一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法技术方案

本发明专利技术公开了一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法，包括：采用小波提升方案提升小波；提升小波分解原信号获得各尺度系数；采用改进小波阈值函数处理各层小波系数；对经过采用改进小波阈值函数处理后的各层小波系数，进行逆小波变换获得重构信号，完成对原信号的提升小波阈值去噪；对重构信号进行多次自相关运算，生成高次自相关函数，根据信噪比的改善程度选择自相关运算的重复次数；最后采用时延高次自相关解调法检测出微弱电信号特征。本发明专利技术解决了提升小波重构信号的失真问题，扩大了信噪比检测范围。具有小波重构信号失真程度低、信噪比改善程度高等优点。

【技术实现步骤摘要】
一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法
本专利技术属于微弱电信号检测
，涉及一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法。
技术介绍
对于微弱的被测振动、声、光等物理量，通常通过振动传感器或声传感器等转换为微电流或低电压信号，实现数据采集。微弱电信号既指幅值很小的信号，也指信噪比极低的信号，其检测本质是采用各种信号处理方法提高目标信号信噪比。在机械故障诊断、探测、通信和生物医学工程等领域中，强噪声背景下的微弱电信号检测问题是被广泛关注的热点问题之一。因此，有效改善目标信号信噪比是微弱电信号检测的重要任务。针对微弱电信号实际检测过程中遇到的信噪比较低和幅值较低的两大问题，科研人员展开了广泛的研究。近年来，提升小波阈值降噪理论在故障诊断、雷达探测、光谱分析、生物医学工程等领域中获得了日益广泛的应用。例如中国专利“(ZL200610113292.5)一种基于提升小波的脉搏信号处理方法”，其方法由于单独采用提升小波阈值降噪处理待测信号，当低信噪比较低时，提升小波降噪过程中的拆分操作容易造成严重的频率混叠。此外，去噪效果和失真程度受分解层数、小波基函数、阈值函数等诸多因素影响，去噪过程中可能会剔除信号中的有用成分的微弱信号，导致去噪后的信号和目标信号的偏差无法避免。导致其在微弱信号检测领域受到限制。因此，如何解决当低信噪比较低时，提升小波降噪过程中的拆分操作造成严重的频率混叠问题是急需解决的问题。
技术实现思路
本专利技术的目的在于克服现有技术的缺陷，提供一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法。该方法通过改进提升小波变换改进阈值降噪，在降低目标信号的失真程度下提高信噪比，对小波重构信号进行高次自相关运算，对高次自相关函数进行包络谱分析，提取出强高斯噪声背景下的微弱电信号特征，可有效地解决现有的单一使用提升小波变换检测微弱电信号中，检测的信噪比不够低、造成提升小波重构信号失真程度较大的问题。为了实现上述技术目的，本专利技术采用以下技术方案。一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统，包括：信号采集模块，采用各种声、光、热、位移传感器采集微弱信号，并将微弱的被测声、光、热物理量转化为微电流或低电压信号；模数转换模块，用于将传感器收集的微电流或低电压信号转换为数字信号；微弱电信号特征提取模块，用于进行以下操作，包括改进提升小波变换、高次自相关处理、包络谱解调；所述的改进提升小波变换的过程包括：接收数模转换模块的数字信号，首先采用小波提升方案提升小波，小波分解原信号获得各尺度系数，然后更新阈值调节参数u，获得最优改进小波阈值函数过滤各层小波系数，最后对处理后的各层小波系数逆小变换获得重构信号，完成对原信号的提升小波阈值去噪；所述的高次自相关处理的过程包括：接收信号降噪模块的重构信号，对重构信号进行一次自相关运算，对自相关运算所得信号再进行自相关运算，重复多次进一步改善信噪比；所述的包络谱解调的过程包括：接收高次自相关模块的高次自相关函数，采用时延高次自相关解调法对高次自相关函数进行包络谱分析，获取微弱信号特征。