CN112766224B - 畸变信号中提取真实信号的方法、装置、设备和存储介质 - Google Patents

畸变信号中提取真实信号的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112766224B
CN112766224B CN202110136692.2A CN202110136692A CN112766224B CN 112766224 B CN112766224 B CN 112766224B CN 202110136692 A CN202110136692 A CN 202110136692A CN 112766224 B CN112766224 B CN 112766224B
Authority
CN
China
Prior art keywords
signal
signals
component signals
distorted
baseline
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
Application number
CN202110136692.2A
Other languages
English (en)
Other versions
CN112766224A (zh
Inventor
付晓强
俞缙
戴良玉
张会芝
杨悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaqiao University
Sanming University
Original Assignee
Huaqiao University
Sanming University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaqiao University, Sanming University filed Critical Huaqiao University
Priority to CN202110136692.2A priority Critical patent/CN112766224B/zh
Publication of CN112766224A publication Critical patent/CN112766224A/zh
Application granted granted Critical
Publication of CN112766224B publication Critical patent/CN112766224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
  • Complex Calculations (AREA)

Abstract

本发明实施例提供一种畸变信号中提取真实信号的方法、装置、设备和存储介质，涉及信号处理技术领域。其中，这种方法，包括步骤S1、获取畸变信号。S2、对畸变信号进行基线估计及稀疏化去噪，获得校正信号。S3、对校正信号进行固有时间尺度分解，获得多个旋转分量信号。S4、分别计算多个旋转分量信号和畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号。S5、分别计算多个相关分量信号的多个频谱。S6、根据多个频谱，通过同步挤压小波变换，分别将多个相关分量信号重构成多个子信号。S7、将多个子信号叠加，获得真实信号。本发明的方法能从畸变信号中提取出真实信号，保证信号的完整性。

Description

畸变信号中提取真实信号的方法、装置、设备和存储介质
技术领域
本发明涉及信号处理技术领域，具体而言，涉及一种畸变信号中提取真实信号的方法、装置、设备和存储介质。
背景技术
传统的钻爆法具有施工灵活、对地质条件适应性强等特点，目前仍是隧道开挖的主要工法之一。工程***过程中产生的强烈振动对支护结构和周围建（构）筑物均会产生负面影响，开展***振动监测是***孔网参数调整优化和***效果评价最重要的手段之一。
受测试环境和仪器自身量程的影响，工程***信号中普遍包含干扰成分，如基线漂零引起的趋势项、噪声等，这些均会导致工程***监测信号出现不同程度的畸变。
在先技术中，对于这类畸变信号通常直接舍弃，导致测试数据不完整，甚至影响到相关分析结论的可靠性。因此，现阶段对该类畸变信号进行校正及滤波重构方法的探寻极为迫切。
发明内容
本发明提供了一种畸变信号中提取真实信号的方法、装置、设备和存储介质，以改善相关技术中无法从畸变信号中提取真实信号的问题。
第一方面：
本发明实施例提供了一种畸变信号中提取真实信号的方法，其包括如下步骤：
S1、获取畸变信号。
S2、对所述畸变信号进行基线估计及稀疏化去噪，获得校正信号。
S3、对所述校正信号进行固有时间尺度分解，获得多个旋转分量信号。
S4、分别计算所述多个旋转分量信号和所述畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号。
S5、分别计算所述多个相关分量信号的多个频谱。
S6、根据所述多个频谱，通过同步挤压小波变换，分别将所述多个相关分量信号重构成多个子信号。
S7、将多个所述子信号叠加，获得真实信号。
