CN117235547A - 一种氧气浓度检测数据自适应滤波方法 - Google Patents

Abstract

本发明涉及气体浓度测量技术领域，提出了一种氧气浓度检测数据自适应滤波方法，包括：获取激光束电信号序列；根据激光束电信号序列获取激光束电信号变化序列，根据激光束电信号变化序列获取突变偏离系数，根据突变偏离系数获取信号波动相似性指数；利用VMD变分模态分解算法获取信号幅值序列，根据信号幅值序列获取信号平稳度，根据信号平稳度获取稳态比重指数，根据信号波动相似性指数及稳态比重指数获取步长因子；利用LMS自适应滤波算法基于步长因子获取滤波后的激光束电信号序列，根据滤波后的激光束电信号序列获取氧气浓度。本发明避免LMS自适应滤波算法中由于收敛速度过快导致稳态失衡的现象，提高了激光束电信号的滤波效果。

Description

一种氧气浓度检测数据自适应滤波方法

技术领域

本发明涉及气体浓度测量技术领域，具体涉及一种氧气浓度检测数据自适应滤波方法。

背景技术

氧气作为自然界分布最广的气体之一，动物呼吸以及燃烧等活动都需要消耗氧气，氧气在自然界发挥着极为重要的作用。目前，氧气浓度检测技术应用于许多行业，比如医疗行业、施工行业等，成为生产生活中不可或缺的一部分。但是，在测量氧气浓度时，会不可避免的引入错误数据、冗余数据以及测量噪声，这些会严重影响到氧气浓度检测的准确性。

目前，大多数采用激光氧原理测量氧气浓度，为了获取更加准确的氧气浓度，利用数据滤波算法对激光束电信号进行滤波处理，排除噪声对氧气浓度检测的影响，然后通过检测滤波处理后的激光束电信号的衰减信息获取氧气浓度。比如，利用限幅滤波算法对激光束电信号进行滤波处理，能够有效克服偶然性干扰造成的数据误差。但是，由于激光束电信号所包含的信号成分的复杂性，限幅滤波算法抑制周期性干扰的能力较差，导致激光束电信号的滤波效果较差，进而无法获取准确的氧气浓度。

发明内容

本发明提供一种氧气浓度检测数据自适应滤波方法，以解决激光束电信号的滤波效果较差的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种氧气浓度检测数据自适应滤波方法，该方法包括以下步骤：

获取激光束电信号序列；

根据激光束电信号序列获取激光束电信号变化序列，根据激光束电信号变化序列获取变化突变数据序列；根据激光束电信号变化序列以及变化突变数据序列获取激光束电信号变化序列的突变偏离系数；根据激光束电信号变化序列获取激光束电信号变化序列中每个数据点的信号波动特征序列；根据激光束电信号变化序列中每个数据点的信号波动特征序列以及激光束电信号变化序列的突变偏离系数获取激光束电信号变化序列的信号波动相似性指数；

利用VMD变分模态分解算法获取激光束电信号变化序列的每个模态分量的信号幅值序列；根据激光束电信号变化序列的每个模态分量的信号幅值序列获取激光束电信号变化序列的每个模态分量的信号平稳度；根据激光束电信号变化序列的所有模态分量的信号平稳度获取激光束电信号变化序列的平稳模态分量以及非平稳模态分量，根据激光束电信号变化序列的平稳模态分量以及非平稳模态分量获取激光束电信号变化序列的稳态比重指数；根据激光束电信号变化序列的信号波动相似性指数以及稳态比重指数获取激光束电信号序列的步长因子；

利用LMS自适应滤波算法基于所述步长因子获取滤波后的激光束电信号序列，根据滤波后的激光束电信号序列获取氧气浓度。

优选的，所述根据激光束电信号序列获取激光束电信号变化序列，根据激光束电信号变化序列获取变化突变数据序列的方法为：

计算激光束电信号序列中每相邻两个时间点的激光束电信号幅值之间的差值，将所有所述激光束电信号幅值之间的差值按照时间升序的顺序组成的序列作为激光束电信号序列的差分序列，将激光束电信号序列的差分序列作为激光束电信号变化序列；

将激光束电信号变化序列作为Pettitt突变检测算法的输入，将Pettitt突变检测算法的输出作为激光束电信号变化序列中的所有突变点，将激光束电信号变化序列中的所有突变点的数值组成的序列作为变化突变数据序列。

