声分量。
均方根处理步骤S2,当采样点足够多时,离散采样的数据的均方根值将和连续稳态信号的有效值一致,基于此,对所述探测信号的N点采样数据进行均方根分析,计算探测信号在完整周期内的均方根得到均方根分析信号并利用hampel函数消除均方根分析信号伴随的异常值,其中,配置N为激励磁场信号周期的整数倍;均方根分析信号表示为如下计算模型:
(8)
其中,和/>为前述频率/>的激励磁场和感应磁场信号的正弦信号经均方根处理后的振幅和频率,/>、/>和/>为磁指纹特征信号各阶谐波信号经均方根处理后的振幅、振幅因子和频率,/>和/>为电磁干扰分量经均方根处理后的振幅和频率,/>为经均方根处理后的随机噪声分量;
已知对于正弦信号,当进行信号周期整数倍的均方根处理,则处理结果为一标量常数,当进行非信号周期整数倍的均方根处理,则处理结果为信号频率降低和信号波形被压缩。
由于配置N为激励磁场信号周期的整数倍,则经过均方根处理后,激励磁场和感应磁场信号的正弦信号的处理结果为标量常数,则上述均方根分析信号表示为如下计算模型:
(9)
其中,、/>和/>为磁指纹特征信号各阶谐波信号经均方根处理后的振幅、振幅因子和频率,/>和/>为电磁干扰分量经均方根处理后的振幅和频率,为经均方根处理后的随机噪声分量;电磁干扰分量和随机噪声是非周期信号,经处理后的结果为信号频率降低和信号波形被压缩,因此,经过上述均方根处理,探测信号中包括磁指纹特征信号、降频压缩后的电磁干扰信号及基准为/>的随机噪声/>,磁指纹特征信号中包括多个正弦信号分量,探测信号中的电磁干扰分量和随机噪声频域被压缩,同时磁指纹特征信号各阶谐波未发生混淆,总之,探测信号的时域波形表征为幅值增强和波形压缩。
由于磁传感器采集的磁场信息为多频率组成信号,原始探测信号经N值的均方根分析呈现处于某一基准线上的低频信号,增强了磁指纹特征信号时域波形趋势。但均方根分析不能精确表达随时间变化的磁信号,还需要合适的频段筛选磁指纹特征信号。因此,本申请通过将均方根分析和小波去噪结合,以能够极大程度的表征出磁指纹特征信号。
小波去噪步骤S3,利用小波函数将所述均方根分析信号通过小波分解、阈值筛选进行小波滤波后经信号重构得到去噪后信号,以分析磁指纹特征。其中,小波去噪步骤S3进一步包括:
小波分解步骤S301,选择小波函数的层数利用小波函数将均方根分析信号分解为多层小波分量的叠加;
阈值处理步骤S302,采用阈值将各层小波分量的小波系数进行量化,具体的,阈值可以通过固定阈值估计、极值阈值估计、无偏似然估计以及启发式估计等方法确定,本领域技术人员可以灵活选择合适的阈值,在此不作具体赘述;
小波重构步骤S303,采用经过阈值处理后的小波系数重构得到去噪后的信号。
考虑到磁指纹特征信号是对金属目标物运动状态下的瞬态响应。为了实现较小失真的小波去噪和高效率筛选信号,优选采用具有正交基性质、线性相位的对称性质的小波函数。这是因为正交性描述了小波函数表示数据的冗余程度,而紧凑型支撑体现时域信号丰富的瞬时特性,且支撑长度与描述函数光滑程度的正则性关联。
上述小波去噪步骤S3采用的小波函数为Symlet小波函数,Symlet小波函数支撑范围和消失矩合适且具备较好的正则性、线性相位和紧密支撑。
另外,上述小波去噪步骤S3采用的小波函数也可以为Haar小波函数、Meyer小波函数或其他适合的小波函数,在此不一一列举。小波变换去噪的主要特点是通过变换能够充分突出问题某些方面的特征,并能够局部化分析。它易于分离随时间变化的不同频率分量,提取某一时刻发生的突变。
通过上述步骤,本实施例通过将均方根分析和小波去噪结合,以能够极大程度的表征出磁指纹特征信号,解决了无法在多频率组成的磁场信息中筛选磁指纹特征信号的问题,实现了有效抑制主动式磁探测中的磁背景噪声并提取磁指纹特征信号。
下面通过一优选实施例对本申请实施例的技术效果进行描述和说明。
本申请优选实施例利用信号激励箱、MEMS磁传感器阵列和美国NI信号采集装置搭建,信号激励箱用于产生频率f = 400Hz、幅度Vpp = 4V的正弦激励信号通入激励线圈以产生激励磁场,并提供MEMS磁传感器阵列12V的工作电压。信号激励箱的矩形激励线圈中的MEMS磁传感器阵列固定于传送带上方3cm处,并将传感器阵列放置于矩形激励线圈的中心偏下1.5cm处,MEMS磁传感器阵列的探测信号通过采集装置传输到PC端。
本申请优选实施例沿用上述图1所示的直径的金属铁球在线圈下方3cm处沿x轴向通过时的目标磁场信息,将金属铁球作为金属目标物,配置传送带的运输速度为155mm/s,使金属铁球以该速度通过MEMS磁传感器阵列。图7为本申请实施例的探测信号的x分量磁场强度示意图,图8为本申请实施例的探测信号的磁指纹特征信号x分量频谱示意图,如图7和图8所示,探测信号的信号波形为主频400Hz并伴随低频偏执的激励磁场分量和磁化场分量,信号波形仅有模糊起伏包络的磁指纹特征,磁指纹特征被一定程度的掩盖。
