一种基于短时窗均值-VMD算法的惯导非平稳信号降噪方法技术

本发明专利技术提供了一种基于短时窗均值

【技术实现步骤摘要】
一种基于短时窗均值
‑
VMD算法的惯导非平稳信号降噪方法


[0001]本专利技术属于定位导航领域，尤其涉及一种基于短时窗均值
‑
VMD算法的惯导非平稳信号降噪方法。

技术介绍

[0002]掘进机作为掘进工作面的核心装备，对掘进机的精确定位是实现自动化、智能化掘进的关键技术之一。光纤惯导由于其具有位姿检测精度高、不依赖外界信息的特性，光纤惯导组合定位系统比较适合应用于煤矿掘进装备的精确定位。然而，煤矿井下掘进工作面作业空间狭小、环境复杂多变、电磁干扰严重，同时掘进装备截割时易受振动干扰，这些多源异构噪声会影响光纤惯导的位姿检测准确性。因此，需要深入研究掘进装备光纤惯导信号降噪方法，消除噪声干扰对掘进装备精确定位的影响。
[0003]目前，主要运用经验模态分解(EMD)降噪、小波降噪等方法对惯导检测信号进行降噪。但小波降噪方法在进行去噪时受到小波基和分解层数选取的限制，并且不适用于数据中的有色噪声。EMD降噪方法存在有效本征模态函数选取依赖于经验判断以及有效IMF分量包含噪声的问题，导致降噪效果不佳。