优选的，所述根据激光束电信号变化序列以及变化突变数据序列获取激光束电信号变化序列的突变偏离系数的方法为：

式中，表示变化突变数据序列中第i个数据点的偏离度，/>表示变化突变数据序列中第i个数据点的数值，/>表示激光束电信号变化序列中第j个数据点的数值，/>表示激光束电信号变化序列中数据点的数目，/>表示激光束电信号变化序列的突变偏离系数，表示以自然常数为底数的指数函数，/>表示变化突变数据序列中数据点的数目，表示变化突变数据序列中所有元素的变异系数。

优选的，所述根据激光束电信号变化序列获取激光束电信号变化序列中每个数据点的信号波动特征序列的方法为：

对于激光束电信号变化序列中每个数据点，将数据点作为目标数据点，计算目标数据点与变化突变数据序列中每个数据点之间的欧氏距离，将目标数据点与变化突变数据序列中所有数据点之间的欧氏距离计算结果按照数值升序的顺序组成的序列作为目标数据点的信号波动特征序列。

优选的，所述根据激光束电信号变化序列中每个数据点的信号波动特征序列以及激光束电信号变化序列的突变偏离系数获取激光束电信号变化序列的信号波动相似性指数的方法为：

式中，表示激光束电信号变化序列的信号波动相似性指数，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的突变偏离系数，/>表示激光束电信号变化序列中数据点的数目，/>表示/>距离函数，/>和/>分别表示激光束电信号变化序列中第j个、第(j-1)个数据点的信号波动特征序列。

优选的，所述利用VMD变分模态分解算法获取激光束电信号变化序列的每个模态分量的信号幅值序列的方法为：

将激光束电信号变化序列作为VMD变分模态分解算法的输入，采用VMD变分模态分解算法获取激光束电信号变化序列的预设数量个模态分量；

对于激光束电信号变化序列的每个模态分量，将模态分量中的所有信号幅值按照时间升序的顺序组成的序列作为模态分量的信号幅值序列。

优选的，所述根据激光束电信号变化序列的每个模态分量的信号幅值序列获取激光束电信号变化序列的每个模态分量的信号平稳度的方法为：

式中，表示激光束电信号变化序列的第k个模态分量的信号平稳度，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的变异系数，/>为误差参数，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内数据点的数目，表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内第f个数据点的数值，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的数据均值。

优选的，所述根据激光束电信号变化序列的所有模态分量的信号平稳度获取激光束电信号变化序列的平稳模态分量以及非平稳模态分量，根据激光束电信号变化序列的平稳模态分量以及非平稳模态分量获取激光束电信号变化序列的稳态比重指数的方法为：

计算激光束电信号变化序列的所有模态分量的信号平稳度的均值，将所述信号平稳度的均值作为平稳度量值，将信号平稳度高于平稳度量值的模态分量作为激光束电信号变化序列的平稳模态分量，将信号平稳度低于平稳度量值的模态分量作为激光束电信号变化序列的非平稳模态分量；

将激光束电信号变化序列的平稳模态分量的数目作为分子，将激光束电信号变化序列的非平稳模态分量的数目作为分母，将分子与分母的比值作为第一比值因子；

将激光束电信号变化序列的平稳模态分量的信号平稳度在所有平稳模态分量上的累加和作为分子，将激光束电信号变化序列的非平稳模态分量的信号平稳度在所有非平稳模态分量上的累加和作为分母，将分子与分母的比值作为第二比值因子；

将第一比值因子与第二比值因子的乘积作为激光束电信号变化序列的稳态比重指数。

优选的，所述根据激光束电信号变化序列的信号波动相似性指数以及稳态比重指数获取激光束电信号序列的步长因子的方法为：

式中，表示激光束电信号序列的步长因子，/>表示LMS自适应滤波算法中自相关矩阵的最大特征值，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的信号波动相似性指数，/>表示激光束电信号变化序列的稳态比重指数。

优选的，所述利用LMS自适应滤波算法基于所述步长因子获取滤波后的激光束电信号序列，根据滤波后的激光束电信号序列获取氧气浓度的方法为：

将激光束电信号序列作为LMS自适应滤波算法的输入，将激光束电信号序列的步长因子作为LMS自适应滤波算法的初始迭代步长，将LMS自适应滤波算法的输出作为滤波后的激光束电信号序列；