为了说明本申请实施例的技术效果,在本申请实施例中提供直接对图7所示的探测信号进行小波变换得到的去噪结果磁场强度示意图,如图9所示,基于上述磁指纹特征分析方法的均方根处理步骤的结果磁场强度示意图,如图10所示,及基于上述磁指纹特征分析方法的小波去噪步骤的结果磁场强度示意图,如图11所示。具体的,图9为对探测信号进行Sym4小波基函数的4层分解去噪得到的结果,图10为对探测信号进行均方根分析的处理结果,N配置为60,图11为经过均方根分析后对探测信号进行Sym4小波基函数的4层分解去噪得到的结果。
对比可知,单纯的小波去噪效果很难提取信号,如图9,这主要因为小波变换适用于信息集中在低频段的信号。当感兴趣的频率成分位于中高频段时,如探测信号提取磁指纹特征信号等,小波变换在高频段的频谱窗口较宽,其包含的频率成分过多,无法获取感兴趣的频率信号。而仅采用均方根分析会形成磁指纹特征信号时域的波形显示清晰,如图10,但存在基准线起伏明显的时域特征。本申请提出的磁指纹特征分析方法结合均方根处理和小波去噪实现压缩磁指纹特征信号频率的功能,将信号频段集中至低频处,图11中磁指纹特征信号的曲线呈现与理论分析趋势相同的零基准磁异常波形曲线,经测量,探测数据和小波去噪数据的峰值信噪比分别为0.0978 dB、0.0593 dB,而本申请实施例的处理结果的峰值信噪比达到了31.37dB,得到极大提高,使探测到的磁指纹特征信息更清晰、准确。
本申请实施例中还提供直接对图7所示的探测信号进行小波变换得到的去噪结果频谱示意图,如图12所示,基于上述磁指纹特征分析方法的均方根处理步骤的结果频谱示意图,如图13所示,及基于上述磁指纹特征分析方法的小波去噪步骤的结果频谱示意图,如图14所示,具体的,图12为对探测信号进行Sym4小波基函数的4层分解去噪得到的结果,图13为对探测信号进行均方根分析的处理结果,N配置为60,图14为经过均方根分析后对探测信号进行Sym4小波基函数的4层分解去噪得到的结果。
由图12可知,由于探测信号的频段宽、小波系数多,小波去噪无法过滤出探测信号中的磁指纹特征分量,由图13可知,经均方根分析可压缩信号频谱段,但无法筛选磁指纹特征信号,由图14可看出,本申请实施例结合均方根分析和小波去噪实现将磁指纹特征信号频率分量量化至5Hz以下。
因此,经过上述验证实验,本申请实施例可以实现铁磁性金属目标物的磁异常分析,增强信噪比监测且具有抗电磁干扰的能力。
进一步的,为了进一步优化本申请实施例的处理效果,找到与均方根分析结果更匹配的Symlet小波函数,本申请实施例还选用分解层数为4至8的sym4~ sym8小波函数执行上述小波去噪步骤S3对图7所示探测信号的x分量的磁异常曲线去噪,图15为各层小波函数去噪结果的信噪比示意图,基于图15可知分解层数为6层的小波函数去噪结合本申请实施例的均方根分析可以达到较高的峰值信噪比。图16、图17分别为各层小波函数去噪结果的磁指纹特征信号峰值示意图及噪声峰值示意图,基于此,磁指纹特征信号峰值随Symlet小波函数分解层数的增加而增加,信号的噪声水平也同步增加,综合对比,分解层数为6层的小波函数去噪效果更好,可以将环境噪声抑制到±2nT。
基于上述优选分解层数对上述优选实施例的直径的金属铁球进行验证,得到的x分量磁指纹特征信号去噪结果的磁场强度如图18所示,金属铁球对应的磁异常曲线峰值信噪比为38.96dB。对比图11所示的信号磁场强度提高了42.64nT,峰值信噪比提高了7.59,可以很好的提取运动状态条件下主动式探测中金属目标物的磁指纹特征。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
另外,本申请实施例还提供了一种金属物质主动式探测方法,图6为根据本申请实施例的金属物质主动式探测方法的流程示意图,参考图6所示,该方法包括如下步骤:
激励磁场发射步骤S601,通过发射线圈发射特定频率激励磁场;
探测信号接收步骤S602,通过主动磁探测式磁传感器采集探测信号;
磁指纹特征分析步骤S603,通过执行如上述实施例的磁指纹特征分析方法进行磁指纹特征分析,根据所述磁指纹特征判断是否探测到金属目标物。其中,主动磁探测式磁传感器采用MEMS磁传感器。
综上所述,本申请实施例提供的磁指纹特征分析方法及金属物质主动式探测方法,通过将均方根分析和小波去噪结合,以能够极大程度的表征出磁指纹特征信号,解决了无法在多频率组成的磁场信息中筛选磁指纹特征信号的问题,实现了有效抑制主动式磁探测中的磁背景噪声并提取磁指纹特征信号。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种磁指纹特征分析方法,其特征在于,包括:
数据预处理步骤,获取主动磁探测式磁传感器采集的探测信号,所述探测信号包括激励磁场信号、磁化场信号、电磁干扰信号及随机噪声信号,通过汉宁窗筛选出与激励磁场信号同频的感应磁场信号,将感应磁场信号与激励磁场合并分析;
均方根处理步骤,对所述探测信号的N点采样数据进行均方根分析,计算探测信号在完整周期内的均方根得到均方根分析信号,其中,配置N为激励磁场信号周期的整数倍;
