[發(fā)明專利]一種用于橋梁結(jié)構(gòu)監(jiān)測(cè)的數(shù)據(jù)降噪方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910832806.X
• 申請(qǐng)日: 2019-09-04
• 公開(kāi)（公告）號(hào): CN110598615B
• 公開(kāi)（公告）日: 2022-08-23
• 發(fā)明（設(shè)計(jì)）人: 劉祥磊;王輝;劉子奇;袁田玉閣;蔡迪
• 申請(qǐng)（專利權(quán)）人: 北京建筑大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 苗曉靜

本發(fā)明實(shí)施例提供一種用于橋梁結(jié)構(gòu)監(jiān)測(cè)的數(shù)據(jù)降噪方法及系統(tǒng)。該方法包括獲取原始觀測(cè)信號(hào)；將原始觀測(cè)信號(hào)進(jìn)行極點(diǎn)對(duì)稱模態(tài)分解，得到分解固有模態(tài)分量和殘差分量；采用盲源分離算法對(duì)分解固有模態(tài)分量和殘差分量進(jìn)行分離，得到分離信號(hào)；對(duì)分離信號(hào)進(jìn)行頻域轉(zhuǎn)換，得到頻域轉(zhuǎn)換結(jié)果，根據(jù)頻域轉(zhuǎn)換結(jié)果中的噪聲頻率得到噪聲分量；去除噪聲分量，并對(duì)分解固有模態(tài)分量和殘差分量進(jìn)行逆向重構(gòu)，得到重構(gòu)信號(hào)分量；計(jì)算分解固有模態(tài)分量和原始觀測(cè)信號(hào)的斯皮爾曼系數(shù)，確定預(yù)設(shè)閾值；根據(jù)預(yù)設(shè)閾值，將重構(gòu)信號(hào)分量進(jìn)行累加，得到去除噪聲信息的信號(hào)數(shù)據(jù)。本發(fā)明實(shí)施例通過(guò)將模態(tài)分解和盲源分離相結(jié)合，有效實(shí)現(xiàn)對(duì)橋梁監(jiān)測(cè)數(shù)據(jù)進(jìn)行分解、去噪和重構(gòu)。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種用于橋梁結(jié)構(gòu)監(jiān)測(cè)的數(shù)據(jù)降噪方法及系統(tǒng)。

背景技術(shù)

橋梁結(jié)構(gòu)監(jiān)測(cè)是確保橋梁安全運(yùn)行的關(guān)鍵環(huán)節(jié)，而監(jiān)測(cè)數(shù)據(jù)中必然存在噪聲信息，對(duì)橋梁監(jiān)測(cè)數(shù)據(jù)進(jìn)行降噪是十分必要的。極點(diǎn)對(duì)稱模態(tài)分解(ESMD)是現(xiàn)有實(shí)現(xiàn)數(shù)據(jù)降噪的方法之一，該算法是希爾伯特-黃變換的新發(fā)展，與傅里葉變換和小波變換相比，其重大革新之處在于無(wú)基方式，用一個(gè)簡(jiǎn)單的分解規(guī)則代替了基函數(shù)的構(gòu)造，其篩選過(guò)程只遵循一個(gè)簡(jiǎn)單的對(duì)稱規(guī)則，容許誤差和篩選次數(shù)的選取帶有一定的經(jīng)驗(yàn)性，適用于分析非線性、非平穩(wěn)信號(hào)，已成功地應(yīng)用于多種土木工程結(jié)構(gòu)監(jiān)測(cè)數(shù)據(jù)分析中，但在使用中依然存在一些問(wèn)題：(1)分解后的低頻模態(tài)中還存在部分高頻信息；(2)分解后的高頻模態(tài)中還存在部分低頻信息。

