System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及信号处理,尤其涉及一种基于ceemd和压缩感知的大坝安全监测数据降噪方法及系统。
技术介绍
1、大坝安全监测数据是综合反映水压、温度、降雨和时效等环境量的非线性、非平稳的数据信号。在大坝安全监测数据的采集过程中,由于受到仪器误差、人为操作等不可控因素影响,容易混入噪声,导致采集数据与实际数据之间存在一定偏差,无法更好地反映数据的真实特征,不利于后续的大坝安全分析以及对大坝实际工作性态的判定。
2、传统的非线性降噪方法包括小波阈值法、经验模态分解法等。小波阈值法通过改变尺度和信号平移的方式实现信号的多尺度细化,以阈值为标准剔除噪声的小波系数,但是阈值的选取具有不确定性。经验模态分解法将信号自适应地分成一系列本征模态分量和残余项,但存在端点效应、模态混叠的缺陷。互补集合经验模态分解(complementaryensemble empirical mode decomposition,ceemd)不仅能够提高分解精度,还能有效地解决模态混叠的问题,但直接去除含噪的高频分量容易使有效信号也随之丢失。
技术实现思路
1、专利技术目的:
2、针对上述现有技术中的问题,本专利技术提供一种可自适应的剔除大坝安全监测数据中的噪声信号并对有效监测信号进行高质量重构的降噪方法。
3、技术方案:
4、基于ceemd和压缩感知的大坝安全监测数据降噪方法,包括如下步骤:
5、s1、采集整理大坝安全原始监测数据;
6、s2、利
7、s3、计算各个imf本征模态分量的样本熵,根据所设置的样本熵阈值ε的大小,将所有imf本征模态分量分为信噪混合分量及低频有效分量;
8、s4、利用压缩感知中dct稀疏变换矩阵对每一个信噪混合分量进行稀疏表示,得到稀疏变换系数;
9、s5、利用高斯测量矩阵对各信噪混合分量进行压缩测量,并设置压缩比,得到经过压缩降维后的各个分量;
10、s6、利用压缩感知的gpsr重构算法得到各信噪混合分量重构后的稀疏变换系数,并通过与稀疏矩阵相乘得到降噪后的信噪混合分量;
11、s7、将降噪后的信噪混合分量与低频有效分量进行重构,得到最终的大坝安全监测数据降噪结果。
12、优先地,步骤s3中,计算各个imf本征模态分量的样本熵,包括以下步骤:
13、s31、将大坝安全监测数据经ceemd分解后得到的长度为n的imf本征模态分量和残余项按顺序组成维数为m的向量序列:
14、x(i)={u(i),u(i+1),…,u(i+m-1)},i=1,2,…,n-m+1;
15、s32、计算矢量u(i)和其他向量u(j)间的距离dij,即两者最大差值的绝对值:
16、dij=max|u(i+k)-u(j+k)|,
17、式中:j=1,2,…,n-m+1;k=0,1,…,m-1且i≠j;
18、s33、给定阈值r(r>0),并统计小于该阈值的dij的个数,将其记作nij(r)。令bim(r)为nij(r)与向量总数(n-m+1)的比值:
19、
20、s34、对所有的bim(r)计算均值:
21、
22、s35、将维数增加到m+1,同时重复步骤s32~s34,可得:
23、
24、s36、计算样本熵:
25、
26、s37、选择样本熵大于或等于设定的阈值ε的imf本征模态分量作为信噪混合分量。
27、优先地,步骤s36中,m取值为2,r的取值范围为(0.1~0.25)σ,σ为原始数据标准差。
28、优先地,步骤s37中,ε的取值范围为0.1~0.3。
29、优先地,步骤s4中,利用压缩感知中dct稀疏变换矩阵计算每一个信噪混合分量的稀疏变换系数,包括以下步骤:
30、s41、对信噪混合分量x∈rn进行dct正变换和逆变换:
31、
32、s42、dct矩阵为正交矩阵,对于dct稀疏变换矩阵c,有ct*c-1=i,i为单位矩阵,将信噪混合分量的dct正变换和逆变换以矩阵的形式表示:
33、
34、s43、对矩阵ct进行单位化处理,得到dct稀疏基ψdct:
35、
36、,式中,矩阵ψdct的第i行第j列用下式求得:
37、
38、s44、计算信噪混合分量的稀疏系数s:
39、s=ψdctt*x。
40、优先地,步骤s6中,利用压缩感知的gpsr重构算法得到降噪后的分量,包括以下步骤:
41、s61、采用gpsr算法来重构大坝安全监测数据,将求解过程转化为在l1范数框架下求解最优值:
42、min||s||1s.t.y=φψs=as,
43、式中:s=θ+sω为稀疏系数,θ、sω分别为有效信号和噪声信号的稀疏系数;
