[发明专利]用于微弱盲信号去噪与提取的信号增强器及方法有效
申请号: | 201910618437.4 | 申请日: | 2019-07-10 |
公开(公告)号: | CN110459197B | 公开(公告)日: | 2021-09-24 |
发明(设计)人: | 沈毅;郝秋实;王艳;章欣;王康伟;楼云江 | 申请(专利权)人: | 哈尔滨工业大学(深圳);哈尔滨工业大学 |
主分类号: | G10K11/16 | 分类号: | G10K11/16;G10L25/48;G10L25/51;G01N29/14;G01N29/40;G01N29/44 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 赵学超 |
地址: | 518000 广东省深圳市南*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 微弱 信号 提取 增强 方法 | ||
本发明涉及一种信号增强器,包括:延时模块;自适应滤波器,用于输出目标信号;以及参数调节模块,用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。基于该信号增强器的信号去噪和提取方法包括:将输入信号经过延时环节后,输入到自适应滤波器;通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节;和通过参数优化后的自适应滤波器输出去噪后的目标信号。本发明还涉及一种包含所述信号增强器的信号检测系统。本发明具有如下优点:1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪;2)适合目标信号未知的盲信号提取;3)能够提取目标信号的时域波形和全部频率成分。
技术领域
本发明涉及一种改进的信号增强器,以及基于所述增强器的信号去噪与提取的方法。此外,本发明还涉及包含所述增强器的信号检测系统。本发明的方案尤其适用对混有强噪声的微弱盲信号进行去噪和提取。
背景技术
高速铁路具有速度快、运输效率高、舒适性强、污染小等特点,现已成为国际客运发展的共同趋势,在中、英、法、日、德、意等国投入运营。然而随着高速铁路的飞速发展,不断提升的车速、运输量及载重使随机的轮轨滚动接触疲劳裂纹成为威胁高速铁路安全运营的重要问题。
现有检测技术及方式存在检测速度低、无法避免检测盲区、对微小伤损不敏感的固有缺陷,不满足高速铁路的轮轨探伤需求。声发射技术作为被动式动态无损检测技术,具有敏感性强、实时性好、对被测物几何要求低等优势,可用于轮轨健康监测和伤损检测。如在Lu Zhou等人的标题为“Contemporary Inspection and Monitoring for High-SpeedRail System”的文献(http://dx.doi.org/10.5772/intechopen.81159)中讨论了声发射技术以及其它检测技术在高速铁路系统检测上的应用。
此外,近些年的研究发现,轮轨滚动噪声的幅值远大于可测伤损信号的幅值且与车速呈现较强的正相关。除此之外,轮轨滚动噪声与伤损信号的频带部分重叠,无法通过简单的滤波处理达到伤损检测的目的。可见,行车过程中不可避免的轮轨滚动噪声是阻碍声发射技术应用于高速铁路实时探伤的关键问题。该问题的研究对轮轨滚动噪声的去除以及伤损的检测具有重要意义。而这类问题对所用的噪声去除方案提出了新要求。在噪声幅值远大于目标伤损信号幅值且二者频谱有重叠的情况下,需要一种能够实现对强噪声的去除及盲目标信号(其中,“盲”是指目标信号未知、无目标信号的先验信息)提取的方案。
发明内容
为了提取频谱有重叠的强噪微弱盲信号,本发明提供一种信号去噪与提取的技术方案。所述方案能够从较强的噪声中提取出微弱的盲目标信号,滤波过程无需目标信号的先验信息,在噪声将目标信号全部淹没且二者频谱部分重叠的情况下,能够提取出目标信号的时域波形和全部频率成分,为目标伤损特征提取与分类诊断奠定基础。
本发明的第一方面提供一种信号增强器,包括:与所述增强器的信号输入端连接的延时模块;与所述延时模块的输出端连接的自适应滤波器,用于输出目标信号;以及参数调节模块,用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。所述参数调节模块包括:与所述信号输入端和所述自适应滤波器的输出端连接的收敛指标操作单元,用于将所述信号增强器的输入信号与所述自适应滤波器的输出信号之间误差信号的最小均方值作为所述收敛指标;与所述自适应滤波器的输出端连接的不规则性指标操作单元,通过Hurst指数的时间函数构成离散时间序列的不规则性指标;以及与所述收敛指标操作单元和所述不规则性指标操作单元连接的迭代运算单元,用于通过代价函数Jw=Cw+λHw,迭代计算所述自适应滤波器的参数
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学(深圳);哈尔滨工业大学,未经哈尔滨工业大学(深圳);哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910618437.4/2.html,转载请声明来源钻瓜专利网。