[发明专利]一种钢轨裂纹声发射信号去噪及特征提取方法

说明书

本发明公开一种钢轨裂纹声发射信号去噪及特征提取方法，包括步骤：由监测分机将采集到的数据进行预处理；对采集信号进行独立源数目估计；对采集信号进行升维得到感知信号，直到总感知信号满足独立源数目；对感知信号进行独立成分分析处理，得到独立源信号；对独立源信号通过自适应匹配方法进行幅度恢复；对恢复后的独立源信号通过奇异值分解方法进行分类，并判断每个独立源信号是否具有声发射信号；若为有声发射信号，求解声发射信号的数字特征，并根据数字特征进行不同的响应，并通过监控主机发送至监控中心。本发明利用独立成分分析实现声发射信号和噪音信号的分离；对钢轨裂纹的监测更加全面且更加精确可靠。

技术领域

本发明属于钢轨信号采集技术领域，特别是涉及一种钢轨裂纹声发射信号去噪及特征提取方法。

背景技术

现有的应用钢轨裂纹声发射信号的采集方法主要有工作模态法和主动导波法，但这两种方法都存在各自的缺点。其中，工作模态法：对局部伤损不敏感，无法精确且全面的监测到钢轨裂纹的声发射信号；而主动导波法：存在很大的盲区，监测不全面。

在信号处理方面目前对于钢轨裂纹声发射信号的处理方法主要有滤波器或者滤波器组和小波分析等方法。

滤波器或者滤波器组方面本质上是二阶统计量方法，计算精度低，对信号的噪音处理质量差。

小波分析是一种优秀的确知非平稳信号分析的数学工具，并已成功应用于很多领域。但是，在我们这个系统中，在分析确知非平稳信号之前，我们需要的是对信号的有效过滤，而背景噪音在频域和钢轨声发射信号的频域完全重叠，而这个工作是小波分析不能胜任的。

发明内容

为了解决上述问题，本发明提出了一种钢轨裂纹声发射信号去噪及特征提取方法。

利用独立成分分析实现声发射信号和噪音信号的分离，通过数字特征矩阵的奇异值分解实现声发射信号和其他信号的聚类，通过最优化技术求解声发射信号的幅度，通过联合数字特征实现自动响应。

为达到上述目的，本发明采用的技术方案是：

一种钢轨裂纹声发射信号去噪及特征提取方法，包括步骤：

S100：由监测分机将采集到的数据进行预处理得到采集信号；

S200：对采集信号进行独立源数目估计；

S300：对采集信号进行升维得到感知信号，直到总感知信号满足所估计的独立源数目；

S400：对感知信号进行独立成分分析，得到独立源信号；

S500：对独立源信号通过自适应匹配方法进行幅度恢复；

S600：对恢复后的独立源信号通过奇异值分解方法进行分类，并判断每个独立源信号是否具有声发射信号；

S700：如果为有声发射信号，求解声发射信号的数字特征，并根据数字特征进行响应，并通过监控主机发送至监控中心。

进一步的是，步骤S100中的预处理方法采用信号中心化处理方法；采用压电能量法采集钢轨声发射信号。

进一步的是，步骤S200中的独立源数目估计方法采用FFT方法。

进一步的是，步骤S300中升维方法采用Gabor变换。

进一步的足，步骤S300具体包括步骤：

S301：对采集信号进行Gabor变换，得到幅度系数和相位系数；

S302：对所述相位系数进行重构；

S303：对所述幅度系数和重构后的相位系数进行Gabor逆变换，得到新的感知信号；