一种基于改进的小波阈值滤波的声波信号处理方法技术

本发明专利技术公开了一种基于改进的小波阈值滤波的声波信号处理方法，涉及信号处理技术领域，解决了现有改进阈值函数需要手动调节参数来处理信号、缺乏灵活性的技术问题，其技术方案要点是基于改进的小波阈值滤波的声波信号处理方法，能够更灵活地对滤波参数进行调整，可解决传统阈值函数适应性差，降噪能力差的问题，适用于强背景噪声下的声波信号提取。适用于强背景噪声下的声波信号提取。适用于强背景噪声下的声波信号提取。

【技术实现步骤摘要】
一种基于改进的小波阈值滤波的声波信号处理方法


[0001]本申请涉及信号处理
，尤其涉及一种基于改进的小波阈值滤波的声波信号处理方法。

技术介绍

[0002]烟气流速作为工业领域极其重要的一个测量参数，其测量的准确性一直是研究的重点和难点。声波测速法是一种新型的非接触式速度测量技术。该技术具有应用范围广，设备成本低，可实现实时在线测量，且非常适用于高温、腐蚀、多尘等恶劣环境。但利用该技术对烟气流速测量时也存在一些问题。由于高温烟气是非定常流动，流动情况复杂，现场噪声大，声波测量信号常常被淹没在噪声中。采用互相关技术计算飞渡时间时常常会出现多个伪峰值，给测速带来极大的困难。为使接收的信号能够得到增强，保留更多有效的声波测量信息，尽可能地减少由于声波信号的失真和畸变带来的测量误差，有必要在时延估计前对信号进行滤波预处理。
[0003]当信号与噪声处于同一频带时，采用传统的带通滤波器难以取得令人满意的滤波效果。而以小波变化为理论基础的小波滤波法利用有效信号与噪声在进行小波分解所表现出来的不同特征可以最大可能的将实际信号与噪声信号分离开。小波阈值滤波法是其中应用最为广泛的一种方法。其中，小波函数、分解层数以及阈值函数等参数的选择是制约其滤波效果的关键因素。由于小波函数、分解层数涉及到多种参数的组合，对于最佳的参数确定往往缺乏定量、客观的统计方法，另外，阈值的选择对滤波结果有很大的影响，阈值过大或过小都会影响滤波效果，常见阈值函数包括硬阈值、软阈值等，硬阈值函数存在阈值处不连续的现象，降噪效果不佳，而软阈值函数在降噪过程中会出现恒定偏差，也会影响信号重构效果。许多学者对其进行了改进，然而，现实中的实际信号是变化的，对于带有参数的改进阈值函数，为了达到更好的滤波效果，需要手动调节参数来处理信号，缺乏灵活性。