本专利技术的一种基于改进提升小波变换和高次自相关处理的微弱电信号检测方法，采用上述的基于改进提升小波变换和高次自相关处理的微弱电信号检测系统，所述方法包括以下步骤：步骤1、采用小波提升方案提升小波：采用小波提升方案liftingscheme对小波进行提升；步骤2、提升小波分解原信号获得各尺度系数：针对信号特征和噪声特性选择合适的小波基函数、小波分解层数及阈值，然后获得各层小波系数wj,k，阈值λ选取采用通用阈值估计，其表达式如下式(1)所示：N为信号长度，σ为高斯白噪声的标准差，其估计公式如式(2)所示：σ＝med(|d1(k)|)/0.6745(2)其中，d1(k)为对原信号做提升小波分解后的第一层小波系数序列，med(.)表示取中位数计算；步骤3、改进小波阈值函数：寻找最优调节参数u，使改进小波阈值函数性能最佳；比较改进的小波阈值函数和软、硬阈值函数的去噪性能优劣，采用改进小波阈值函数处理各层小波系数wj,k。其具体过程包括：对所述的各层小波系数wj,k进行阈值处理，改进现有的小波阈值函数以获得更佳的去噪效果，改进的小波阈值函数估计小波系数表达式如式(3)所示：更新调节参数u，寻找最佳调节参数u，从而获得最佳改进阈值函数；采用改进小波阈值函数对小波系数进行保留或者缩减；设S(n)为原始信号，为提升小波阈值降噪后的重构信号，将去噪后信号的信噪比SNR及均方根误差RMSE作为评价标准，如式(4)和式(5)所示：步骤4、逆小波变换：对经过采用改进小波阈值函数处理后的各层小波系数，进行逆小波变换获得重构信号，完成对原信号的提升小波阈值去噪；步骤5、高次自相关运算：在通过逆小波变换而获得降噪处理的重构信号后，对重构信号进行自相关运算；然后对自相关运算后的信号再次进行自相关运算；重复多次上述的自相关运算，生成高次自相关函数，根据信噪比的改善程度选择自相关运算的重复次数。其具体过程包括：假设经过逆小波变换所获得的重构信号为：Y(t)＝s(t)+q(t)(6)式中，s(t)为重构后的目标信号，q(t)为重构后的噪声信号；τ为延时时间，对重构后的信号做一次时延自相关后，RYY(t)＝E[Y(t)·Y(t+τ)]＝Rss(τ)+Rsq(τ)+Rqq(τ)(7)式(7)中，信号的自相关函数Rss(τ)、信号与噪声的互相关函数Rsq(τ)、噪声的自相关函数Rqq(τ)分别按式(8)、(9)、(10)计算获得，其中T为采样时间，Rsq(τ)＝E[s(t)·q(t+τ)]+E[s(t+τ)·q(t)](9)式(9)中，如果q(t)是标准的高斯白噪声，则E[q(t)]、E[q(t+τ)]都是0，从而E[s(t)·q(t+τ)]、E[s(t+τ)·q(t)]都为0；式(10)中，对于高斯白噪声，噪声的自相关函数除τ＝0处，其余延迟量的自相关函数都为0；理论上，当采样时间T为无穷大时，Rsq(τ)、Rqq(τ)都趋近于0；但在实际工程中，T不可能无穷大，因此二者总会存在，去噪情况不理想；将信号的自相关函数Rss(τ)视作新的周期信号，且频率与s(t)相同，将Rsq(τ)、Rqq(τ)视为新的噪声信号；重复所述自相关运算进行高次自相关分析，获取高次自相关函数；重复所述自相关运算进行高次自相关分析的次数不大于4次。步骤6、包络谱分析：用时延高次自相关解调法，对重构信号的高次自相关函数进行希尔伯特变换，再对变换后的自相关数构造包络函数，最后对包络函数进行频谱分析获得时延高次自相关解调谱，最终提取微弱信号特征。本专利技术相比现有技术具备以下优点和有益效果：1.本专利技术提出了一种新的改进阈本文档来自技高网...