所述滤波后的激光束电信号序列中的激光束电信号与氧气浓度之间存在朗伯比尔定律关系，根据检测滤波后的激光束电信号序列中的激光束电信号的衰减信息基于所述朗伯比尔定律获取氧气浓度。

本发明的有益效果是：根据激光束电信号序列获取激光束电信号变化序列，根据激光束电信号变化序列获取突变偏离系数，根据突变偏离系数获取信号波动相似性指数，同时利用VMD变分模态分解算法获取激光束电信号变化序列的模态分量，根据激光束电信号变化序列的模态分量的信息获取信号平稳度，根据信号平稳度获取稳态比重指数，根据信号波动相似性指数和稳态比重指数获取LMS自适应滤波算法中的初始迭代步长。其有益效果在于，避免了LMS自适应滤波算法中由于收敛速度过快导致稳态失衡的现象，提高对激光束电信号的滤波效果，使后续得到的氧气浓度更加准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的一种氧气浓度检测数据自适应滤波方法的流程示意图；

图2为本发明一个实施例所提供的一种氧气浓度检测数据自适应滤波方法的具体实施流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例提供的一种氧气浓度检测数据自适应滤波方法的流程图，该方法包括以下步骤：

步骤S001，获取激光束电信号序列。

本发明利用氧气浓度测量设备测量氧气浓度，所述氧气浓度测量设备的一端连接氧源，在氧源中氧气传输的途径中，利用半导体激光器向氧气发射激光束，在半导体激光器发射的特定波长的激光束穿过氧气传输的途径时，部分激光束被氧气吸收，其余激光束被探测器接受，采样探测器接受到的激光束后模拟的激光束电信号，所述氧气浓度测量设备可以用于氧气面罩的氧气浓度测量。本发明中激光束电信号的采样位宽为16位，采样率为8KHz，采样时长为30min，实施者可以根据实际情况自行选择。进一步地，将采样得到的激光束电信号按照采样时间升序的顺序组成的序列作为激光束电信号序列。

至此，得到激光束电信号序列。

步骤S002，根据激光束电信号序列获取激光束电信号变化序列及变化突变数据序列，根据激光束电信号变化序列及变化突变数据序列获取突变偏离系数，根据激光束电信号变化序列获取信号波动特征序列，根据信号波动特征序列及突变偏离系数获取信号波动相似性指数。

由于在半导体激光器发射的特定波长的激光束在穿过氧气传输的途径时，激光束被氧气选频吸收，从而导致激光束电信号产生衰减，而氧气浓度与激光束电信号之间存在朗伯比尔定律(Lambert-Beer law)关系，通过检测激光束电信号的衰减信息获取氧气浓度，但是激光束电信号往往会受到噪声成分的影响，会导致氧气浓度测量的准确性降低。为了获取更加准确的氧气浓度，往往需要对激光束电信号进行去噪处理。

传统的LMS自适应滤波算法是一种常见的去噪算法，通过适应激光束电信号随时间变化的统计特性，以求实现最优滤波。但是，传统的LMS自适应滤波算法存在明显的缺陷，步长因子的大小难以选择，步长因子越大，自适应滤波算法的收敛速度越快；步长因子越小，自适应滤波算法的稳态的精确度越高。传统的LMS自适应滤波算法中收敛速度与稳态失调之间存在的矛盾会影响时延估计的精度，从而影响去噪效果。因此，需要对LMS自适应滤波算法中的步长因子进行改进，以求获取更好的去噪效果。本发明的具体实施流程图如图2所示。

基于上述分析，为了获取更好的去噪效果，需要对激光束电信号中的信号成分进行分析。由于氧气吸收特定波长的激光束信号，在排除其他干扰的情况下，激光束电信号的变化只与氧气浓度的变化相关，而氧气浓度的变化是一个渐变的过程，激光束电信号的变化的规律性较强。但是，由于其他噪声成分的影响，导致激光束电信号中的信号成分较为复杂，即激光束电信号的变化较为复杂。

具体地，为了获取激光束电信号的变化情况，计算激光束电信号序列中每相邻两个时间点的激光束电信号幅值之间的差值，即对于激光束电信号序列，计算第一个采样时间的激光束电信号幅值与第二个采样时间的激光束电信号幅值之间的差值，第二个采样时间的激光束电信号幅值与第三个采样时间的激光束电信号幅值之间的差值，第三个采样时间的激光束电信号幅值与第四个采样时间的激光束电信号幅值之间的差值，以此类推，将所有所述激光束电信号幅值之间的差值按照时间升序的顺序组成的序列作为激光束电信号序列的差分序列。由于激光束电信号序列的差分序列一定程度上反映了激光束电信号的变化情况，将所述激光束电信号序列的差分序列作为激光束电信号变化序列。