技术实现思路

[0004]本申请提供了一种基于改进的小波阈值滤波的声波信号处理方法，其技术目的是定量优化小波参数，提高阈值选取精度，以获得更为纯净的声波信号，减小测速结果误差。
[0005]本申请的上述技术目的是通过以下技术方案得以实现的：
[0006]一种基于改进的小波阈值滤波的声波信号处理方法，包括：
[0007]S1：选择最优的小波基和分解层数组合，然后对含噪信号进行小波分解，获取各个尺度上的小波系数；其中，含噪信号s(k)表示为：s(k)＝f(k)+σ
·
e(k),k＝0,1,2,
…
,n；f(k)表示原始信号；e(k)表示噪声信号；σ表示噪声的均方根；
[0008]S2：保留大尺度低分辨率下的全部小波系数，经过粒子群算法优化的阈值处理函数对各尺度高分辨率下的小波系数进行过滤处理，得到过滤后小波系数；
[0009]S3：对过滤后小波系数进行逆变换后重构，恢复得到信号
[0010]本申请的有益效果在于：本申请提出的一种基于改进的小波阈值滤波的声波信号
处理方法，能够更灵活地对滤波参数进行调整，可解决传统阈值函数适应性差，降噪能力差的问题，适用于强背景噪声下的声波信号提取。
附图说明
[0011]图1为本申请实施例中声波测速的基本原理图；
[0012]图2为本申请所述方法的流程图；
[0013]图3是本申请实施例中SymN小波系对应的CEI指数示意图；
[0014]图4是本申请实施例中改进的阈值函数示意图；
[0015]图5是本申请实施例中利用粒子群算法进行阈值寻优的主要步骤示意图；
[0016]图6是本申请实施例中声波信号测速实验装置图；
[0017]图7是本申请实施例中FIR滤波法对应的滤波效果图；
[0018]图8是本申请实施例中小波阈值滤波法对应的滤波效果图。
具体实施方式
[0019]下面将结合附图对本申请技术方案进行详细说明。
[0020]本申请采用的声波测速的基本原理如图1所示，在烟气流向的顺、逆流两个方向上各布置一组扬声器和传声器，通过获取声波在顺逆流声线上的声波飞渡时间来计算气体流速。扬声器和传声器均放置在声波导管内，已知扬声器S1和传声器M1间的距离为L1，扬声器S1发射信号，传声器M1接收信号，通过测量S1和M1之间的声波飞渡时间τ1来确定声波传播路径上气体流动介质的传播速度。假设顺流声线长度为L1，声线与介质流速方向夹角为α，逆流声线长度为L2，声线与介质流速方向夹角为β，顺流飞渡时间τ1可表示为：
[0021][0022]同理，逆流飞渡时间τ2可表示为：
[0023][0024]由此可计算介质流速v为：
[0025][0026]其中，c表示声速，L1表示扬声器与传声器之间的顺流声线长度，L2表示扬声器与传声器之间的逆流声线长度；α、β表示声线与介质流速之间的夹角。
[0027]安装位置确定后，L1、L2、α、β均为已知量，通过时延估计算法计算τ1和τ2便可求得介质流速v。
[0028]声波飞渡时间测量的关键是获取有效的声波信号，本申请采用的一种基于改进的小波阈值滤波的声波信号处理方法，该方法的主要原理是：一个含噪声的一维信号的模型可表示为:
[0029]s(k)＝f(k)+σ
·
e(k),k＝0,1,2,
…
,n
[0030]其中，f(k)表示第一目标信号；e(k)表示噪声信号；σ表示噪声的均方根；s(k)为第一目标信号与加性噪声的线性叠加。
[0031]如图2所示，一种基于改进的小波阈值滤波的声波信号处理方法，包括如下步骤：
[0032]S1：选择最优的小波基和分解层数组合，然后对含噪信号进行小波分解，获取各个尺度上的小波系数；其中，含噪信号s(k)表示为：s(k)＝f(k)+σ
·
e(k),k＝0,1,2,
…
,n；f(k)表示原始信号；e(k)表示噪声信号；σ表示噪声的均方根。
[0033]具体地，选择最优的小波基和分解层数组合包括：
[0034]选择不同的小波基和分解层数组合对含噪信号s(k)进行滤波处理并计算滤波效果评价指标(信噪比、均方差误差和平滑度)，得到评价指标数据集。对评价指标数据集进行归一化处理，采用变异系数定权法(Coefficient of variation weighting method，CVWM)确定归一化处理后的评价指标数据集中各评价指标的权重，对不同分解层次上的评价指标进行加权计算，得到综合评价指数(Comprehensive evaluation index，CEI)，如图3所示，即CEI指数。通过比较综合评价指数得到最优的小波参数组合，即最优的小波基和分解层数组合。
[0035]所述对评价指标数据集进行归一化处理，所述归一化处理采用的方法为min
‑
max标准化方法，表示为：
[0036][0037][0038][0039]其中，V
SNR,t
表示归一化处理后的信噪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的小波阈值滤波的声波信号处理方法，其特征在于，包括：S1：选择最优的小波基和分解层数组合，然后对含噪信号进行小波分解，获取各个尺度上的小波系数；其中，含噪信号s(k)表示为：s(k)＝f(k)+σ
·
e(k),k＝0,1,2,
…
,n；f(k)表示原始信号；e(k)表示噪声信号；σ表示噪声的均方根；S2：保留大尺度低分辨率下的全部小波系数，经过粒子群算法优化的阈值处理函数对各尺度高分辨率下的小波系数进行过滤处理，得到过滤后小波系数；S3：对过滤后小波系数进行逆变换后重构，恢复得到信号2.如权利要求1所述的信号处理方法，其特征在于，所述步骤S1中，选择最优的小波基和分解层数组合包括：选择不同的小波基和分解层数组合对含噪信号s(k)进行滤波处理并计算滤波效果评价指标，得到评价指标数据集；对评价指标数据集进行归一化处理，采用变异系数定权法确定归一化处理后的评价指标数据集中各评价指标的权重，对不同分解层次上的评价指标进行加权计算，得到综合评价指数；通过比较综合评价指数得到最优的小波参数组合，即最优的小波基和分解层数组合；其中，滤波效果评价指标包括信噪比、均方差误差和平滑度。3.如权利要求2所述的信号处理方法，其特征在于，所述步骤S2中，阈值处理函数表示为：其中，w
j,k
表示j分解尺度下的离散点k处的小波系数；表示阈值处理之后得到的小波估计系数；λ表示设定阈值，且σ表示噪声的标准方差，且N表示信号长度；α表示阈值处理函数的形状控制参数，且0≤α≤1；当α逼近于0时，将逼近硬阈值法的结果；当α逼近于1时，将逼近软阈值法的结果。4.如权利要求3所述的信号处理方法，其特征在于，所述对评价指标数据集进行归一化处理，所述归一化处理采用的方法为min
‑
max标准化方法，表示为：max标准化方法，表示为：max标准化方法，表示为：其中，V
SNR,t
表示归一化处理后的信噪比；V
MSE,t
表示归一化处理后的均方误差；V
F,t
表示归一化处理后的平滑度；SNR
t
表示归一化处理前的信噪比；MSE
t
表示归一化处理前的均方误
差；F
t
表示归一化处理前的平滑度；t表示不同的小波基和分解层数组合；m表示所有不同小波基和分解层数组合的总数。5.如权利要求4所述的信号处理方法，其特征在于，所述变异系数定权法的计算公式表示为：为：其中，表示归一化处理后的评价指标数据集的变异系数；表示归一化处理后的评价指标数据集的权重；表示归一化处理后的评价指标数据集的标准差；表示归一化处理后的评价指标数据集的均值；K
c
表示评价指标指数，K1表示信噪比，K2表示均方误差，K3表示平滑度。6.如权利要求5所述的信号处理方法，其特征在于，所述综合评价指数表示为：其中，表示不同小波基和分解层数组合下经归一化处理...

【专利技术属性】
技术研发人员：周宾，刘文平，刘奇，
申请(专利权)人：东南大学，
类型：发明
国别省市：