小波去噪步骤,利用小波函数将所述均方根分析信号通过小波分解、阈值筛选进行小波滤波后经信号重构得到去噪后信号,以分析磁指纹特征。
2.根据权利要求1所述的磁指纹特征分析方法,其特征在于,所述小波去噪步骤进一步包括:
小波分解步骤,选择小波函数的层数利用小波函数将均方根分析信号分解为多层小波分量的叠加;
阈值处理步骤,采用阈值将各层小波分量的小波系数进行量化;
小波重构步骤,采用经过阈值处理后的小波系数重构得到去噪后的信号。
3.根据权利要求1所述的磁指纹特征分析方法,其特征在于,所述数据预处理步骤得到的处理后的探测信号基于如下计算模型计算得到:
其中,为正弦信号多阶谐波逼近的磁指纹特征信号,/>为磁指纹特征信号各阶谐波信号的振幅因子,/>分别为激励磁场、磁化场及电磁干扰分量的正弦信号的振幅,/>分别为激励磁场、电磁干扰分量的正弦信号的频率,/>为采样率,为磁指纹特征信号各阶谐波信号的谐波频率,/>,/>为随机噪声分量。
4.根据权利要求3所述的磁指纹特征分析方法,其特征在于,所述均方根分析信号表示为如下计算模型:
其中,、/>和/>分别为磁指纹特征信号各阶谐波信号经均方根处理后的振幅、振幅因子和频率,/>和/>为电磁干扰分量经均方根处理后的振幅和频率,为经均方根处理后的随机噪声分量。
5.根据权利要求2所述的磁指纹特征分析方法,其特征在于,所述小波函数为Symlet小波函数或Haar小波函数。
6.根据权利要求2所述的磁指纹特征分析方法,其特征在于,所述均方根处理步骤还包括:
利用hampel函数消除均方根分析信号伴随的异常值。
7.一种金属物质主动式探测方法,其特征在于,包括:
激励磁场发射步骤,通过发射线圈发射特定频率激励磁场;
探测信号接收步骤,通过主动磁探测式磁传感器采集探测信号;
磁指纹特征分析步骤,通过执行如权利要求1至6中任一项所述的磁指纹特征分析方法进行磁指纹特征分析,根据所述磁指纹特征判断是否探测到金属目标物。
8.根据权利要求7所述的金属物质主动式探测方法,其特征在于,所述主动磁探测式磁传感器采用MEMS磁传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310915855.6A CN116626772B (zh) | 2023-07-25 | 2023-07-25 | 磁指纹特征分析方法及金属物质主动式探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310915855.6A CN116626772B (zh) | 2023-07-25 | 2023-07-25 | 磁指纹特征分析方法及金属物质主动式探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116626772A true CN116626772A (zh) | 2023-08-22 |
CN116626772B CN116626772B (zh) | 2023-11-28 |
Family
ID=87613834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310915855.6A Active CN116626772B (zh) | 2023-07-25 | 2023-07-25 | 磁指纹特征分析方法及金属物质主动式探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116626772B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713199A (zh) * | 2012-10-04 | 2014-04-09 | 本德尔有限两合公司 | 利用抗干扰测量信号来监视和测量绝缘电阻的方法 |
CN110261469A (zh) * | 2019-04-25 | 2019-09-20 | 北京工业大学 | 一种用于铁磁性材料疲劳损伤检测的电磁混频检测方法 |
CN110471010A (zh) * | 2019-09-18 | 2019-11-19 | 北京工业大学 | 铁磁性材料磁致伸缩曲线的sh0模态超声导波测量方法 |
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 |
US20220099699A1 (en) * | 2020-05-29 | 2022-03-31 | James W. Waite | Acoustic intensity sensor using a mems triaxial accelerometer and mems microphones |
US20220196793A1 (en) * | 2020-12-21 | 2022-06-23 | Bae Systems Information And Electronic Systems Integration Inc. | Joint denoising and delay estimation for the extraction of pulse-width of signals in rf interference |