可选地，步骤S2具体为：
根据所述畸变信号，通过基线估计和稀疏化去噪分解，获得所述畸变信号的趋势项和噪声。
将所述趋势项和所述噪声，从所述畸变信号中剔除，获得所述校正信号。
可选地，所述畸变信号的基线估计和稀疏化去噪分解表达式为：
Figure SMS_1
Figure SMS_2
为畸变信号，/>
Figure SMS_3
为稀疏化完备表示的校正信号，/>
Figure SMS_4
为畸变信号中的趋势项，/>
Figure SMS_5
为信号中包含的噪声，R代表实数域，n代表n维实向量集。/>
可选地，固有时间尺度分解算法能够将原始信号分解成旋转分量信号和基线信号。则步骤S3具体为：
将所述校正信号作为原始信号，通过固有时间尺度分解算法进行分解，以获得旋转分量信号和基线信号。
若基线信号为非单调函数或非常函数，则将分解得到的基线信号重新作为原始信号，通过固有时间尺度分解算法进行分解，直至基线信号为单调函数或常函数，以获得所述多个旋转分量信号。
可选地，所述预设值为0.1。所述相关度为交叉相关系数。则步骤S4具体为：
分别计算所述多个旋转分量信号和所述畸变信号的交叉相关系数。
删除所述交叉相关系数小于0.1的旋转分量信号，以获得多个相关分量信号。
可选地，步骤S6具体为：
根据所述多个频谱图，获取预设频率区间内的多个有用信号。
通过同步挤压小波变换，重构所述多个有用信号，获得所述多个子信号。
可选地，所述预设频率区间为5Hz至200Hz。
可选地，步骤S7具体为：
将多个所述子信号进行线性叠加，获得真实信号。
第二方面：
本发明实施例提供了一种从畸变信号中提取真实信号的装置，其包括以下模块：
信号获取模块，用于获取畸变信号。
信号去噪模块，用于对所述畸变信号进行基线估计及稀疏化去噪，获得校正信号。
信号分解模块，用于对所述校正信号进行固有时间尺度分解，获得多个旋转分量信号。
信号筛选模块，用于分别计算所述多个旋转分量信号和所述畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号。
频谱计算模块，用于分别计算所述多个相关分量信号的多个频谱。
信号重构模块，用于根据所述多个频谱，通过同步挤压小波变换，分别将所述多个相关分量信号重构成多个子信号。
信号叠加模块，用于将多个所述子信号叠加，获得真实信号。
可选地，信号去噪模块包括：
信号去噪单元，用于根据所述畸变信号，通过基线估计和稀疏化去噪分解，获得所述畸变信号的趋势项和噪声。
信号剔除单元，用于将所述趋势项和所述噪声，从所述畸变信号中剔除，获得所述校正信号。
可选地，所述畸变信号的基线估计和稀疏化去噪分解表达式为：
Figure SMS_6
Figure SMS_7
为畸变信号，/>
Figure SMS_8
为稀疏化完备表示的校正信号，/>
Figure SMS_9
为畸变信号中的趋势项，/>
Figure SMS_10
为信号中包含的噪声，R代表实数域，n代表n维实向量集。
可选地，固有时间尺度分解算法能够将原始信号分解成旋转分量信号和基线信号。则信号分解模块包括：
初始分解单元，用于将所述校正信号作为原始信号，通过固有时间尺度分解算法进行分解，以获得旋转分量信号和基线信号。
循环分解单元，用于若基线信号为非单调函数或非常函数，则将分解得到的基线信号重新作为原始信号，通过固有时间尺度分解算法进行分解，直至基线信号为单调函数或常函数，以获得所述多个旋转分量信号。
可选地，所述预设值为0.1。所述相关度为交叉相关系数。则信号筛选模块包括：
相关系数计算单元，用于分别计算所述多个旋转分量信号和所述畸变信号的交叉相关系数。
筛选单元，用于删除所述交叉相关系数小于0.1的旋转分量信号，以获得多个相关分量信号。
可选地，信号重构模块包括：
频率筛选单元，用于根据所述多个频谱图，获取预设频率区间内的多个有用信号。
重构单元，用于通过同步挤压小波变换，重构所述多个有用信号，获得所述多个子信号。
可选地，所述预设频率区间为5Hz至200Hz。
可选地，信号叠加模块具体用于：
将多个所述子信号进行线性叠加，获得真实信号。
第三方面：
本发明实施例提供了一种从畸变信号中提取真实信号设备，其包括处理器、存储器，以及存储在所述存储器内的计算机程序。所述计算机程序能够被所述处理器执行，以实现如第一方面任一段所述的从畸变信号中提取真实信号的方法。
第四方面：
本发明实施例提供了一种计算机可读存储介质。所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面任一段所述的从畸变信号中提取真实信号的方法。
通过采用上述技术方案，本发明可以取得以下技术效果：
本发明实施例通过对畸变信号进行基线估计及稀疏化去噪、固有时间尺度分解、相关度筛选、同步挤压小波变换重构，以及叠加，能够从畸变信号中提取出真实信号，保证信号的完整性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明第一实施例提供的从畸变信号中提取真实信号的方法的流程示意图。
图2是本发明例1提供的畸变信号的波形图。
图3是本发明例1提供的趋势项的波形图。
图4是本发明例1提供的噪声的波形图。
图5是本发明例1提供的校正信号的波形图。
图6是本发明例1提供的多个旋转分量信号的波形图。