进一步地，激光束电信号变化序列中数据的变化反映了激光束电信号的变化大小，激光束电信号变化的异常情况越复杂，说明激光束电信号中的信号成分越复杂。

具体地，为了分析激光束电信号变化的异常情况，利用Pettitt突变检测算法，将激光束电信号变化序列作为Pettitt突变检测算法的输入，将Pettitt突变检测算法的输出作为激光束电信号变化序列中的所有突变点，将激光束电信号变化序列中的所有突变点的数值组成的序列作为变化突变数据序列，Pettitt突变检测算法为公知技术，不做多余赘述。

计算激光束电信号变化序列的突变偏离系数：

式中，表示变化突变数据序列中第i个数据点的偏离度，/>表示变化突变数据序列中第i个数据点的数值，/>表示激光束电信号变化序列中第j个数据点的数值，/>表示激光束电信号变化序列中数据点的数目，/>表示激光束电信号变化序列的突变偏离系数，/>表示以自然常数为底数的指数函数，/>表示变化突变数据序列中数据点的数目，/>表示变化突变数据序列中所有元素的变异系数。变异系数为公知技术，不做多余赘述。

变化突变数据序列中第i个数据的数值与激光束电信号变化序列中所有数据的数值均值之间的差异越大，即/>表示变化突变数据序列中第i个数据的偏离度/>越大，反映了激光束电信号变化序列中突变点与激光束电信号变化序列的平均水平之间的差异较大，一定程度上说明信号的波动偏离正常情况的异常程度越大，则突变偏离系数越大。同时，变化突变数据序列中所有元素的变异系数/>越大，说明突变点之间的离散程度越大，一定程度上反映出信号的波动偏离正常情况的异常程度越大，则突变偏离系数越大。

突变偏离系数一定程度上反映了激光束电信号变化的异常情况，突变偏离系数越大，激光束电信号波动偏离正常情况的异常程度越大，说明激光束电信号中的噪声信号成分的影响较大。

进一步地，分析相邻时间的信号波动的相似性。由于氧气浓度的变化缓慢，即氧气吸收特定波长的光束的能力变化较小，相邻时间的信号波动情况的相似性较大；而由于其他噪声信号的干扰，会导致相邻时间的信号波动情况的相似性较小。同时，激光束电信号变化序列的突变偏离系数越小，说明激光束电信号波动的异常程度越小，即激光束电信号中噪声信号成分的影响较小，一定程度上反映了信号波动情况的相似性较大。激光束电信号变化序列反映了相邻时间的信号波动情况，为了避免原始信号的变化对信号波动的相似性分析的影响，需要对激光束电信号变化序列进行进一步处理。

具体地，对于激光束电信号变化序列中的每一个数据点，将数据点作为目标数据点，计算目标数据点与变化突变数据序列中每个数据点之间的欧氏距离，将目标数据点与变化突变数据序列中所有数据点之间的欧氏距离计算结果按照数值升序的顺序组成的序列作为目标数据点的信号波动特征序列。

计算激光束电信号变化序列的信号波动相似性指数：

式中，表示激光束电信号变化序列的信号波动相似性指数，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的突变偏离系数，/>表示激光束电信号变化序列中数据点的数目，/>表示/>距离函数，/>和/>分别表示激光束电信号变化序列中第j个、第(j-1)个数据点的信号波动特征序列。

激光束电信号变化序列中第j个、第(j-1)个数据点的信号波动特征序列之间的距离/>越小，说明连续的激光束电信号之间的信号波动的相似程度越大，一定程度上反映了激光束电信号中的噪声成分对激光束电信号的影响程度较小，则信号波动相似性指数越大。同时，激光束电信号变化序列的突变偏离系数/>越小，说明激光束电信号波动的异常程度越小，即激光束电信号中噪声信号成分的影响较小，则信号波动相似性指数越大。

信号波动相似性指数反映了信号波动的规律程度，由于氧气浓度的变化较小，即氧气吸收特定波长的光束信号的能力趋向于稳定状态，而信号波动相似性指数越小，说明信号稳定状态的特征越明显，噪声成分的影响越小，此时越应该选取较小的步长因子，尽可能的降低LMS自适应滤波算法的稳态误差。