CN115031876A (zh) * | 2022-05-10 | 2022-09-09 | 南京工业大学 | 一种基于方波激励的巴克豪森效应的应力检测方法 |
CN115128680A (zh) * | 2022-06-28 | 2022-09-30 | 吉林大学 | 一种磁性源多波形组合的瞬变电磁靶向测量方法 |
CN115184849A (zh) * | 2022-07-07 | 2022-10-14 | 重庆邮电大学 | 一种基于nmr探头的高分辨率磁场测量装置 |
-
2023
- 2023-07-25 CN CN202310915855.6A patent/CN116626772B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713199A (zh) * | 2012-10-04 | 2014-04-09 | 本德尔有限两合公司 | 利用抗干扰测量信号来监视和测量绝缘电阻的方法 |
CN110261469A (zh) * | 2019-04-25 | 2019-09-20 | 北京工业大学 | 一种用于铁磁性材料疲劳损伤检测的电磁混频检测方法 |
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 |
CN110471010A (zh) * | 2019-09-18 | 2019-11-19 | 北京工业大学 | 铁磁性材料磁致伸缩曲线的sh0模态超声导波测量方法 |
US20220099699A1 (en) * | 2020-05-29 | 2022-03-31 | James W. Waite | Acoustic intensity sensor using a mems triaxial accelerometer and mems microphones |
US20220196793A1 (en) * | 2020-12-21 | 2022-06-23 | Bae Systems Information And Electronic Systems Integration Inc. | Joint denoising and delay estimation for the extraction of pulse-width of signals in rf interference |
CN115031876A (zh) * | 2022-05-10 | 2022-09-09 | 南京工业大学 | 一种基于方波激励的巴克豪森效应的应力检测方法 |
CN115128680A (zh) * | 2022-06-28 | 2022-09-30 | 吉林大学 | 一种磁性源多波形组合的瞬变电磁靶向测量方法 |
CN115184849A (zh) * | 2022-07-07 | 2022-10-14 | 重庆邮电大学 | 一种基于nmr探头的高分辨率磁场测量装置 |
Non-Patent Citations (4)
Title |
---|
OSAMA MOHAMMED等: "Effect of Change in Pole Shape Design on Harmonic Contents of PM Synchronous Motor Air Gap Flux Density Waveform", LACCET * |
宋凯欣等: "磁电机械天线的阻抗特性分析", 物理学报 * |
林婷婷等: "基于相关建模检测的磁共振探水同频消噪方法", 地球物理学报, no. 08 * |
郑元勋等: "基于多磁信标的指纹匹配定位算法", 遥感学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN116626772B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Compound fault diagnosis of rotating machinery based on OVMD and a 1.5-dimension envelope spectrum | |
US10677957B2 (en) | Method for random noise reduction from MRS oscillating signal using joint algorithms of EMD and TFPF | |
Cunha et al. | A new wavelet selection method for partial discharge denoising | |
Ece et al. | Power quality event detection using joint 2-D-wavelet subspaces | |
