【技术实现步骤摘要】
本专利技术涉及桥梁监测，具体涉及基于自相关函数和vmd的加速度信号噪声识别去除方法。
技术介绍
1、传感器技术的发展极大方便了人们对设备、场景、环境的监控，推动了技术的进步和社会的发展。随着物联网技术的发展、工业4.0的推进、智慧城市的建设，越来越多带有传感器的数据采集装置被接入设备以及环境中。加速度传感器是一种能够测量加速度和速度的传感器，在桥梁监测领域中常被用来监测桥梁异常振动、桥梁模态识别、索力识别等。
2、但由于加速度传感器采集频率较高加之部署环境复杂、信道干扰、数据采集器自身缺陷等因素，上报到终端的数据往往会存在噪声干扰情况。这些异常信息反映了监测环境的异常状态、监测网络的故障、信道干扰等问题。若不对其进行及时处理，这些上报到终端的异常数据不仅会影响控制系统的正常决策，甚至会致使被监测场景的混乱。因此，终端系统能准确识别并处理采集器上报的异常信息是非常重要的。能准确识别加速度异常数据的算法将会保障监测系统不受系统异常数据影响、及时识别监测环境的异常状况，并及时采取相应决策，具有重要的现实意义。
3、目前针对加速度噪声识别方法目前主要基于人工判断、能量法、自相关函数等方法判断；人工判断主观性强，十分依赖分析人的专业素养，而且分析者做不到实时分析，及时性差，效率低；基于能量法和自相关函数方法目前主要用于含噪信号清洗中信号分量的含噪临界点的判断；
4、噪声去除，目前主要有滑动平均滤波，是一种低通滤波方法，认为主要信息集中在低频段，噪声信号集中在高频段，把高频分量去除的方式去除噪声，但是这种
5、现有技术对于加速度信号是否存在噪声的研究大多集中在依靠人工经验通过频谱分析或者自相关函数分析来判断，或者在加速度信号去噪时，对各个信号分量是否含噪进行判别，找到含噪分量和不含噪分量的临界点，计算过程复杂，且临界点的判断往往需要人工判定，主观因素大且不能自动判别选择去除，正常信号往往也会在清洗过程中发生改变，可能丢失某些重要信息。
技术实现思路
1、本专利技术的目的在于提供基于自相关函数和vmd的加速度信号噪声识别去除方法，通过提取含噪信号特征，构建判别指标，自动判别信号是否含噪，并优化去噪方法，易于机器自动化判别噪声和清洗。
2、本专利技术的目的可以通过以下技术方案实现：
3、基于自相关函数和vmd的加速度信号噪声识别去除方法，包括以下步骤:
4、步骤一、获取一段标准的加速度含噪信号，并且将这段信号作为基准含噪信号；
5、步骤二、计算该基准含噪信号的归一化自相关序列并求取其3倍标准差构建该基准含噪信号的自相关序列的控制区间；
6、步骤三、提取基准含噪信号归一化自相关序列的控制区间以及基准含噪信号的归一化自相关序列超出控制区间的百分比e；
7、步骤四、建立含噪信号和非含噪信号的自相关序列超出占比特征库，确定超出控制区间的百分比e的临界值e(临界)；
8、步骤五、获取待处理加速度信号，计算该待处理加速度信号的归一化自相关序列并计算其超出基准含噪信号控制区间占比e(待测)；
9、步骤六、通过对比e(待测)与e(临界)的大小判断待处理加速度信号是否为含噪信号，若待处理加速度信号为非含噪信号则不作处理，若待处理加速度信号为含噪信号，则对含噪信号进行vmd分解，并按照中心频率从高到低排列有限个imf分量；
10、步骤七、采用改进的小波阈值法对各分量进行去噪处理，重构信号得到去噪后的信号。
11、作为本专利技术进一步的方案：步骤二的详细步骤包括：
12、将基准含噪信号进行复制获得复制信号，并将复制信号进行时移处理，设定τ为复制信号与基准含噪信号之间相差的阶数；
13、根据式(1)计算基准含噪信号的自相关函数；
14、
15、式(1)中，rx(τ)为基准含噪信号的自相关函数，n为基准含噪信号的采样点数，τ为信号相差的阶数且τ∈(-n+1,n-1)，x(n)为基准含噪信号，x(n+τ)为与基准含噪信号相差τ个阶数的复制信号；
16、基于基准含噪信号的自相关函数，根据式(2)求取基准含噪信号的归一化自相关函数；
17、
18、式(2)中，ρx(τ)为基准含噪信号归一化自相关序列，rx(τ)为τ个阶差的复制信号自相关函数，rx(0)为0个阶差的复制信号自相关函数；
19、根据式(2)计算该基准含噪信号的归一化自相关函数，得到2n-1个归一化自相关序列ρx(τ)，并根据式(3)计算这2n-1个归一化自相关序列的3倍标准差3σ基；
20、
21、
22、式(3)中，ρx(τ)为基准含噪信号归一化自相关序列，n为基准含噪信号的采样点数，τ为信号相差的阶数，为归一化自相关序列的均值；
23、将信号的自相关序列按照正态分布，以0值为中心线，以(3σ基，-3σ基)区间构建该基准含噪信号的自相关序列的控制区间。
24、作为本专利技术进一步的方案：步骤三的详细步骤包括：
25、根据式(4)计算基准含噪信号的归一化自相关序列超出控制区间(3σ基，-3σ基)的百分比e；
26、
27、式(4)中，nc为自相关序列超出控制区间的个数，n为基准含噪信号的采样点数。
28、作为本专利技术进一步的方案：步骤四中超出控制区间的百分比e的临界值e(临界)的取值为1％。
29、作为本专利技术进一步的方案：步骤五中获取待处理加速度信号的取样时间和采集频率与基准含噪信号取样时间和采集频率保持一致。
30、作为本专利技术进一步的方案：步骤七的详细步骤包括：
31、根据式5采用小波软函数对各imf分量进行处理：
32、
33、式(5)中，imf'j为去除噪声得到的第j个剩余imf分量，|imfj(i)|为第j个imf分量各系数的绝对值，imfj(i)为第j个imf分量的各个系数，tj为第j个分量imfj的阈值；
34、其中根据式(6)计算第j个分量imfj的阈值tj；
35、
36、式(6)中，tj为第j个分量imfj的阈值，n为信号长度，σj是噪声在第j层的标准差，media(abs(imfj))为第j个imfj分量本文档来自技高网...
【技术保护点】
1.基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，包括以下步骤:
2.根据权利要求1所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤二的详细步骤包括：
3.根据权利要求2所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤三的详细步骤包括：
4.根据权利要求3所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤四中超出控制区间的百分比e的临界值e(临界)的取值为1％。
5.根据权利要求1所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤五中获取待处理加速度信号的取样时间和采集频率与基准含噪信号取样时间和采集频率保持一致。
6.根据权利要求4所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤七的详细步骤包括：
【技术特征摘要】
1.基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，包括以下步骤:
2.根据权利要求1所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤二的详细步骤包括：
3.根据权利要求2所述的基于自相关函数和vmd的加速度信号噪声识别去除方法，其特征在于，步骤三的详细步骤包括：
4.根据权利要求3所述的基于自相关函数和vmd的加速度信号噪声...
【专利技术属性】
技术研发人员：沈迎春，许成超，楚帅，袁睿，黄继源，范飞，吴军，李舒，蔡雨朦，袁睿，汪国华，杨广，秦春，朱冰涛，
申请(专利权)人：合肥泽众城市智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。