图7是本发明例1提供的多个旋转分量信号的频谱。
图8是本发明例1提供的多个子信号的波形图。
图9是本发明例1提供的真实信号的波形图。
图10是本发明第二实施例提供的从畸变信号中提取真实信号的装置的结构示意图。
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。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，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它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测（陈述的条件或事件）”可以被解释成为“当确定时”或“响应于确定”或“当检测（陈述的条件或事件）时”或“响应于检测（陈述的条件或事件）”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些内容以外的顺序实施。
下面结合附图与具体实施方式对本发明作进一步详细描述：
实施例一：
请参阅图1至图9，本发明第一实施例提供的一种从畸变信号中提取真实信号的方法。其可由从畸变信号中提取真实信号的信号提取设备（以下简称：提取设备）来执行。特别地，由提取设备内的一个或多个处理器来执行，以实现如下步骤：
S1、获取畸变信号。
在本实施例中，所述提取设备可以是本地计算机、工作站、云计算机等具有处理能力的提取设备。其包括存储器、处理器以及存储在存储器上并可在处理器上运行的可执行代码，所属处理器执行所述代码时实现所述从畸变信号中提取真实信号的方法。
以隧道***振动信号为例，需要说明的是，通常是在隧道腰部等关键部位等间距分别布置多个监测点并做好测振仪防护，在***前设置仪器相关参数并采集信号波形。也就是说原始信号是由测振仪测量得到的。在***后将测振仪数据导入所述提取设备并选取受污染的畸变信号进行A/D转换，从而获得可读取的畸变信号x（如图2所示）。使用测振仪采集原始信号和使用提取设备从原始信号中分离出畸变信号，属于现有技术，本发明在此不再赘述。
在本实施例中，所述畸变信号为畸变的工程***信号。
S2、对畸变信号进行基线估计及稀疏化去噪，获得校正信号。
在本实施例中，通过基线估计和稀疏化去噪算法（Baseline Estimation And De-noising with Sparsity,BEADS），能够准确识别畸变信号中包含的缓变的低通基线杂波成分（即趋势项）和高频噪声（即噪声），从而分解得到的信号不存在局部细节特征缺失，提高了信号的辨识度和解析能力。
在上述实施的基础上，本发明一可选实施例中，步骤S2具体为：
S2a、根据畸变信号，通过基线估计和稀疏化去噪分解，获得畸变信号的趋势项和噪声。
S2b、将趋势将和噪声，从畸变信号中剔除，获得校正信号。
在本实施例中，具体操作如下：
首先、将畸变信号x分解为特征信号和高频噪声，数学公式为：
Figure SMS_11
（1）
式中，s为原始工程***信号中包含的特征信号，w为信号中包含的噪声（如图4所示），一般为高通信号。
其次、若特征信号中含有明显的趋势项，则畸变信号x可进一步表述为：
Figure SMS_12
，/>
Figure SMS_13
（2）
式中，
Figure SMS_14
为待提取的校正信号（如图5所示）；f为信号中含有的趋势项（即畸变信号中的基线漂零成分，如图3所示），为单调函数，通常代表畸变信号中的缓慢变化的总体趋势，一般为低通信号;w为信号中包含的噪声（如图4所示），一般为高通信号；R代表实数域；n代表n维实向量集。
再次，为了建立理想化的噪声模型，假定信号中高频噪声幅值服从高斯分布，功率谱密度服从均匀分布，从而其方差为
Figure SMS_15
，均值为零，则畸变信号x的基线估计和稀疏化去噪分解表达式为：
Figure SMS_16
（3）
式中，
Figure SMS_17
为校正信号/>
Figure SMS_18
的稀疏化完备表示；f为信号中含有的趋势项（即畸变信号中的基线漂零成分，如图3所示），为单调函数，通常代表畸变信号中的缓慢变化的总体趋势，一般为低通信号;w为信号中包含的噪声（如图4所示），一般为高通信号；R代表实数域；n代表n维实向量集。
基线估计和稀疏化去噪分解的分解过程是具备完备性和自适应性，分解得到的信号不存在局部细节特征缺失，提高了信号的辨识度和解析能力。
最后、将BEADS提取得到的趋势项和噪声从原始信号中减去（剔除），便得到了校正信号
Figure SMS_19
的稀疏化表达/>
Figure SMS_20
。
S3、对校正信号进行固有时间尺度分解，获得多个旋转分量信号。
在本实施例中，通过固有时间尺度分解校正信号，边缘效应小，不用样条插值，没有筛选过程，计算速度快，可以实时处理大量数据。
在上述实施的基础上，本发明一可选实施例中，固有时间尺度分解算法能够将原始信号分解成旋转分量信号和基线信号。则步骤S3具体为：
S3a、将校正信号作为原始信号，通过固有时间尺度分解算法进行分解，以获得旋转分量信号和基线信号。
S3b、若基线信号为非单调函数或非常函数，则将分解得到的基线信号重新作为原始信号，通过固有时间尺度分解算法进行分解，直至基线信号为单调函数或常函数，以获得多个旋转分量信号。