Yu et al. | A novel signature extracting approach for inductive oil debris sensors based on symplectic geometry mode decomposition | |
Liu et al. | A fusion of principal component analysis and singular value decomposition based multivariate denoising algorithm for free induction decay transversal data | |
Yang et al. | A new denoising method for underwater acoustic signal | |
Bajwa et al. | An investigation into partial discharge pulse extraction methods | |
CN115700544A (zh) | 一种联合经验模态分解及小波软阈值的色谱信号去噪方法 | |
CN111027488A (zh) | 一种信号分类的方法和设备 | |
Shi et al. | Signal extraction using complementary ensemble empirical mode in pipeline magnetic flux leakage nondestructive evaluation | |
Lu et al. | Quantitative nondestructive testing of wire ropes based on features fusion of magnetic image and infrared image | |
CN117056677A (zh) | 基于麻雀算法改进变分模态分解的瞬变电磁信号去噪方法 | |
Peng et al. | The broken wires identification of wire rope based on multilevel filtering method using EEMD and wavelet analysis | |
CN116626772B (zh) | 磁指纹特征分析方法及金属物质主动式探测方法 | |
Li et al. | Magnetotelluric signal-noise separation method based on SVM–CEEMDWT | |
CN110531420A (zh) | 一种地震数据中工业干扰噪声无损分离方法 | |
Zhang et al. | Anomaly detection of complex magnetic measurements using structured Hankel low-rank modeling and singular value decomposition | |
Pei et al. | Research on PD signals denoising based on EMD method | |
CN112649882A (zh) | 低频磁信号增强方法及使用其的航空磁测系统 | |
Tuntisak et al. | Harmonic detection in distribution systems using wavelet transform and support vector machine | |
Du et al. | Fractional iterative variational mode decomposition and its application in fault diagnosis of rotating machinery | |
Long et al. | A novel automatic pulse segmentation approach and its application in PD-induced electromagnetic wave detection | |
Wang et al. | Noise reduction method of transient electromagnetic signal based on vmd-ica | |
Wang et al. | Wire rope damage detection signal processing using K-singular value decomposition and optimized double-tree complex wavelet transform |
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 |