至此，得到了激光束电信号变化序列的信号波动相似性指数。

步骤S003，利用VMD变分模态分解算法获取信号幅值序列，根据信号幅值序列获取信号平稳度，根据信号平稳度获取稳态比重指数，根据信号波动相似性指数及稳态比重指数获取步长因子。

进一步地，分析噪声信号成分的复杂情况，噪声成分的复杂程度越大，对激光束电信号的影响越大。

具体地，为了分析噪声成分的复杂情况，利用VMD变分模态分解算法，将激光束电信号变化序列作为VMD变分模态分解算法的输入，预设模态数为8，预设惩罚系数为2000，预设收敛容差为3e-6，将VMD变分模态分解算法的输出作为激光束电信号变化序列的所有模态分量，VMD变分模态分解算法为公知技术，不做多余赘述。对于激光束电信号变化序列的每个模态分量，将模态分量的所有信号幅值按照时间升序的顺序组成的序列作为模态分量的信号幅值序列。

激光束电信号变化序列反映了随时间激光束电信号的变化，在激光束电信号变化序列的所有模态分量中，信号变化趋于平稳的模态分量的数目越多，且信号变化较为剧烈的模态分量的数目越少，说明激光束电信号中的噪声成分越少，激光束电信号的变化越有可能趋于稳态。

计算激光束电信号变化序列的每个模态分量的信号平稳度：

式中，表示激光束电信号变化序列的第k个模态分量的信号平稳度，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的变异系数，/>为误差参数，误差参数的经验取值为0.1，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内数据点的数目，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内第f个数据点的数值，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的数据均值。

激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的变异系数越小，且激光束电信号变化序列的第k个模态分量的信号幅值序列内第f个数据点的数值与信号幅值序列内所有元素的数据均值之间的差值的绝对值/>越小，说明模态分量的信号幅值序列内数据的离散程度较小，一定程度上反映了信号变化的较为稳定，信号变化的剧烈程度较小，则信号平稳度越大。

进一步地，计算激光束电信号变化序列的所有模态分量的信号平稳度的均值，将所述信号平稳度的均值作为平稳度量值，将高于平稳度量值的所有信号平稳度对应的模态分量作为激光束电信号变化序列的平稳模态分量，将低于平稳度量值的所有信号平稳度对应的模态分量作为激光束电信号变化序列的非平稳模态分量。

计算激光束电信号变化序列的稳态比重指数：

式中，表示激光束电信号变化序列的稳态比重指数，/>和/>分别表示激光束电信号变化序列的平稳模态分量、非平稳模态分量的数目，/>表示激光束电信号变化序列的第d个平稳模态分量的信号平稳度，/>表示激光束电信号变化序列的第c个非平稳模态分量的信号平稳度。

激光束电信号变化序列的平稳模态分量的数目与非平稳模态分量的数目之间的比值越大，即第一比值因子越大，说明信号变化趋于平稳的模态分量的数目越多，且信号变化较为剧烈的模态分量的数目越少，即激光束电信号中的噪声成分越少，且组成激光束电信号的信号成分较少，激光束电信号保持稳态的可能性越大，则稳态比重指数越大。同时，激光束电信号变化序列的平稳模态分量的信号平稳度的累加和与非平稳模态分量的信号平稳度的累加和之间的比值/>越大，即第二比值因子越大，说明模态分量中信号的变化越小，说明激光束电信号中的信号成分越少，激光束电信号保持稳态的可能性越大，则稳态比重指数越大。

进一步地，计算激光束电信号序列的步长因子：

式中，表示激光束电信号序列的步长因子，/>表示LMS自适应滤波算法中自相关矩阵的最大特征值，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的信号波动相似性指数，/>表示激光束电信号变化序列的稳态比重指数。需要说明的是， LMS自适应滤波算法中自相关矩阵的最大特征值/>为步长因子的最大取值，LMS自适应滤波算法中自相关矩阵的最大特征值的计算为公知技术，不做多余赘述。

激光束电信号变化序列的信号波动相似性指数越大，且激光束电信号变化序列的稳态比重指数/>越大，说明激光束电信号中噪声成分越少，越有可能趋向于稳态，为避免稳态失衡，则步长因子越小；反之，激光束电信号变化序列的信号波动相似性指数/>越小，且激光束电信号变化序列的稳态比重指数/>越小，说明激光束电信号中噪声成分越多，激光束电信号受噪声的影响越大，为了提高LMS自适应滤波算法的收敛速度，则步长因子越大。