【技术保护点】
1.一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统，其特征在于，包括：/n信号采集模块，采用各种声、光、热、位移传感器采集微弱信号，并将微弱的被测声、光、热物理量转化为微电流或低电压信号；/n模数转换模块，用于将传感器收集的微电流或低电压信号转换为数字信号；/n微弱电信号特征提取模块，用于进行以下操作，包括改进提升小波变换、高次自相关处理、包络谱解调；/n所述的改进提升小波变换的过程包括：接收数模转换模块的数字信号，首先采用小波提升方案提升小波，小波分解原信号获得各尺度系数，然后更新阈值调节参数u，获得最优改进小波阈值函数过滤各层小波系数，最后对处理后的各层小波系数逆小变换获得重构信号，完成对原信号的提升小波阈值去噪；/n所述的高次自相关处理的过程包括：接收信号降噪模块的重构信号，对重构信号进行一次自相关运算，对自相关运算所得信号再进行自相关运算，重复多次进一步改善信噪比；/n所述的包络谱解调的过程包括：接收高次自相关模块的高次自相关函数，采用时延高次自相关解调法对高次自相关函数进行包络谱分析，获取微弱信号特征。/n

【技术特征摘要】
1.一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统，其特征在于，包括：
信号采集模块，采用各种声、光、热、位移传感器采集微弱信号，并将微弱的被测声、光、热物理量转化为微电流或低电压信号；
模数转换模块，用于将传感器收集的微电流或低电压信号转换为数字信号；
微弱电信号特征提取模块，用于进行以下操作，包括改进提升小波变换、高次自相关处理、包络谱解调；
所述的改进提升小波变换的过程包括：接收数模转换模块的数字信号，首先采用小波提升方案提升小波，小波分解原信号获得各尺度系数，然后更新阈值调节参数u，获得最优改进小波阈值函数过滤各层小波系数，最后对处理后的各层小波系数逆小变换获得重构信号，完成对原信号的提升小波阈值去噪；
所述的高次自相关处理的过程包括：接收信号降噪模块的重构信号，对重构信号进行一次自相关运算，对自相关运算所得信号再进行自相关运算，重复多次进一步改善信噪比；
所述的包络谱解调的过程包括：接收高次自相关模块的高次自相关函数，采用时延高次自相关解调法对高次自相关函数进行包络谱分析，获取微弱信号特征。


2.一种基于改进提升小波变换和高次自相关处理的微弱电信号检测方法，其特征在于，采用基于改进提升小波变换和高次自相关处理的微弱电信号检测系统，包括：
信号采集模块，采用各种声、光、热、位移传感器采集微弱信号，并将微弱的被测声、光、热物理量转化为微电流或低电压信号；
模数转换模块，用于将传感器收集的微电流或低电压信号转换为数字信号；
微弱电信号特征提取模块，用于进行以下操作，包括改进提升小波变换、高次自相关处理、包络谱解调；
所述的改进提升小波变换的过程包括：接收数模转换模块的数字信号，首先采用小波提升方案提升小波，小波分解原信号获得各尺度系数，然后更新阈值调节参数u，获得最优改进小波阈值函数过滤各层小波系数，最后对处理后的各层小波系数逆小变换获得重构信号，完成对原信号的提升小波阈值去噪；
所述的高次自相关处理的过程包括：接收信号降噪模块的重构信号，对重构信号进行一次自相关运算，对自相关运算所得信号再进行自相关运算，重复多次进一步改善信噪比；
所述的包络谱解调的过程包括：接收高次自相关模块的高次自相关函数，采用时延高次自相关解调法对高次自相关函数进行包络谱分析，获取微弱信号特征；
所述方法包括以下步骤：
步骤1、采用小波提升方案提升小波：采用小波提升方案liftingscheme对小波进行提升；
步骤2、提升小波分解原信号获得各尺度系数：针对信号特征和噪声特性选择合适的小波基函数、小波分解层数及阈值，然后获得各层小波系数wj,k，阈值λ选取采用通用阈值估计，其表达式如下式(1)所示：



N为信号长度，σ为高斯白噪声的标准差，其估计公式如式(2)所示：
σ＝med(|d1(k)|)/0.6745(2)
其中，d1(k)为对原信号做提升小波分解后的第一层小波系数序列，med(.)表示取中位数计算；
步骤3、改进小波阈值函数：寻找最优调节参数u，使改进小波阈值函数性能最佳；比较改进的小波阈值函数和软、硬阈值函数的去噪性能优劣，采用改进小波阈值函数处理各层小波系数wj,k；
步...

【专利技术属性】
技术研发人员：陆建涛，王后明，李舜酩，马会杰，庾天翼，龚思琪，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32