[發(fā)明專利]一種基于VMD的時(shí)域載荷信號(hào)的去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911244561.5
• 申請(qǐng)日: 2019-12-06
• 公開(kāi)（公告）號(hào): CN111144230B
• 公開(kāi)（公告）日: 2023-06-20
• 發(fā)明（設(shè)計(jì)）人: 付景靜;牛文鐵;才福友
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06F18/10
• 分類號(hào): G06F18/10;G06F123/02;G06F17/14
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李林娟

本發(fā)明公開(kāi)了一種基于VMD的時(shí)域載荷信號(hào)的去噪方法，所述方法包括以下步驟：利用消除趨勢(shì)波動(dòng)分析算法獲取時(shí)域載荷信號(hào)的分形標(biāo)度值；通過(guò)所述分形標(biāo)度值獲取歸一化互信息閾值，并通過(guò)互信息準(zhǔn)則和VMD將時(shí)域載荷信號(hào)自適應(yīng)地分解為一系列有限帶寬的模態(tài)函數(shù)；計(jì)算各模態(tài)分量的加權(quán)排列熵，并根據(jù)加權(quán)排列熵選出相關(guān)模態(tài)分量；累加所有相關(guān)模態(tài)分量，得到去噪后的信號(hào)。本發(fā)明能夠自適應(yīng)地確定VMD模態(tài)數(shù)量，并通過(guò)加權(quán)排列熵識(shí)別相關(guān)模態(tài)分量對(duì)時(shí)域載荷信號(hào)去噪，進(jìn)而提升強(qiáng)背景噪聲與復(fù)雜電磁干擾下時(shí)域載荷信號(hào)的分析精度。

技術(shù)領(lǐng)域

本發(fā)明涉及信號(hào)處理技術(shù)領(lǐng)域，尤其涉及一種基于VMD(變分模態(tài)分解)的時(shí)域載荷信號(hào)的去噪方法。

背景技術(shù)

疲勞破壞是工程結(jié)構(gòu)與機(jī)械失效的主要原因之一，對(duì)機(jī)械結(jié)構(gòu)進(jìn)行疲勞耐久性分析具有重要意義，而實(shí)測(cè)載荷信號(hào)是疲勞耐久分析的基礎(chǔ)。聯(lián)合收割機(jī)的工作環(huán)境復(fù)雜多變，其測(cè)試信號(hào)具有非平穩(wěn)且含有大量噪聲的特征，有效去除噪聲，獲取真實(shí)載荷信號(hào)具有重要意義。

目前常用的工程信號(hào)去噪方法主要包括小波閾值去噪(WTD)、經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)等。其中，WTD的去噪效果過(guò)分依賴于小波基與分解層數(shù)的選取，且其對(duì)低信噪比的信號(hào)去噪效果較差；EMD雖可以將信號(hào)自適應(yīng)地分解為多個(gè)模態(tài)函數(shù)，但是其自身存在的模態(tài)混疊缺陷嚴(yán)重制約了其信號(hào)分解能力，同時(shí)也限制了其去噪能力。

VMD作為一種新興的自適應(yīng)信號(hào)分解方法，通過(guò)迭代求解變分問(wèn)題將信號(hào)分解為一組有限帶寬的模態(tài)函數(shù)，有效地解決了模態(tài)混疊問(wèn)題，同時(shí)具有很好的噪聲魯棒性。但是，VMD在使用前必須給定模態(tài)數(shù)量，如果模態(tài)數(shù)量選擇過(guò)小，很難將信號(hào)中的各分量分解開(kāi)，如果其選擇過(guò)大，則將會(huì)產(chǎn)生虛假信息。

因此，VMD模態(tài)數(shù)量的選擇對(duì)于信號(hào)去噪效果具有重要影響。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于VMD的時(shí)域載荷信號(hào)的去噪方法，本發(fā)明能夠自適應(yīng)地確定VMD模態(tài)數(shù)量，并通過(guò)加權(quán)排列熵識(shí)別相關(guān)模態(tài)分量對(duì)時(shí)域載荷信號(hào)去噪，進(jìn)而提升強(qiáng)背景噪聲與復(fù)雜電磁干擾下時(shí)域載荷信號(hào)的分析精度，詳見(jiàn)下文描述：

一種基于VMD的時(shí)域載荷信號(hào)的去噪方法，所述方法包括以下步驟：

利用消除趨勢(shì)波動(dòng)分析算法獲取時(shí)域載荷信號(hào)的分形標(biāo)度值；

通過(guò)所述分形標(biāo)度值獲取歸一化互信息閾值，并通過(guò)互信息準(zhǔn)則和VMD將時(shí)域載荷信號(hào)自適應(yīng)地分解為一系列有限帶寬的模態(tài)函數(shù)；

計(jì)算各模態(tài)分量的加權(quán)排列熵，并根據(jù)加權(quán)排列熵選出相關(guān)模態(tài)分量；

累加所有相關(guān)模態(tài)分量，得到去噪后的信號(hào)。

其中，所述互信息準(zhǔn)則為：

其中，δ為互信息閾值；α₀為分形標(biāo)度值。

進(jìn)一步地，所述通過(guò)互信息準(zhǔn)則和VMD將時(shí)域載荷信號(hào)自適應(yīng)地分解為一系列有限帶寬的模態(tài)函數(shù)具體為：

選取模態(tài)數(shù)量K＝2，對(duì)時(shí)域載荷信號(hào)分解為一系列模態(tài)分量，且各模態(tài)分量均具有有限帶寬

計(jì)算各模態(tài)分量與原始信號(hào)的互信息值；

將上述互信息值進(jìn)行歸一化，作為衡量VMD各分量與原信號(hào)相關(guān)程度的標(biāo)準(zhǔn)；

判斷歸一化互信息值與互信息閾值的關(guān)系，當(dāng)δ_l小于某一指定互信息閾值時(shí)，可認(rèn)為分解出的某分量不再含有重要信息，此時(shí)的K值將作為最佳模態(tài)數(shù)量。否則，K＝K+1，重復(fù)上述步驟。

具體實(shí)現(xiàn)時(shí)，所述計(jì)算各模態(tài)分量的加權(quán)排列熵，并根據(jù)加權(quán)排列熵選出相關(guān)模態(tài)分量具體為：

計(jì)算各模態(tài)分量的加權(quán)排列熵；