由此，在利用LMS自适应滤波算法对激光束电信号的滤波中，信号中噪声成分较大，没有达到稳态水平，即此时的信号波动相似性指数与稳态比重指数较小，而步长因子越大，算法的收敛速度越快；信号中噪声成分较小，激光束电信号处于稳态水平时，此时的信号波动相似性指数与稳态比重指数较大，而步长因子越大，算法的稳态精确度越好，避免了稳态失衡导致稳态误差较大的现象。

至此，得到了激光束电信号序列的步长因子。

步骤S004，利用LMS自适应滤波算法基于步长因子获取滤波后的激光束电信号序列，根据滤波后的激光束电信号序列获取氧气浓度。

传统的LMS自适应滤波算法中步长因子的取值范围为/>，其中/>为LMS自适应滤波算法中自相关矩阵的最大特征值。另外，需要说明的是，LMS自适应滤波算法是一种迭代优化的滤波算法，每次迭代都能得到LMS自适应滤波算法输出的激光束电信号序列，采取上述相同的方法，可以对迭代中的步长因子进行更新。

利用LMS自适应滤波算法，将激光束电信号序列作为LMS自适应滤波算法的输入，将激光束电信号序列的步长因子作为LMS自适应滤波算法的初始迭代步长，将LMS自适应滤波算法的输出作为滤波后的激光束电信号序列，LMS自适应滤波算法为公知技术，不做多余赘述。然后，由于氧气浓度与激光束电信号之间存在朗伯比尔定律关系，因此利用氧气浓度与滤波后的激光束电信号之间的朗伯比尔定律关系，通过检测滤波后的激光束电信号的衰减信息获取准确的氧气浓度。

至此，完成一种氧气浓度检测数据自适应滤波方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种氧气浓度检测数据自适应滤波方法，其特征在于，该方法包括以下步骤：

获取激光束电信号序列；

根据激光束电信号序列获取激光束电信号变化序列，根据激光束电信号变化序列获取变化突变数据序列；根据激光束电信号变化序列以及变化突变数据序列获取激光束电信号变化序列的突变偏离系数；根据激光束电信号变化序列获取激光束电信号变化序列中每个数据点的信号波动特征序列；根据激光束电信号变化序列中每个数据点的信号波动特征序列以及激光束电信号变化序列的突变偏离系数获取激光束电信号变化序列的信号波动相似性指数；

利用VMD变分模态分解算法获取激光束电信号变化序列的每个模态分量的信号幅值序列；根据激光束电信号变化序列的每个模态分量的信号幅值序列获取激光束电信号变化序列的每个模态分量的信号平稳度；根据激光束电信号变化序列的所有模态分量的信号平稳度获取激光束电信号变化序列的平稳模态分量以及非平稳模态分量，根据激光束电信号变化序列的平稳模态分量以及非平稳模态分量获取激光束电信号变化序列的稳态比重指数；根据激光束电信号变化序列的信号波动相似性指数以及稳态比重指数获取激光束电信号序列的步长因子；

利用LMS自适应滤波算法基于所述步长因子获取滤波后的激光束电信号序列，根据滤波后的激光束电信号序列获取氧气浓度。

2.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号序列获取激光束电信号变化序列，根据激光束电信号变化序列获取变化突变数据序列的方法为：

计算激光束电信号序列中每相邻两个时间点的激光束电信号幅值之间的差值，将所有所述激光束电信号幅值之间的差值按照时间升序的顺序组成的序列作为激光束电信号序列的差分序列，将激光束电信号序列的差分序列作为激光束电信号变化序列；

将激光束电信号变化序列作为Pettitt突变检测算法的输入，将Pettitt突变检测算法的输出作为激光束电信号变化序列中的所有突变点，将激光束电信号变化序列中的所有突变点的数值组成的序列作为变化突变数据序列。

3.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号变化序列以及变化突变数据序列获取激光束电信号变化序列的突变偏离系数的方法为：

