一种基于频域Vold-Kalman滤波器的宽频频散波提取方法技术

本发明专利技术涉及一种基于频域Vold

【技术实现步骤摘要】
一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法


[0001]本专利技术涉及信号处理
，尤其是涉及一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法。

技术介绍

[0002]频散信号已在结构健康监测和无损检测中得到广泛应用。当激励信号在结构中传播时，接收端的测量信号会出现频散现象，即幅度和相位随信号的频率发生变化。如果激励信号的频带较窄，这种频散现象通常可以忽略不计，频散分量可以由信号中心的到达时间来确定。当激励信号为宽带信号时，测量的宽带信号会因为每个频率的传播速度不同而失真，即出现频散分量的频变群延迟(GD)。群延时定义为相位函数对频率的导数，揭示了信号通过频散介质的时间延迟。群延时包含有关系统和激励的丰富信息，因此可用于介质特征识别、源定位或跟踪，以及系统响应预测。然而，对于结构健康监测中的导波，上述频散效应不仅增加了群延时的复杂性，而且群延时曲线通常相互交叉，加剧了信号分析的难度。因此，准确分离这些重叠的色散分量并精确估计它们的GD曲线对于结构健康监测中的损伤检测至关重要。
[0003]虽然众多学者和工程人员提出了有关频散信号的提取方法，但是现有的频散信号提取方法存在着时频分辨率低、难以提取宽频频散成分的问题。目前，国内有关频散信号提取技术的专利技术专利申请有：
[0004]授权日为2019年8月23日，授权号为CN107807176B的中国专利中，公开了一种名称为“一种频散Lamb波信号分辨率增强方法”。其通过求取Lamb信号传播的传递函数，得到Lamb脉冲响应波数域信号和距离域信号，并计算得到距离延迟放大的距离域传感信号。然而，该方法只能够增强窄带激励的Lamb波响应信号，而不能增强宽带Lamb波信号。
[0005]公开日为2021年5月28日，公开号为CN112861721A的中国专利中，公开了一种名称为“一种自动提取背景噪声频散曲线的方法及装置”。其采用Re步骤
‑
Unet++网络模型提取候选频散区域，利用梯度法和追逐发对候选区域的频散点进行提取和分类，得到目标频散曲线。神经网络的方法虽然能够较为准确的预测频散区域，但是其需要大量数据进行训练，并且计算时间和计算内存消耗较大。除此之外，该方法只能够提取出频散曲线，而不能提取出频散分量的真实信号。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在时频分辨率低、难以提取宽频频散成分的缺陷而提供一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法，包括以下步骤：
[0009]步骤1：获取频散波时域信号；
[0010]步骤2：对所述频散波时域信号进行快速傅里叶变换，获得对应的频域信号；
[0011]步骤3：通过双向快速脊线提取法，根据所述频域信号得到所有频散模态的群延时；
[0012]步骤4：通过频域Vold
‑
Kalman滤波器，根据所述频域信号和所有频散模态的群延时，构建结构方程和数据方程，分离重构各频散模态分量；
[0013]步骤5：对重构的所述频散模态分量进行快速傅里叶变换逆变换，得到频散波的时域波形。
[0014]进一步地，所述步骤2具体包括：
[0015]步骤201：对所述频散波时域信号进行快速傅里叶变换，获得对应的频域信号；
[0016]步骤202：根据所述频散波时域信号的长度N
t
，确定频域信号长度N
f
，计算该频域信号长度N
f
的表达式为：
[0017]N
f
＝floor(N
t
/2)+1
[0018]式中，floor(
·
)为向下取整符号；
[0019]步骤203：保留所述频域信号中的前N
f
项，舍去第N
f
+1项至第N
t
项，得到最终的频域信号。
[0020]进一步地，所述步骤3具体包括以下步骤：
[0021]步骤301：设置窗长度N
win
，确定傅里叶点数为2N
f
‑
1，N
f
为频域信号长度，构造相应窗函数W(f)，设置时间域搜索范围Δt，滤波系数λ，迭代阈值δ，模态数m＝1；
[0022]步骤302：通过所述窗函数W(f)对频域信号S(f)进行离散短频傅里叶变换，获得时频表达式TFR(t,f)；
[0023]步骤303：定位所述时频表达式TFR(t,f)中能量最大值点(t
em
,f
em
)：
[0024][0025]式中，t
em
为能量最大值点对应的时间，f
em
为能量最大值点对应的幅值；
[0026]步骤304：沿频率方向双向搜索Δt范围内时间维度的能量极大值点；
[0027]步骤305：根据搜索出的能量极大值点获取时频脊线，作为模态m群延时的初始估计值
