[发明专利]一种混合噪声干扰下微弱脉冲信号检测方法

说明书

技术领域

本发明涉及信号处理方法研究领域，特别涉及一种在混合噪声干扰下检测微弱脉冲信号的方法。

背景技术

微弱信号通常是指深埋在噪声干扰中极其微弱的有用信号，这里的微弱主要表示有用信号的能量或幅值因相对于噪声干扰能量或幅值较小而淹没在噪声干扰中。目前，微弱信号处理技术在通信工程、电子对抗、生物医学等领域的微弱周期信号检测中已得到广泛应用，且取得了显著成效。而在实际工程应用领域，还有大量的脉冲信号需要检测，比如地震勘探、故障诊断、无损检测等工程应用中产生的脉冲回波信号、放电脉冲信号、振动冲击信号、超声脉冲信号等，在上述脉冲信号的检测过程中，受实测环境下背景噪声干扰、信号传播衰减以及测试系统灵敏度等因素的影响，均会导致待检测脉冲信号被噪声干扰淹没的情况出现，即实测信号的信噪比显著降低，无法直接判断待检测脉冲信号是否存在，从而严重影响其特征信息的准确提取。在信号处理领域，高阶统计量在抑制高斯噪声、反映非高斯信号特性方面具有显著优势，并得到广泛关注和应用。比如，零均值、零时滞的四阶累积量即峰态对非高斯信号就非常敏感，能够有效描述信号偏离高斯分布的程度。由于脉冲信号具有典型的非高斯特性，因此有科研人员将基于四阶累积量的滑动峰态算法应用在机械故障弱冲击信号的处理和特征提取中。例如，《振动与冲击》第28卷第4期中《基于滑动峰态算法的信号弱冲击特征提取及应用》给出了滑动峰态算法原理，同时，杨富春等人认为机械故障振动信号中往往含有故障引起的弱冲击成分,冲击信号具有显著的非高斯特性,而零时滞四阶累积量即峰态能够描述信号偏离高斯分布的程度；基于峰态这一特性,提取一种基于滑动峰态算法的弱冲击特征提取方法,首先对原信号进行滑动峰态计算,获得一个新的峰态时间序列,然后对该峰态时间序列进行傅里叶变换,提取出信号中冲击成分的频率特征。通过强背景信号及噪声环境下弱冲击特征提取的仿真研究,证明了该方法具有很好的冲击特征提取能力。

在这些现有滑动峰态算法中，滑动窗宽度的取值对微弱脉冲信号的检测结果有直接影响，而滑动窗宽度值的最优取值可以根据峰态值最大化原则计算得到，且其在计算信号的滑动峰态时间序列时是固定不变的。但在实际应用中发现，背景噪声干扰对最优滑动窗宽度的取值确定影响较大，不同类型、甚至同类型不同强度的噪声干扰信号，均会影响最优滑动窗宽度值的计算结果，从而直接影响微弱脉冲信号检测结果。因此，现有滑动峰态算法在混合噪声干扰下对微弱脉冲信号的检测性能会显著劣化，无法达到预期的检测效果。

发明内容

本发明要解决的技术问题是提供一种能够在混合噪声干扰下提取微弱脉冲信号的检测方法，以提高测试系统在低信噪比条件下对微弱脉冲信号的检测能力。

为解决上述技术问题，本发明提供了一种混合噪声干扰下检测微弱脉冲信号的方法，其关键技术在于：其包括下述步骤：

第一步：对实测信号进行一维多尺度小波分解，即通过一维小波变换将实测信号分解为N层，并利用小波分解系数对信号的高频部分进行重构，得到N个高频重构信号dj(j＝1,2,...,N)和1个低频重构信号a；

其中，在进行多尺度小波分解时，小波基函数的选择根据待检测脉冲信号的先验知识来确定；小波分解层数N的选择根据待检测脉冲的提取结果来确定，具体来说，就是当待检测脉冲的提取结果随分解层数N的增加不再发生变化时，此时的N就是满足要求的最小且最优分解层数；N个高频重构信号dj(j＝1,2,...,N)中，d1的分布频段最高，dN的分布频段最低，其余各重构信号按照分布频段从高到低依次排序；

第二步，对重构信号dj(j＝2,3,...,N)分别进行滑动峰态处理，并得到相应的滑动峰态时间序列cj(j＝2,3,...,N)；

其中，滑动峰态处理方法为：对于一个具有n个采样点的实测信号x(i)(i＝1,2,...,n),峰态值c_4x定义为c_4x＝E[x⁴(i)]-3{E[x²(i)]}²，滑动峰态定义为这里表示对x(i)到x(i+L-1)的L个点计算峰态值并取绝对值,利用滑动峰态遍历实测信号x(i)后，就得到与x(i)相对应的滑动峰态时间序列c(i)。这里L是计算滑动峰态时选取的滑动窗宽度，它的取值根据峰态值最大化原则来确定，具体来说，就是对应不同的L值，当滑动峰态时间序列中计算得到的峰态值最大时所对应的L值就是最优的滑动窗宽度；