式中，表示变化突变数据序列中第i个数据点的偏离度，/>表示变化突变数据序列中第i个数据点的数值，/>表示激光束电信号变化序列中第j个数据点的数值，/>表示激光束电信号变化序列中数据点的数目，/>表示激光束电信号变化序列的突变偏离系数，/>表示以自然常数为底数的指数函数，/>表示变化突变数据序列中数据点的数目，/>表示变化突变数据序列中所有元素的变异系数。

4.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号变化序列获取激光束电信号变化序列中每个数据点的信号波动特征序列的方法为：

对于激光束电信号变化序列中每个数据点，将数据点作为目标数据点，计算目标数据点与变化突变数据序列中每个数据点之间的欧氏距离，将目标数据点与变化突变数据序列中所有数据点之间的欧氏距离计算结果按照数值升序的顺序组成的序列作为目标数据点的信号波动特征序列。

5.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号变化序列中每个数据点的信号波动特征序列以及激光束电信号变化序列的突变偏离系数获取激光束电信号变化序列的信号波动相似性指数的方法为：

式中，表示激光束电信号变化序列的信号波动相似性指数，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的突变偏离系数，/>表示激光束电信号变化序列中数据点的数目，/>表示/>距离函数，/>和/>分别表示激光束电信号变化序列中第j个、第(j-1)个数据点的信号波动特征序列。

6.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述利用VMD变分模态分解算法获取激光束电信号变化序列的每个模态分量的信号幅值序列的方法为：

将激光束电信号变化序列作为VMD变分模态分解算法的输入，采用VMD变分模态分解算法获取激光束电信号变化序列的预设数量个模态分量；

对于激光束电信号变化序列的每个模态分量，将模态分量中的所有信号幅值按照时间升序的顺序组成的序列作为模态分量的信号幅值序列。

7.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号变化序列的每个模态分量的信号幅值序列获取激光束电信号变化序列的每个模态分量的信号平稳度的方法为：

式中，表示激光束电信号变化序列的第k个模态分量的信号平稳度，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的变异系数，/>为误差参数，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内数据点的数目，表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内第f个数据点的数值，/>表示激光束电信号变化序列的第k个模态分量的信号幅值序列内所有元素的数据均值。

8.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号变化序列的所有模态分量的信号平稳度获取激光束电信号变化序列的平稳模态分量以及非平稳模态分量，根据激光束电信号变化序列的平稳模态分量以及非平稳模态分量获取激光束电信号变化序列的稳态比重指数的方法为：

计算激光束电信号变化序列的所有模态分量的信号平稳度的均值，将所述信号平稳度的均值作为平稳度量值，将信号平稳度高于平稳度量值的模态分量作为激光束电信号变化序列的平稳模态分量，将信号平稳度低于平稳度量值的模态分量作为激光束电信号变化序列的非平稳模态分量；

将激光束电信号变化序列的平稳模态分量的数目作为分子，将激光束电信号变化序列的非平稳模态分量的数目作为分母，将分子与分母的比值作为第一比值因子；

将激光束电信号变化序列的平稳模态分量的信号平稳度在所有平稳模态分量上的累加和作为分子，将激光束电信号变化序列的非平稳模态分量的信号平稳度在所有非平稳模态分量上的累加和作为分母，将分子与分母的比值作为第二比值因子；

将第一比值因子与第二比值因子的乘积作为激光束电信号变化序列的稳态比重指数。

9.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述根据激光束电信号变化序列的信号波动相似性指数以及稳态比重指数获取激光束电信号序列的步长因子的方法为：

式中，表示激光束电信号序列的步长因子，/>表示LMS自适应滤波算法中自相关矩阵的最大特征值，/>表示以自然常数为底数的指数函数，/>表示激光束电信号变化序列的信号波动相似性指数，/>表示激光束电信号变化序列的稳态比重指数。

10.根据权利要求1所述的一种氧气浓度检测数据自适应滤波方法，其特征在于，所述利用LMS自适应滤波算法基于所述步长因子获取滤波后的激光束电信号序列，根据滤波后的激光束电信号序列获取氧气浓度的方法为：

将激光束电信号序列作为LMS自适应滤波算法的输入，将激光束电信号序列的步长因子作为LMS自适应滤波算法的初始迭代步长，将LMS自适应滤波算法的输出作为滤波后的激光束电信号序列；

所述滤波后的激光束电信号序列中的激光束电信号与氧气浓度之间存在朗伯比尔定律关系，根据检测滤波后的激光束电信号序列中的激光束电信号的衰减信息基于所述朗伯比尔定律获取氧气浓度。