在本实施中，将稀疏化表达的校正信号
Figure SMS_21
作为一个合理的固有旋转分量（ProperRotation,PR），即原始信号；通过固有时间尺度分解算法对其进行分解，以获得多个旋转分量信号。具体地：
为了简化显示，令
Figure SMS_22
；即/>
Figure SMS_23
表示为稀疏化表示的校正信号；定义L为其一个基线提取算子，则固有时间尺度分解算法的表达式如下：
Figure SMS_24
式中，下标t表示信号为随时间变化的序列，
Figure SMS_25
表示校正信号中的基线信号，
Figure SMS_26
表示校正信号中待提取的PR分量。
为了简化显示，令
Figure SMS_27
，/>
Figure SMS_28
，则固有时间尺度分解算法的表达式如下：
Figure SMS_29
（4）
式中，下标t表示信号为随时间变化的序列，
Figure SMS_30
表示校正信号中的基线信号，
Figure SMS_31
表示校正信号中待提取的PR分量。
在本实施例中，其具体分解过程如下：
首先、提取
Figure SMS_32
序列的极值点/>
Figure SMS_33
和对应的时间/>
Figure SMS_34
(k=1, 2, ...,M)，M为极值点的个数。并在区间/>
Figure SMS_35
上定义稀疏化表示的校正信号/>
Figure SMS_36
的一个分段线性基线提取算子/>
Figure SMS_37
：
Figure SMS_38
（5）/>
其中：
Figure SMS_39
Figure SMS_40
Figure SMS_41
式中，
Figure SMS_42
，一般取/>
Figure SMS_43
。/>
Figure SMS_44
为校正信号的极值点；/>
Figure SMS_45
(k=1, 2, ..., M)为极值点出现的时刻，M为极值点的个数。
然后、定义
Figure SMS_46
为一个固有旋转分量提取因子，表达式为：
Figure SMS_47
（6）
式中，
Figure SMS_48
是分离得到的频率最高的PR分量。
最后、再将
Figure SMS_49
作为待分解的信号，重复前面两个步骤，直到趋势项/>
Figure SMS_50
为单调函数或者常函数，则校正信号最终被ITD分解为：
Figure SMS_51
（7）
如图6所示，固有时间尺度分解能够将原始信号分解为多个旋转分量信号，且每次分解出来的旋转分量信号的频率逐渐降低。
通过固有时间尺度分解算法分解稀疏化表达的校正信号
Figure SMS_52
，边缘效应小，不用样条插值，没有筛选过程，计算速度快，可以实时处理大量数据，具有很好的实际意义。
S4、分别计算多个旋转分量信号和畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号。
在本实施例中，通过将与原信号不相关的干扰信号剔除，以保证最后获得的真实信号是最为准确的，具有很好的实际意义和工程应用价值。
在上述实施的基础上，本发明一可选实施例中，预设值为0.1。相关度为交叉相关系数。则步骤S4具体为：
S4a、分别计算多个旋转分量信号和畸变信号的交叉相关系数。
S4b、删除交叉相关系数小于0.1的旋转分量信号，以获得多个相关分量信号。
首先、在本实施例中，通过编制交叉相关系数计算程序，来计算各个旋转分量信号和畸变信号的交叉相关系数，即相关度。
交叉相关系数计算程序为：
Figure SMS_53
，/>
Figure SMS_54
（8）
式中，
Figure SMS_55
，x分别为分解得到的各旋转分量和原始信号（即畸变信号）。
然后、在本实施例中，将相关度
Figure SMS_56
小于0.1 的j个分量剔除,得到剩余相关分量信号。
可以理解的是在其它实施例中，也可将全部自相关系数或者部分自相关系数设置为相关度，本发明对此不作具体限定。
S5、分别计算多个相关分量信号的多个频谱。
具体地，同步挤压小波变换具有良好的时频分辨率，可重构任意频率区间信号分量，从而实现所关心的频率区间信号完全无损重构过程。
S6、根据多个频谱，通过同步挤压小波变换，分别将多个相关分量信号重构成多个子信号。
在本实施中，通过同步挤压小波变换将多个相关分量信号重构成多个子信号。重构得到的子信号瞬时属性抗噪性更强，精度更高，对于提取的瞬时频率几乎不会受到噪声的影响，具有很强的鲁棒性。
在上述实施的基础上，本发明一可选实施例中，步骤S6具体为：
S6a、根据多个频谱图，获取预设频率区间内的多个有用信号。其中，预设频率区间为5Hz至200Hz。
经过发明人长时间的研究发现，5Hz至200Hz为***信号中的有用成分，其余成分往往是干扰造成的。
S6b、通过同步挤压小波变换，重构多个有用信号，获得多个子信号。
在本实施例中，通过同步挤压小波变换将多个相关分量信号重构成多个子信号的具体操作如下：
假定剩余的固有旋转分量信号
Figure SMS_57
的长度为/>
Figure SMS_58
，采样间隔为/>
Figure SMS_59
。令/>
Figure SMS_60
，取
Figure SMS_61
，则：