44、s62、利用拉格朗日函数建立目标函数:
45、
46、式中:τ为拉格朗日因子,τ>0;
47、s63、利用gpsr算法对s进行正、负数部分的分解,分为正数部分u和负数部分v,引入长度为n的全1向量1n=[1,1,1,…,1]t,将目标函数转化为边界约束二次问题:
48、
49、将其进行进一步的简化,转化为标准的边界约束二次问题:
50、
51、式中:
52、s64、利用gpsr-basic算法计算当前点zk在每一次迭代中的负梯度并于有效约束域中投影,z≥0,将其投影到非负象限内,投影后的梯度方向可用变量gk来表示:
53、
54、确定步长的初始值计算的结果为:
55、
56、令k=0,给定初始值z0,选择参数αmin、αmax,使α0∈[αmin,αmax]。计算的取值,通过线性搜索确定步长λk,在此基础上,令zk+1=zk+λkδk,计算该点的梯度计算γk=(δk)tbδk的值来更新ak,若γk=0,则αk+1=αmax,否则当则停止迭代,输出zk+1;
57、s65、将得到的稀疏系数s与稀疏矩阵ψ相乘,即可得到降噪后的结果。
58、基于ceemd和压缩感知的大坝安全监测数据降噪系统,包括数据采集模块、ceemd数据分解模块、样本熵筛选模块、压缩感知重构模块:
59、所述数据采集模块采集整理大坝安全原始监测数据;
60、所述ceemd数据分解模块利用ceemd方法对于一维大坝安全原始监测数据序列进行分解;
61、所述样本熵筛选模块计算各个imf本征模态分量的样本熵,根据所设置的样本熵阈值ε的大小,将所有imf本征模态分量分为信噪混合分量及本文档来自技高网...
【技术保护点】
1.基于CEEMD和压缩感知的大坝安全监测数据降噪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于CEEMD和压缩感知的大坝安全监测数据降噪方法,其特征在于,步骤S3包括以下步骤:
3.根据权利要求1所述的基于CEEMD和压缩感知的大坝安全监测数据降噪方法,其特征在于,步骤S5中,对各信噪混合分量进行压缩的压缩比为2/3。
4.根据权利要求2所述的基于CEEMD和压缩感知的大坝安全监测数据降噪方法,其特征在于,步骤S37中,阈值ε的取值范围为0.1~0.3。
5.基于CEEMD和压缩感知的大坝安全监测数据降噪系统,其特征在于,包括数据采集模块、CEEMD数据分解模块、样本熵筛选模块、压缩感知重构模块:
6.根据权利要求5所述的基于CEEMD和压缩感知的大坝安全监测数据降噪系统,其特征在于,所述样本熵筛选模块包括以下步骤:
7.根据权利要求5所述的基于CEEMD和压缩感知的大坝安全监测数据降噪系统,其特征在于,利用高斯测量矩阵对各信噪混合分量进行压缩测量中,对各信噪混合分量进行压缩的压缩比为2/3
8.根据权利要求6所述的基于CEEMD和压缩感知的大坝安全监测数据降噪系统,其特征在于,步骤S37中,阈值ε的取值范围为0.1~0.3。
9.一种电子设备,其特征在于,包括处理器和存储器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行权利要求1-4任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行权利要求1-4任一项所述的方法。
...【技术特征摘要】
1.基于ceemd和压缩感知的大坝安全监测数据降噪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于ceemd和压缩感知的大坝安全监测数据降噪方法,其特征在于,步骤s3包括以下步骤:
3.根据权利要求1所述的基于ceemd和压缩感知的大坝安全监测数据降噪方法,其特征在于,步骤s5中,对各信噪混合分量进行压缩的压缩比为2/3。
4.根据权利要求2所述的基于ceemd和压缩感知的大坝安全监测数据降噪方法,其特征在于,步骤s37中,阈值ε的取值范围为0.1~0.3。
5.基于ceemd和压缩感知的大坝安全监测数据降噪系统,其特征在于,包括数据采集模块、ceemd数据分解模块、样本熵筛选模块、压缩感知重构模块:
6.根据权利要求5所述的基于ceemd和压...
【专利技术属性】
技术研发人员:张礼兵,冯燕明,张帅,苏怀智,吴敏妍,徐朗,杨孟,左生龙,杨光,陈镟亦,王子成,杨洁,陈廷才,李剑萍,
申请(专利权)人:中国电建集团昆明勘测设计研究院有限公司,
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。