一种桥梁时间序列位移信号去噪的方法技术

本发明专利技术属于信号处理技术领域，提供了一种桥梁时间序列位移信号去噪的方法，采用ESMD和EEMD结合的方式将观测桥梁的原始时间序列位移信号分解为多个分量信号，利用斯皮尔曼系数去除高频噪声信号分量，可消除高频噪声的影响。将剩余的分量信号重构得到的两组新信号以及原始信号构建虚拟多通道信号。利用SCBSS对虚拟多通道信号进行分离，得到混合矩阵和源信号的估计值，采用快速傅里叶变换对源信号的估计值进行时频域转换，识别低频噪声分量信号，并对低频噪声分量信号作归零处理，进一步可去除低频噪声分量信号。有利于降低噪声信息对桥梁时间序列位移信号的影响，从而提高桥梁损伤检测的准确性。检测的准确性。检测的准确性。

【技术实现步骤摘要】
一种桥梁时间序列位移信号去噪的方法


[0001]本专利技术涉及信号处理
，尤其涉及一种桥梁时间序列位移信号去噪的方法。

技术介绍

[0002]在利用GBSAR(ground
‑
based synthetic aperture radar，地基合成孔径雷达)对桥梁进行动态挠度测量时，由于周围环境、人为操作和设备本身的缘故，监测得到的桥梁时间序列位移数据中除包含有用信息以外，通常还会包含噪声信息。噪声信息会直接影响到数据分析中有用信息的提取，降低监测数据的准确性。
[0003]目前，实现数据降噪的方法有：
[0004](1)盲源分离算法(BSS，Blind Source Separation)可以在不具备或很少先验知识的情况下，根据观测信号对源信号进行估计，其需要多路数据作为BSS输入。但是受仪器自身造价以及环境等因素影响，大多数的数据采集都是依靠单个传感器接收多个混合信号，而如何将不同的源信号从混合信号中分离出来，是一大挑战。而单通道盲源分离(Single Channel Blind Source Separation，SCBSS)由单个传感器采集接收观测信号，并利用这一路信号将各个源信号分离出来。但是单通道盲源分离是一种极端欠定盲源分离问题。
[0005](2)ESMD(Extreme
‑
point Symmetric Mode Decomposition，极点对称模态分解)，该算法是希尔伯特
‑
黄变换的新发展，与傅里叶变换和小波变换相比，其重大革新之处在于无基方式，用一个简单的分解规则代替了基函数的构造，其筛选过程只遵循一个简单的对称规则，容许误差和筛选次数的选取带有一定的经验性。适用于分析非线性和非平稳信号，但在使用中依然存在一些问题：1)分解后的低频模态中还存在部分高频信息；2)分解后的高频模态中还存在部分低频信息。