Figure SMS_62
（9）
Figure SMS_63
（10）
令
Figure SMS_64
，/>
Figure SMS_65
将信号按照所关心的频率范围可划分为不同的频带区间：/>
Figure SMS_66
，对小波变换系数做同步挤压变换。定义阈值为：
Figure SMS_67
（11）
式中，median为中值函数，
Figure SMS_68
为信号f（t）连续小波变换得到的小波系数，/>
Figure SMS_69
为尺度因子，b为平移因子。
则在中心频率
Figure SMS_70
上的同步挤压小波变换（SSWT）值/>
Figure SMS_71
为：
Figure SMS_72
（12
式中，
Figure SMS_73
。
通过同步挤压小波变换可实现设定频率区间成分的恢复，即为：
Figure SMS_74
Figure SMS_75
Figure SMS_76
（13）
式中：
Figure SMS_77
，/>
Figure SMS_78
为共轭小波函数的傅里叶变换；/>
Figure SMS_79
为离散尺度，i为尺度个数。
通过同步挤压小波变换可重构任意频率区间信号分量，从而实现所关心的频率区间信号完全无损重构，保证重构后的信号不会失真，具有很好的实际意义与工程应用价值。
S7、将多个子信号叠加，获得真实信号。
在上述实施的基础上，本发明一可选实施例中，步骤S7具体为：
将多个子信号进行线性叠加，获得真实信号。
为便于对本发明的理解，下面以若干个实际的应用场景来说明本实施例的应用。
例子1：
新悬泉寺隧道位于山西省古交市汾河二库旅游景区，***点距离前年古刹悬泉寺最小直线距离仅300m左右，新建隧道左侧为既有运行线太岚线，新建隧道距既有隧道最小直线距离仅为14m。新建隧道***施工产生的振动对既有隧道衬砌和古建（构）筑物安全和稳定问题不容忽视。为了不影响既有线路的运营，监测点选择在既有隧道避车硐室内，高度与新建隧道掏槽孔中心位置平齐。
测试过程选用UBOX-5016型***振动监测仪，三矢量传感器。振动监测仪的设置参数如下：
1、仪器触发方式为外触发，触发电平0.02cm/s；
2、采样频率为8000Hz；
3、采样时间根据隧道所选用***段别设定为2s；
4、延时时间设置为-100ms。
使用振动监测仪获取采集工程***信号，并从畸变的工程***信号中提取真实***信号的具体工艺实施流程如下：
步骤1：在既有隧道腰部等关键部位布置测点，并做好测振仪防护，在***前设置仪器相关参数并采集信号波形。
***后将测振仪数据导入电脑并选取受污染的畸变信号进行A/D转换，从而获得可读取的畸变信号x，如图2所示。
步骤2：对畸变信号x进行噪声估计和基线估计和稀疏化去噪分析（BaselineEstimation And De-noising with Sparsity,BEADS），将***信号自适应分解为校正信号（如图5所示）、趋势项（如图3所示）和高频噪声（如图4所示）三个分量。
步骤3：将校正信号通过固有时间尺度分解，分解结果如图6所示。
步骤4、计算各旋转分量信号和畸变信号的相关度，计算结果如下表。
表1.各分量与原始信号相关度
Figure SMS_80
步骤5、剔除相关度小于0.1的旋转分量信号，筛选后获得的相关分量信号的波形如图6中前4个波形所示。
步骤6、计算多个相关分量的频谱，结果如图7所示。
步骤7、根据步骤6中的频谱，通过同步挤压小波变换将多个相关分量信号5Hz-200Hz频带内成分重构成多个子信号，子信号的波形如图8所示。
步骤8、将步骤7得到的多个子信号进行叠加，得到畸变信号中的真实信号，真实信号的波形如图9所示。
实施例二：
请参阅图10，本发明第二实施例提供一种畸变信号中提取真实信号的装置，其包括以下模块：
信号获取模块，用于获取畸变信号。
信号去噪模块，用于对畸变信号进行基线估计及稀疏化去噪，获得校正信号。
信号分解模块，用于对校正信号进行固有时间尺度分解，获得多个旋转分量信号。
信号筛选模块，用于分别计算多个旋转分量信号和畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号。
频谱计算模块，用于分别计算多个相关分量信号的多个频谱。
信号重构模块，用于根据多个频谱，通过同步挤压小波变换，分别将多个相关分量信号重构成多个子信号。
信号叠加模块，用于将多个子信号叠加，获得真实信号。
可选地，信号去噪模块包括：
信号去噪单元，用于根据畸变信号，通过基线估计和稀疏化去噪分解，获得畸变信号的趋势项和噪声。
信号剔除单元，用于将趋势将和噪声，从畸变信号中剔除，获得校正信号。
可选地，畸变信号的基线估计和稀疏化去噪分解表达式为：
Figure SMS_81
Figure SMS_82
为畸变信号，/>
Figure SMS_83
为稀疏化完备表示的校正信号，/>
Figure SMS_84
为畸变信号中的趋势项，/>
Figure SMS_85
为信号中包含的噪声，R代表实数域，n代表n维实向量集。
可选地，固有时间尺度分解算法能够将原始信号分解成旋转分量信号和基线信号。则信号分解模块包括：
初始分解单元，用于将校正信号作为原始信号，通过固有时间尺度分解算法进行分解，以获得旋转分量信号和基线信号。
