針對(duì)氣體泄漏聲波信號(hào)降噪的問題,提出了一種集合經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition,EEMD）與改進(jìn)脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network,PCNN）相結(jié)合的降噪方法,對(duì)采集到的氣體泄漏聲波信號(hào)進(jìn)行降噪處理,同時(shí)與EEMD和變步長自適應(yīng)濾波（Least Mean Square）降噪算法進(jìn)行比較。算法首先對(duì)信號(hào)做EEMD的分解,將原信號(hào)分解為9個(gè)模態(tài)分量,然后對(duì)這些分量做相干性的計(jì)算,根據(jù)分量各自的含噪情況調(diào)整參數(shù)分別做PCNN降噪,最后將信號(hào)重構(gòu)。原始信號(hào)由NI儀器的cDAQ采用聲傳感器測得。實(shí)驗(yàn)結(jié)果表明,上述方法能夠有效地剔除氣體泄漏信號(hào)中包含的各種噪聲,降噪后信噪比為16.64,均方根誤差為0.0209,為后續(xù)信號(hào)分析減少了干擾,上述方法為氣體泄漏聲波信號(hào)的特征提取與分析提供了新的思路。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(09)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

PCNN模型結(jié)構(gòu)圖

式(7)中,Ti[n]是動(dòng)態(tài)閾值。αE是決定閾值衰減速度的閾值衰減系數(shù),當(dāng)其值增大,Ti[n]會(huì)迅速減小。VE是動(dòng)態(tài)閾值的提升系數(shù),其值的變化與動(dòng)態(tài)閾值變化呈正關(guān)系。當(dāng)內(nèi)部活動(dòng)項(xiàng)Ui>Ti[n]時(shí),符合點(diǎn)火條件,第i個(gè)神經(jīng)元被點(diǎn)火[15]。Yi將有效信號(hào)在第i個(gè)點(diǎn)的幅值作為輸出值,由此,脈沖的產(chǎn)生得到了促進(jìn)。相反地,當(dāng)αE減小時(shí),Ti[n]迅速增大,神經(jīng)元不符合點(diǎn)火條件,Yi輸出“0”,脈沖的產(chǎn)生得到抑制。當(dāng)神經(jīng)網(wǎng)絡(luò)完成一次點(diǎn)火以后,需要對(duì)閾值進(jìn)行初始化,以便完成下一次點(diǎn)火判斷。這時(shí),閾值幅度系數(shù)VE在控制閾值抬升幅度的同時(shí)將完成對(duì)閾值Ti[n]的初始化,圖2為EEMD-PCNN算法的流程圖。由此,脈沖耦合神經(jīng)網(wǎng)絡(luò)完成了對(duì)噪聲的濾除以及對(duì)有效信號(hào)的保留[16]。4 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)中使用帶孔管道與高壓氣瓶模擬管道氣體泄漏環(huán)境,而原采集信號(hào)來自于NI儀器公司開發(fā)的cDAQ采集卡及其信號(hào)采集模塊所采集到的氣體泄漏模擬信號(hào)數(shù)據(jù)集,采樣頻率為100kHz,取其中2000點(diǎn)采樣數(shù)為實(shí)驗(yàn)數(shù)據(jù)。文章選用了40組采集信號(hào)中方差值最小的一組信號(hào)作為實(shí)驗(yàn)信號(hào),系統(tǒng)所采集到的初始信號(hào)如圖3所示。由于環(huán)境中存在多種環(huán)境噪聲,采集信號(hào)受到多種干擾,信號(hào)復(fù)雜程度的提高使其部分特征不明顯。從圖3中不難觀察出原信號(hào)存在明顯的噪聲,然而盲目地直接降噪可能將大量有效信息一同去除。固首先對(duì)信號(hào)使用EEMD算法進(jìn)行分解,所用改進(jìn)的EEMD算法共將原始信號(hào)按不同的尺度分解為9層,分解后的9個(gè)IMF分量如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于變分模態(tài)分解和小波能量熵的微震信號(hào)降噪[J]. 孫遠(yuǎn),楊峰,鄭晶,張浩,徐茂軒.  礦業(yè)科學(xué)學(xué)報(bào). 2019(06)
[2]EEMD與小波包在液壓管道振動(dòng)信號(hào)研究[J]. 張金萍,王宇雁,王婉瑩.  沈陽化工大學(xué)學(xué)報(bào). 2019(03)
[3]基于VMD改進(jìn)算法的氣體管道泄漏檢測[J]. 梁洪衛(wèi),劉冬冬,闞玲玲,高丙坤,鄒岱峰.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(05)
[4]EEMD結(jié)合小波閾值的光電容積脈搏波信號(hào)降噪[J]. 陳真誠,吳賢亮,趙飛駿.  光學(xué)精密工程. 2019(06)
[5]基于小波閾值降噪-EEMD分解的潮汐河網(wǎng)地區(qū)納潮引水調(diào)度周期研究[J]. 蔣艷君.  水電能源科學(xué). 2019(02)
[6]基于集合經(jīng)驗(yàn)?zāi)B(tài)的小波半軟閾值降噪[J]. 甄龍信,王云龍,鄧小艷,張偉錕.  探測與控制學(xué)報(bào). 2018(05)
[7]基于LMS的語音信號(hào)去噪算法[J]. 陳景良,李東新.  國外電子測量技術(shù). 2017(06)
[8]磁法探測水下目標(biāo)數(shù)據(jù)去噪優(yōu)化研究[J]. 賈正元.  計(jì)算機(jī)仿真. 2017(05)
[9]關(guān)于多通道語音去噪的識(shí)別優(yōu)化研究[J]. 陸振宇,何玨杉,趙為漢.  計(jì)算機(jī)仿真. 2016(06)
[10]多小波包框架下EMD-CIIT去噪方法研究[J]. 王唯嘉,肖明清,張磊,陳茂才.  計(jì)算機(jī)仿真. 2015(12)

博士論文
[1]輸氣管道泄漏聲波產(chǎn)生及傳播特性研究[D]. 劉翠偉.中國石油大學(xué)(華東) 2016

碩士論文
[1]基于小波和脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像去噪算法[D]. 周林鋒.南京信息工程大學(xué) 2017



本文編號(hào)：3618410