[0028]步骤306：对群延时初始估计值进行低通滤波，得到模态m的群延时GD
m
：
[0029][0030][0031]式中，Λ为改进的二阶差分矩阵，I为单位矩阵；
[0032]步骤307：从原始的频域信号S(f)中提取出模态m的初始对应成分S
d
(f)：
[0033]S
d
(f)＝lowpass{S(f)Γ
‑
(f)}Γ
+
(f)
[0034]式中，lowpass{
·
}为低通滤波操作，Γ
‑
(f)和Γ
+
(f)分别为解调因子和调制因子；
[0035]步骤308：从原始的频域信号S(f)中去除模态m的初始对应成分S
d
(f)，得到残差信号S
r
(f)；
[0036]步骤309：残差信号与原始信号的能量比是否小于预设的迭代阈值δ，若小于，则记录得到的模态总数为M＝m，并执行步骤4，否则设置模态数m＝m+1，并重复步骤302～309。
[0037]进一步地，所述步骤4具体包括以下步骤：
[0038]步骤401：初始化参数，获取频域信号S(f)和各模态的群延时GD
m
；
[0039]步骤402：构建Vold
‑
Kalman滤波器的结构方程和数据方程；
[0040]步骤403：根据最小化残差能量和的原则，求解最优化问题，获得各模态的频域包络并重构模态分量。
[0041]进一步地，所述Vold
‑
Kalman滤波器的结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法，其特征在于，包括以下步骤：步骤1：获取频散波时域信号；步骤2：对所述频散波时域信号进行快速傅里叶变换，获得对应的频域信号；步骤3：通过双向快速脊线提取法，根据所述频域信号得到所有频散模态的群延时；步骤4：通过频域Vold
‑
Kalman滤波器，根据所述频域信号和所有频散模态的群延时，构建结构方程和数据方程，分离重构各频散模态分量；步骤5：对重构的所述频散模态分量进行快速傅里叶变换逆变换，得到频散波的时域波形。2.根据权利要求1所述的一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法，其特征在于，所述步骤2具体包括：步骤201：对所述频散波时域信号进行快速傅里叶变换，获得对应的频域信号；步骤202：根据所述频散波时域信号的长度N
t
，确定频域信号长度N
f
，计算该频域信号长度N
f
的表达式为：N
f
＝floor(N
t
/2)+1式中，floor(
·
)为向下取整符号；步骤203：保留所述频域信号中的前N
f
项，舍去第N
f
+1项至第N
t
项，得到最终的频域信号。3.根据权利要求1所述的一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法，其特征在于，所述步骤3具体包括以下步骤：步骤301：设置窗长度N
win
，确定傅里叶点数为2N
f
‑
1，N
f
为频域信号长度，构造相应窗函数W(f)，设置时间域搜索范围Δt，滤波系数λ，迭代阈值δ，模态数m＝1；步骤302：通过所述窗函数W(f)对频域信号S(f)进行离散短频傅里叶变换，获得时频表达式TFR(t,f)；步骤303：定位所述时频表达式TFR(t,f)中能量最大值点(t
em
,f
em
)：式中，t
em
为能量最大值点对应的时间，f
em
为能量最大值点对应的幅值；步骤304：沿频率方向双向搜索Δt范围内时间维度的能量极大值点；步骤305：根据搜索出的能量极大值点获取时频脊线，作为模态m群延时的初始估计值步骤306：对群延时初始估计值进行低通滤波，得到模态m的群延时GD
m
：
式中，Λ为改进的二阶差分矩阵，I为单位矩阵；步骤307：从原始的频域信号S(f)中提取出模态m的初始对应成分S
d
(f)：S
d
(f)＝lowpass{S(f)Γ
‑
(f)}Γ
+
(f)式中，lowpass{
·
}为低通滤波操作，Γ
‑
(f)和Γ
+
(f)分别为解调因子和调制因子；步骤308：从原始的频域信号S(f)中去除模态m的初始对应成分S
d
(f)，得到残差信号S
r
(f)；步骤309：残差信号与原始信号的能量比是否小于预设的迭代阈值δ，若小于，则记录得到的模态总数为M＝m，并执行步骤4，否则设置模态数m＝m+1，并重复步骤302～309。4.根据权利要求1所述的一种基于频域Vold
‑
Kalman滤波器的宽频频散波提取方法，其特征在于，所述步骤4具体包括以下步骤：步骤401：初始化参数，获取频域信号S(f)和各模态的群延时GD
m
；步骤402：构建Vold
‑
Kalman滤波器的结构方程和数据方程；步骤403：根据最小化残差能量和的原则，求解最优化问题，获得各模态的频域包络并重构模态分量...

【专利技术属性】
技术研发人员：牛刚，姜源，
申请(专利权)人：同济大学，
类型：发明
国别省市：