循环分解单元，用于若基线信号为非单调函数或非常函数，则将分解得到的基线信号重新作为原始信号，通过固有时间尺度分解算法进行分解，直至基线信号为单调函数或常函数，以获得多个旋转分量信号。
可选地，预设值为0.1。相关度为交叉相关系数。则信号筛选模块包括：
相关系数计算单元，用于分别计算多个旋转分量信号和畸变信号的交叉相关系数。
筛选单元，用于删除交叉相关系数小于0.1的旋转分量信号，以获得多个相关分量信号。
可选地，信号重构模块包括：
频率筛选单元，用于根据多个频谱图，获取预设频率区间内的多个有用信号。
重构单元，用于通过同步挤压小波变换，重构多个有用信号，获得多个子信号。
可选地，预设频率区间为5Hz至200Hz。
可选地，信号叠加模块具体用于：
将多个子信号进行线性叠加，获得真实信号。
实施例三：
本发明第三实施例提供一种畸变信号中提取真实信号设备，其包括处理器、存储器，以及存储在存储器内的计算机程序。计算机程序能够被处理器执行，以实现如实施例一中任一段的畸变信号中提取真实信号的方法。
实施例四：
本发明第四实施例提供一种计算机可读存储介质。计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如实施例一中任一段的畸变信号中提取真实信号的方法。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，电子设备，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，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 (4)

1.一种畸变信号中提取真实信号的方法，其特征在于，包括：
获取畸变信号；
对所述畸变信号进行基线估计及稀疏化去噪，获得校正信号；
对所述校正信号进行固有时间尺度分解，获得多个旋转分量信号；
分别计算所述多个旋转分量信号和所述畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号；
分别计算所述多个相关分量信号的多个频谱；
根据所述多个频谱，通过同步挤压小波变换，分别将所述多个相关分量信号重构成多个子信号；
将多个所述子信号叠加，获得真实信号；
对所述畸变信号进行基线估计及稀疏化去噪，获得校正信号，具体为：
根据所述畸变信号，通过基线估计和稀疏化去噪分解，获得所述畸变信号的趋势项和噪声；
将所述趋势项和所述噪声，从所述畸变信号中剔除，获得所述校正信号；
所述畸变信号的基线估计和稀疏化去噪分解表达式为：
Figure QLYQS_1
Figure QLYQS_2
为畸变信号，/>
Figure QLYQS_3
为稀疏化完备表示的校正信号，/>
Figure QLYQS_4
为畸变信号中的趋势项，/>
Figure QLYQS_5
为信号中包含的噪声，R代表实数域，n代表n维实向量集；
固有时间尺度分解算法能够将原始信号分解成旋转分量信号和基线信号；则对所述校正信号进行固有时间尺度分解，获得多个旋转分量信号，具体为：
将所述校正信号作为原始信号，通过固有时间尺度分解算法进行分解，以获得旋转分量信号和基线信号；
若基线信号为非单调函数或非常函数，则将分解得到的基线信号重新作为原始信号，通过固有时间尺度分解算法进行分解，直至基线信号为单调函数或常函数，以获得所述多个旋转分量信号；
所述预设值为0.1；所述相关度为交叉相关系数；
分别计算所述多个旋转分量信号和所述畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号，具体为：
分别计算所述多个旋转分量信号和所述畸变信号的交叉相关系数；
删除所述交叉相关系数小于0.1的旋转分量信号，以获得多个相关分量信号；
根据多个所述频谱，通过同步挤压小波变换，分别将所述多个相关分量信号重构成多个子信号，具体为：
根据多个频谱图，获取预设频率区间内的多个有用信号；
通过同步挤压小波变换，重构所述多个有用信号，获得所述多个子信号；
将多个所述子信号叠加，获得真实信号，具体为：
将多个所述子信号进行线性叠加，获得真实信号；
所述预设频率区间为5Hz至200Hz。
2.一种畸变信号中提取真实信号的装置，其特征在于，包括：
信号获取模块，用于获取畸变信号；
信号去噪模块，用于对所述畸变信号进行基线估计及稀疏化去噪，获得校正信号；
信号分解模块，用于对所述校正信号进行固有时间尺度分解，获得多个旋转分量信号；
信号筛选模块，用于分别计算所述多个旋转分量信号和所述畸变信号的相关度，并删除相关度小于预设值的旋转分量信号，获得多个相关分量信号；
频谱计算模块，用于分别计算所述多个相关分量信号的多个频谱；
信号重构模块，用于根据所述多个频谱，通过同步挤压小波变换，分别将所述多个相关分量信号重构成多个子信号；
信号叠加模块，用于将多个所述子信号叠加，获得真实信号；
信号去噪模块包括：
信号去噪单元，用于根据所述畸变信号，通过基线估计和稀疏化去噪分解，获得所述畸变信号的趋势项和噪声；
信号剔除单元，用于将所述趋势项和所述噪声，从所述畸变信号中剔除，获得所述校正信号；
所述畸变信号的基线估计和稀疏化去噪分解表达式为：
Figure QLYQS_6
Figure QLYQS_7
为畸变信号，/>