盲源分離(BSS)技術(shù)可以在沒(méi)有任何先驗(yàn)信息、不同信號(hào)的混合模型未知的前提下，對(duì)不同傳感器所采集的同一時(shí)域的多個(gè)源信號(hào)進(jìn)行分離。二階盲辨識(shí)(SOBI)算法是一種相對(duì)魯棒的盲源分離方法，它使用樣本數(shù)據(jù)的二階統(tǒng)計(jì)量(具有不同時(shí)間延遲的相關(guān)矩陣)和源信號(hào)的時(shí)序結(jié)構(gòu)特征來(lái)實(shí)現(xiàn)不同源信號(hào)的盲分離。該方法利用白化處理、聯(lián)合對(duì)角化技術(shù)實(shí)現(xiàn)不同源信號(hào)的分離。白化處理用以去除不同分量間的二階相關(guān)性，聯(lián)合對(duì)角化技術(shù)用以計(jì)算正交矩陣，并依據(jù)正交矩陣計(jì)算源信號(hào)的估計(jì)值和混合矩陣的估計(jì)值。該方法目前已廣泛應(yīng)用于機(jī)械故障診斷、信號(hào)處理、模式識(shí)別等領(lǐng)域，但在實(shí)際應(yīng)用中存在一些問(wèn)題：首先，由于缺少先驗(yàn)信息，在無(wú)任何前提假設(shè)和更多信息的情況下，盲源分離問(wèn)題就會(huì)出現(xiàn)存在多解問(wèn)題；其次，即使對(duì)數(shù)據(jù)進(jìn)行了相關(guān)基本假設(shè)和約束條件，盲源分離問(wèn)題仍然會(huì)存在兩個(gè)不確定性，即恢復(fù)的源信號(hào)的幅度不確定性和源信號(hào)各分量次序的不確定性。

因此，為了解決上述問(wèn)題，需要提出一種用于橋梁健康監(jiān)測(cè)數(shù)據(jù)的去噪處理的方法。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種用于橋梁結(jié)構(gòu)監(jiān)測(cè)的數(shù)據(jù)降噪方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中數(shù)據(jù)分解信號(hào)混雜，重構(gòu)信號(hào)無(wú)法較好的復(fù)原等缺陷。

第一方面，本發(fā)明實(shí)施例提供一種用于橋梁結(jié)構(gòu)監(jiān)測(cè)的數(shù)據(jù)降噪方法，包括：

獲取橋梁結(jié)構(gòu)監(jiān)測(cè)的原始觀測(cè)信號(hào)；

將所述原始觀測(cè)信號(hào)進(jìn)行極點(diǎn)對(duì)稱模態(tài)分解，得到分解固有模態(tài)分量和殘差分量；

采用盲源分離算法對(duì)所述分解固有模態(tài)分量和所述殘差分量進(jìn)行分離，得到分離信號(hào)；

對(duì)所述分離信號(hào)進(jìn)行頻域轉(zhuǎn)換，結(jié)合噪聲頻率得到噪聲分量；

去除所述噪聲分量，并對(duì)所述分解固有模態(tài)分量和所述殘差分量進(jìn)行逆向重構(gòu)，得到恢復(fù)幅值的固有模態(tài)分量和殘差分量；

計(jì)算所述分解固有模態(tài)分量和所述原始觀測(cè)信號(hào)的斯皮爾曼系數(shù)，確定預(yù)設(shè)閾值；

根據(jù)所述預(yù)設(shè)閾值，將所述恢復(fù)幅值的固有模態(tài)分量和殘差分量進(jìn)行累加，得到去除噪聲信息的信號(hào)數(shù)據(jù)。

其中，所述將所述原始觀測(cè)信號(hào)進(jìn)行極點(diǎn)對(duì)稱模態(tài)分解，得到分解固有模態(tài)分量和殘差分量，具體包括：

101，獲取所述原始觀測(cè)信號(hào)的所有極值點(diǎn)，將所述所有極值點(diǎn)記為E_i，i＝1,2,3,…,m；