[发明专利]一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法

说明书

技术领域

本发明涉及一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其可以对声学振动法检测瓷绝缘子的数据的混入的噪声进行消除，避免了噪声对分类结果的影响。

背景技术

对绝缘子进行振动声学法检测时，储存的检测结果数据为WAV格式的声音文件，在检测过程中的多种因素会使检测数据中混入随机噪声的信号，这些噪声信号的存在直接影响着检测结果的分类准确性和可靠性，影响着对瓷绝缘子机械性能状态的评估。因此迫切需要一种可对混入的随机噪声信号进行有效滤除的方法。        

近年来，基于小波分解和重构的信号去噪处理得到了广泛应用，并显示出比传统傅里叶分析更优越的性质。由于噪声干扰后的信号可能包含许多尖峰和突变，采用传统傅里叶分析不能给出信号在某个时间点上的变化，而信号在时间轴上的任何一个突变都会影响信号的整个图谱。小波分析能同时在时频域中对信号进行多分辨率分析，在低频部分具有较高的频率分辨率，在高频部分具有较高的时间分辨率，所以能同时有效区分信号中的突变部分和噪声，可以依据合理的阈值函数及阈值对小波系数进行处理从而实现信号去噪。

发明内容

本发明要解决的技术问题是提供一种消噪效果好、可提高分类准确性的基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法。

为解决上述技术问题，本发明所采取的技术方案是：一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其包括以下步骤：

1）使用振动声学法对瓷绝缘子进行检测，获取含噪声的瓷绝缘子振动响应信号；

2）对含噪声的瓷绝缘子振动响应信号选择合适的小波基函数后进行多分辨率小波分解，将振动响应从时域变换到小波域；

3)选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；

4) 进行小波重构，将经过去噪处理后的振动响应从小波域变换回时域；

5）存储经过去噪处理的振动响应。

上述步骤所述步骤2）中的小波基函数为db4小波基函数；所述小波分解是基于多分辨分析的快速算法，即将小波变换转化为滤波运算。

上述快速算法为小波分析法或者小波包分析法，其对各层的小波系数进行分解。

小波包分析法对各层的小波系数进行分解能更加准确的区分噪声和有用信息。从滤波器的角度，小波包变换和小波变换没有本质区别，只是在原有的基础上按同样的方法对细节系数进行分解。但是单纯的把所有的系数都进行分解对去噪没有帮助，小波包变换的基本思想是为了让信号信息能量集中，在细节系数中寻找有序性，把其中的规律提取出来，所以需要对分解系数进行优化选择。同小波一样，小波包基库也是由许多小波包基组成的，不同的小波包基有不同的性质，能反映信号的不同特征。

上述步骤3）中的阈值函数和阈值选取方法包括软阈值法或硬阈值法。

本发明的原理是：本发明采用小波分解阈值去噪重构技术，将瓷绝缘子振动声学法检测获得的数据文件通过小波分解，得到小波分解系数，再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的。

小波变换是一种信号的时频分析，它具有多分辨分析的特点。能够逐层将信号分解成高频和低频分量，且分解后具有明显不同的传播特性，因此可以通过对瓷绝缘子声学振动法检测数据进行分解使用软阈值方法滤噪后重构而进行降噪，对噪声信号具有较好的去除效果。

常用的信号为时间的序列，对于小波分解而言属于一维信号。一维信号的小波分解过程是使原始信号分别进行低通、高通滤波，再分别进行二元抽样，就得到低频、高频（也称为平均、细节）两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。过程参见附图1，其中a为小波近似，d为小波细节。原始信号S=a+d。

小波变换具有一种“集中”的能力，信号经小波变换后，真实信号产生的小波系数的幅值较大，数目较少；而噪声产生的小波系数数目较多、幅值较小。基于小波变换的上述特点，Donoho提出了小波阈值去噪，该算法通过在不同尺度上选取合适的阈值，将小波系数进行阈值处理，剔除较小的小波系数，保留较大的小波系数，从而使信号中的噪声得到抑制，最后进行小波反变换，得到真实信号的最优估值。参见附图2，图中参数说明：x为原始信号；                                                为小波变换；w为变换后的小波系数；y为小波系数，n为尺度系数；为调整后的小波系数；为小波逆变换；为经过小波分解降噪后的信号。