Figure QLYQS_8
为稀疏化完备表示的校正信号，/>
Figure QLYQS_9
为畸变信号中的趋势项，/>
Figure QLYQS_10
为信号中包含的噪声，R代表实数域，n代表n维实向量集；
固有时间尺度分解算法能够将原始信号分解成旋转分量信号和基线信号；则信号分解模块包括：
初始分解单元，用于将所述校正信号作为原始信号，通过固有时间尺度分解算法进行分解，以获得旋转分量信号和基线信号；
循环分解单元，用于若基线信号为非单调函数或非常函数，则将所述基线信号重新作为原始信号，通过固有时间尺度分解算法进行分解，直至基线信号为单调函数或常函数，以获得所述多个旋转分量信号；
预设值为0.1；相关度为交叉相关系数；
信号筛选模块包括：
相关系数计算单元，用于分别计算多个旋转分量信号和畸变信号的交叉相关系数；
筛选单元，用于删除交叉相关系数小于0.1的旋转分量信号，以获得多个相关分量信号；
信号重构模块包括：
频率筛选单元，用于根据多个频谱图，获取预设频率区间内的多个有用信号；
重构单元，用于通过同步挤压小波变换，重构多个有用信号，获得多个子信号；
信号叠加模块具体用于：
将多个子信号进行线性叠加，获得真实信号；
可选地，预设频率区间为5Hz至200Hz。
3.一种畸变信号中提取真实信号设备，其特征在于，包括处理器、存储器，以及存储在所述存储器内的计算机程序；所述计算机程序能够被所述处理器执行，以实现如权利要求1所述的畸变信号中提取真实信号的方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1所述的畸变信号中提取真实信号的方法。
CN202110136692.2A 2021-02-01 2021-02-01 畸变信号中提取真实信号的方法、装置、设备和存储介质 Active CN112766224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110136692.2A CN112766224B (zh) 2021-02-01 2021-02-01 畸变信号中提取真实信号的方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110136692.2A CN112766224B (zh) 2021-02-01 2021-02-01 畸变信号中提取真实信号的方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN112766224A CN112766224A (zh) 2021-05-07
CN112766224B true CN112766224B (zh) 2023-05-30

Family

ID=75704458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110136692.2A Active CN112766224B (zh) 2021-02-01 2021-02-01 畸变信号中提取真实信号的方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN112766224B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116561520A (zh) * 2023-07-06 2023-08-08 昆明理工大学 一种基于woa-vmd-mpe的***振动信号降噪方法
CN117111048B (zh) * 2023-10-24 2024-01-26 中国电建集团华东勘测设计研究院有限公司 一种基于改进itd的多波束海底地形测量回波降噪方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05176216A (ja) * 1991-12-24 1993-07-13 Matsushita Electric Works Ltd レンズ歪み補正方式
CN106226078A (zh) * 2016-07-01 2016-12-14 中国科学技术大学 一种基于麦克风阵列的多普勒畸变声学信号的校正方法
CN106872171A (zh) * 2017-04-10 2017-06-20 中国科学技术大学 一种多普勒声学信号的自适应学习校正方法
CN111161171A (zh) * 2019-12-18 2020-05-15 三明学院 ***振动信号基线漂零校正和消噪方法、装置、设备及***
CN112083495A (zh) * 2020-10-15 2020-12-15 中国石油化工股份有限公司 基于变分模态分解的同步压缩小波变换提高分辨率方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05176216A (ja) * 1991-12-24 1993-07-13 Matsushita Electric Works Ltd レンズ歪み補正方式
CN106226078A (zh) * 2016-07-01 2016-12-14 中国科学技术大学 一种基于麦克风阵列的多普勒畸变声学信号的校正方法