技术实现思路

[0006]因此，本专利技术为了有效降低噪声信息对桥梁时间序列位移测量的影响，提供了一种桥梁时间序列位移信号去噪的方法，融合了EEMD和ESMD的单通道盲源分离去噪的方法。
[0007]具体的，主要通过以下技术方案来实现：
[0008]一种桥梁时间序列位移信号去噪的方法，包括以下步骤：
[0009]分别采用EEMD和ESMD对监测得到的桥梁时间序列位移信号进行分解，得到多个分量信号IMF，设桥梁时间序列位移信号为原始信号；
[0010]分别计算每个IMF与原始信号之间的相关性，基于该相关性将高频噪声分量信号去除；
[0011]将去除了高频噪声分量信号后剩余的IMF进行重构，将重构得到的第一组信号和第二组信号，以及原始信号进行组合，构建虚拟多通道信号；
[0012]采用SCBSS分离并去除所述虚拟多通道信号中的低频噪声分量信号。
[0013]优选地，采用EEMD分解原始信号具体包括：
[0014]设原始信号为X(t)，将N个均值为零、标准差恒定且长度与原始信号相同的高斯白噪声信号分N次分别加到原始信号上，N个高斯白噪声信号均不同，每一次得到一个含有高斯白噪声的信号X`(t)，X
i
`(t)＝X(t)+w
i
(t)，其中，w
i
(t)为第i次加到原始信号上的高斯白噪声信号，N为大于1的正整数，i为正整数；
[0015]采用EEMD分解信号X
i
`(t)，直至将N个含有高斯白噪声的信号分解完成，每一次分解均得到多个IMF和残差R：
[0016]i＝1,2,3,
…
N，k＝1,2,3,
…
n，其中，k为大于1的正整数；
[0017]对N次分解得到的所有IMF求平均值，得到EEMD分解后的多个IMF：
[0018][0019]优选地，采用ESMD分解原始信号具体包括：
[0020](1)计算原始信号X(t)的所有局部极大值和极小值，并将相邻两个极值点的中点标记为F
i
(i＝1,2,...n
‑
1)，以及，将左右边界的中点标记为F0和F
n
；
[0021](2)采用三次样条插值法构造该n+1个中点的p条插值曲线L1,L2,...,L
p
(p≥1)，并计算p条插值曲线的平均曲线
[0022](3)重复执行步骤(1)和步骤(2)，计算得到IMF1，直至或筛选次数达到预设的最大值K，其中ε为允许误差；
[0023](4)重复执行步骤(1)至步骤(3)，计算剩下的得到IMF2,...,IMF
n
，直至最后一个残差R作为一个最优的自适应全局平均曲线；
[0024](5)在有限整数区间[K
min
,K
max
]上改变筛选次数值K，并重复执行步骤(1)到步骤(4)，计算X(t)
‑
R的方差σ2，在[K
min
,K
max
]的范围内求最小值σ/σ0，得到最佳筛选次数K0，其中σ0是信号X(t)的标准差；
[0025](6)利用最佳筛选次数K0重复执行步骤(1)到步骤(5)，对原始信号X(t)进行最优信号分解，得到多个具有最优自适应全局平均曲线的IMF。
[0026]优选地，基于每个IMF与原始信号之间的相关性将高频噪声分量信号去除，包括：
[0027]基于所述相关性确定高频噪声分量信号与信号主导的分量信号之间的分界点；
[0028]根据该分界点将高频噪声分量信号去除。
[0029]优选地，基于所述相关性确定高频噪声分量信号与信号主导的分量信号之间的分界点，具体包括：
[0030]计算每个IMF与原始信号之间的相关性系数的公式为：
[0031][0032]其中，X(t)为原始信号，IMF
i
是第i个IMF(i＝1,2,
…
n)分量，N为信号长度。当i
th
为相关性系数第一个最小值时，确定高频噪声分量信号与信号主导的分量信号之间的分界点，相关性系数ρ(X(t),IMF
i
(t))越大，则该IMF与原始信号的相似程度越高。
[0033]优选地，将去除了高频噪声分量信号后剩余的IMF进行重构，得到的第一组信号和第二组信号，所述第一组信号X
EEMD
(t)为：所述第二组信号X
ESMD
(t)为：
[0034]将第一组信号、第二组信号以及所述原始信号进行组合，构建虚拟多通道信号X
New
(t)为：X
New
(t)＝[X(t),X
EEMD
(t),X
ESMD
(t)]T
；
[0035]其中，imf
i
是第i个IMF(i＝1,2,3,...n)，n
e
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种桥梁时间序列位移信号去噪的方法，其特征在于，包括：分别采用EEMD和ESMD对监测得到的桥梁时间序列位移信号进行分解，得到多个分量信号IMF，设桥梁时间序列位移信号为原始信号；分别计算每个IMF与原始信号之间的相关性，基于该相关性将高频噪声分量信号去除；将去除了高频噪声分量信号后剩余的IMF进行重构，将重构得到的第一组信号和第二组信号，以及原始信号进行组合，构建虚拟多通道信号；采用SCBSS分离并去除所述虚拟多通道信号中的低频噪声分量信号。2.如权利要求1所述的一种桥梁时间序列位移信号去噪的方法，其特征在于，采用EEMD分解原始信号具体包括：设原始信号为X(t)，将N个均值为零、标准差恒定且长度与原始信号相同的高斯白噪声信号分N次分别加到原始信号上，N个高斯白噪声信号均不同，每一次得到一个含有高斯白噪声的信号X`(t)，X
i
`(t)＝X(t)+w
i
(t)，其中，w
i
(t)为第i次加到原始信号上的高斯白噪声信号，N为大于1的正整数，i为正整数；采用EEMD分解信号X
i
`(t)，直至将N个含有高斯白噪声的信号分解完成，每一次分解均得到多个IMF和残差R：其中，k为大于1的正整数；对N次分解得到的所有IMF求平均值，得到EEMD分解后的多个IMF：3.如权利要求2所述的一种桥梁时间序列位移信号去噪的方法，其特征在于，采用ESMD分解原始信号具体包括：(1)计算原始信号X(t)的所有局部极大值和极小值，并将相邻两个极值点的中点标记为F
i
(i＝1,2,
…
n
‑
1)，以及，将左右边界的中点标记为F0和F
n
；(2)采用三次样条插值法构造该n+1个中点的p条插值曲线L1,L2,
…
,L
p
(p≥1)，并计算p条插值曲线的平均曲线条插值曲线的平均曲线(3)重复执行步骤(1)和步骤(2)，计算得到IMF1，直至或筛选次数达到预设的最大值K，其中ε为允许误差；(4)重复执行步骤(1)至步骤(3)，计算剩下的得到IMF2,...,IMF
n
，直至最后一个残差R作为一个最优的自适应全局平均曲线；(5)在有限整数区间[K
min
,K
max
]上改变筛选次数值K，并重复执行步骤(1)到步骤(4)，计算X(t)
‑
R的方差σ2，在[K
min
,K
max
]的范围内求最小值σ/σ0，得到最佳筛选次数K0，其中σ0是信号X(t)的标准差；(6)利用最佳筛选次数K0重复执行步骤(1)到步骤(5)，对原始信号X(t)进行最优信号分解，得到多个具有最优自适应全局平均曲线的IMF。4.如权利要求3所述的一种桥梁时间序列位移信号去噪的方法，其特征在于，基于每个
IMF与原始信号之间的相关性将高频噪声分量信号去除，包括：基于所述相关性确定高频噪声分量信号与信号主导的分量信号之间的分界点；根据该分界点将高频噪声分量信号去除。5.如权利要求4所述的一种桥梁时间序列位移信号去噪的方法，其特征在于，基于所述相关性确定高频噪声分量信号与信号主导的分量信号之间的分界点，具体包括：计算每个IMF与原始信号之间的相关性系数的公式为：其中，X(t)为原始信号，IMF
i
是第i个IMF(i＝1,2,
…
n)分量，N为信号长度，当i
th
为相关性系数第一个最小值时，确定高频噪声分量信号与信号主导的分量信号之间...

【专利技术属性】
技术研发人员：刘祥磊，黄祎萌，王辉，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：