技术实现思路

[0004]本专利技术的目的在于消除振动与电磁等多源异构噪声干扰对组合惯导定位检测影响，提出一种基于短时窗
‑
VMD算法的惯导非平稳信号降噪方法，该方法能够抑制煤矿掘进工作面多源异构噪声干扰，提升煤矿掘进装备定位精度。
[0005]为了实现上述目的，本专利技术采用以下技术方案予以实现：
[0006]一种基于短时窗均值
‑
VMD算法的惯导非平稳信号降噪方法，步骤如下：
[0007](1)短时窗求均值处理
[0008]在时域对原始信号进行短时窗微分，在短时窗内求信号均值；
[0009](2)信号平稳化处理
[0010]将短时窗均值处理后的每段信号重新拼接成完整信号，用初始信号减去短时窗均值处理后的完整信号，变成平稳信号；
[0011](3)变分模态分解处理
[0012]对平稳信号进行变分模态分解，分解层数对应信号中频率分量；
[0013](4)信号重构
[0014]根据模态分量的能量值，筛选有用信号的模态分量进行信号重组；
[0015](5)降噪信号获得
[0016]VMD降噪后的平稳信号加上短时窗均值信号，得到最终降噪信号。
[0017]进一步地，所述步骤(1)中，短时窗求均值处理的具体实现步骤包括：
[0018](1.1)将原始信号划分为若干组，根据原始信号设定窗宽与重复单元数，窗宽指单个窗包含的数据长度，重复单元指第k个窗与k+1个窗的重复部分，即每一段的重叠样本数，
默认值是在各段之间产生50％的重叠；则原始信号总长度为：
[0019]n＝xW
‑
(x
‑
1)L
ꢀꢀ
(1)
[0020]上式中n为原始信号总长度，分成x段窗，每段窗宽为W，窗与窗间重叠长度为L；
[0021](1.2)对每段短时窗求均值；
[0022][0023]上式中F(t,x)为每段短时窗的均值。
[0024]进一步地，所述步骤(2)中，信号平稳化处理的具体实现步骤包括：
[0025](2.1)将每段短时窗重新拼接到一起，得到完整均值信号；
[0026]F
aver
(t)＝F(t,1)+F(t,2)+
…
+F(t,x)
ꢀꢀ
(3)
[0027]上式中F
aver
(t)为均值信号；
[0028](2.2)原始信号减去均值信号后，得到平稳信号，减均值可以降低偏置噪声，同时降低随机游走噪声；
[0029]F
sta
(t)＝f(t)
‑
F
aver
(t)
ꢀꢀ
(4)
[0030]上式中F
sta
(t)为平稳信号，f(t)为原始信号。
[0031]进一步地，所述步骤(3)中，煤矿掘进工作面多源异构噪声主要包含振动和电磁干扰两种分量，且考虑到惯导的工作频率，电磁干扰主要集中在电源工频50Hz以及谐波100Hz，故分解层数为4。
[0032]变分模态分解方法是利用迭代求解变分模型，利用最优参数组合[K,α]将噪声有效分解为具有有限带宽的固有模态分量IMF。
[0033]进一步地，所述步骤(3)中，所述变分模态分解的具体实现步骤包括：
[0034]假设多成分信号由K个有限带宽的模态分量u
k
(t)组成，每个IMF的中心频率为ω(t)，约束条件是模态和等于输入信号，具体构造步骤如下：
[0035](3.1)通过希尔伯特变换得到u
k
(t)的分析信号，并计算其单边谱，通过与算子相乘，将u
k
(t)的中心带调制到相应的基带
[0036](3.2)计算解调梯度的平方范数L2，并估计每个模分量的带宽，VMD约束变分模型如下：
[0037][0038]上式中{u
k
}＝{u1,
…
,u
k
}代表分解后的各IMF模态函数，{ω
k
}＝{ω1,
…
,ω
k
}代表各模态中心频率；为了找到约束变分问题的最优解，首先引入拉格朗日乘子λ和二阶惩罚因子α，其中二阶惩罚因子α可以保证高斯噪声环境下信号重构的准确性，拉格朗日乘子λ可以保证保持约束条件的严格性，扩展的拉格朗日表达式如下：
[0039][0040]惩罚因子的权重与数据噪声复杂程度反比关系确保了数据的保真度，在确定权重的惩罚因子和严格约束下的拉格朗日算子共同影响下，约束问题具有较好的收敛性。
[0041](3.3)利用交替方向乘子法(ADMM)连续更新各分量及其中心频率，最终得到无约束模型的鞍点，即原问题的最佳解，对于所有ω≥0，更新泛函
[0042][0043]上式中ω代表频率，分别是对应于f(t)，λ(t)的傅里叶变换；
[0044](3.4)是经过维纳滤波后的剩余量，算法根据各分量的功率谱重心重新估计重心频率，具体过程如下：
[0045]1)初始化和n；
[0046]2)执行周期：n＝n+1；
[0047]3)当ω＞0时，更新
[0048]4)更新泛函ω
k
；
[0049][0050]5)更新
[0051][0052]上式中，γ表示噪声容限，当信号含有强噪声时，可设定γ＝0达到更好的去噪效果；
[0053]6)重复步骤(3.4.2)到(3.4.5)，直至满足迭代条件停止；
[0054][0055]对于所有ω≥0解析信号的单边谱只包含非负频率。
[0056]进一步地，所述步骤(4)中，所述的信号重构具体实现步骤包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于短时窗均值
‑
VMD算法的惯导非平稳信号降噪方法，其特征在于，包括如下步骤：(1)短时窗求均值处理在时域对原始信号进行短时窗微分，在短时窗内求信号均值；(2)信号平稳化处理将短时窗均值处理后的每段信号重新拼接成完整信号，用初始信号减去短时窗均值处理后的完整信号，变成平稳信号；(3)变分模态分解处理对平稳信号进行变分模态分解，分解层数对应信号中频率分量；(4)信号重构根据模态分量的能量值，筛选有用信号的模态分量进行信号重组；(5)降噪信号获得VMD降噪后的平稳信号加上短时窗均值信号，得到最终降噪信号。2.根据权利要求1所述的基于短时窗均值
‑
VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(1)中，短时窗求均值处理的具体实现步骤包括：(1.1)将原始信号划分为若干组，根据原始信号设定窗宽与重复单元数，窗宽指单个窗包含的数据长度，重复单元指第k个窗与k+1个窗的重复部分，即每一段的重叠样本数，默认值是在各段之间产生50％的重叠；则原始信号总长度为：n＝xW
‑
(x
‑
1)L
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)上式中n为原始信号总长度，分成x段窗，每段窗宽为W，窗与窗间重叠长度为L；(1.2)对每段短时窗求均值；上式中F(t,x)为每段短时窗的均值。3.根据权利要求1所述的基于短时窗均值
‑
VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(2)中，信号平稳化处理的具体实现步骤包括：(2.1)将每段短时窗重新拼接到一起，得到完整均值信号；F
aver
(t)＝F(t,1)+F(t,2)+
…
+F(t,x)
ꢀꢀꢀ...

【专利技术属性】
技术研发人员：毛清华，安炎基，马宏伟，张旭辉，张飞，周庆，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：