CN106872171A (zh) * 2017-04-10 2017-06-20 中国科学技术大学 一种多普勒声学信号的自适应学习校正方法
CN111161171A (zh) * 2019-12-18 2020-05-15 三明学院 ***振动信号基线漂零校正和消噪方法、装置、设备及***
CN112083495A (zh) * 2020-10-15 2020-12-15 中国石油化工股份有限公司 基于变分模态分解的同步压缩小波变换提高分辨率方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
EMD相关度去噪及其在轧机信号处理中的应用;戴桂平;刘彬;;电子器件(第01期);191-199 *
Review of noise removal techniques in ECG signals;Shubhojeet Chatterjee;《The institution of Engineering and Technology》;第14卷;569-590 *
城市地铁区间隧道***振动信号趋势项和噪声消除方法;付晓强;刘纪峰;黄凌君;蔡雪霁;王军芳;刘静;;铁道科学与工程学报(第09期);164-173 *
基于变分模态分解时频图的轴承故障诊断;李辉;;天津职业技术师范大学学报(第03期);13-20 *
基于经验小波变换的电力***谐波检测方法;吴建章;梅飞;陈畅;潘益;李陶然;郑建勇;;电力***保护与控制(第06期);142-149 *

Also Published As

Publication number Publication date
CN112766224A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN107505135B (zh) 一种滚动轴承复合故障提取方法及***
CN112766224B (zh) 畸变信号中提取真实信号的方法、装置、设备和存储介质
US8073634B2 (en) Method to extract target signals of a known type from raw data containing an unknown number of target signals, interference, and noise
Gabarda et al. Detection of events in seismic time series by time–frequency methods
CN110542406B (zh) 基于emd-mpf改进的陀螺仪信号去噪方法
CN115169409B (zh) 基于滑窗的桥梁结构自振频率识别、预警方法及设备
CN108645620B (zh) 一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法
CN112487604B (zh) 海洋重力仪输出数据长时间非线性漂移补偿方法
CN109340586B (zh) 一种供水管道泄露的检测方法及***
CN104345341A (zh) 一种基于区域约束的分频段能量地震面波处理方法
CN102624349B (zh) 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法
Zhang et al. Improved local cepstrum and its applications for gearbox and rolling bearing fault detection
CA2639710C (en) Method to extract target signals of a known type from raw data containing an unknown number of target signals, interference, and noise
CN109630908B (zh) 一种多次降噪的管道泄漏定位方法
CN111736222A (zh) 单炮数据信噪比确定方法及装置
CN114186577A (zh) 一种基于小波变换的振动加速度信号去噪方法及装置
CN110244360B (zh) 基于有效频率波数域去混叠的地震数据分离方法及***
CN109188542B (zh) 一种波区相关性检测的远参考大地电磁阻抗计算方法
CN107610055B (zh) 傅里叶变换光谱仪干涉图噪声检测及抑制方法
CN111289800B (zh) 一种基于广义回归神经网络的小电阻振动监测方法
CN106980722B (zh) 一种脉冲响应中谐波成分的检测和去除方法
CN103344988B (zh) 基于k-l分解的可控震源信号相位检测方法
CN112903296B (zh) 一种滚动轴承故障检测方法及***
CN112285793A (zh) 一种大地电磁去噪方法及***
Papanicolaou et al. Segmentation-independent estimates of turbulence parameters

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