[发明专利]基于改进胶囊网络的多频带谱减法振动信号去噪方法

说明书

本发明公开了一种基于改进胶囊网络的多频带谱减法振动信号去噪方法。该方法的主要步骤为：1、获取两路振动信号，分别为含噪振动信号以及纯净振动信号；2、对含噪振动信号进行加窗，分帧，傅里叶变换得到含噪振动信号的幅度谱和相位谱；3、将含噪振动信号的幅度谱切割成任意不重复且彼此互不干扰的多个子带；4、采用谱减法对每个子带中含噪振动信号进行初步去噪，获得初步去噪后的振动信号；5、采用神经网络对初步去噪后的振动信号进行二次去噪。通过该方法结合了谱减法易于实现和理解的优点以及深度神经网络强大学习能力的特点，避免了噪声种类繁多的问题，同时也大大提升了去噪效果。

技术领域

本发明涉及一种噪声处理方法，特别涉及一种基于改进胶囊网络的多频带谱减法振动信号去噪方法。

背景技术

由于工业现场环境复杂，在振动信号采集时混入噪声是无法避免的，这样就造成了振动信号特征提取及分析的不准确或不可靠，工作人员就不能准确检测设备的运行状况，更不能准确分析判断设备的安全性。在对振动信号进行特征提取及相关分析前，需要进行降噪处理。利用经过处理分析的信号，可以迅速、准确地对设备出现的异常状态或故障状态做出诊断、预防和消除，对设备的运行进行必要的指导，提高设备的可靠性、安全性和有效性，从而将故障损失降到最低水平。

传统的谱减算法简单高效，其基本思路是，从带噪信号的功率谱中减去估计到的噪声功率谱，从而得到纯净的信号频谱。谱减法物理意义直接，实现简单，相对于其它一些基于参数统计及训练的方法，运算量小，在实时性方面具有突出的优势，同时降噪效果也不错。

传统的谱减算法中噪声估计采用无振动信号段噪声的统计平均代替当前帧的噪声，但在实际检测中，这种理想的平稳噪声几乎不存在，对于有振动信号部分，由于噪声和振动信号叠加在一起，如果仅使用无振动信号段噪声的统计平均代替当前帧的噪声，在进行功率谱相减时，会残留谱峰，这些谱峰会产生新的残余噪声,该残余噪声在频域上成为离散的谱峰，相应地在时域上就呈现出类正弦信号的叠加，这种残余噪声就是“音乐噪声”。“音乐噪声”的产生会降低振动信号的去噪效果。

发明内容

为了解决采用传统的谱减算法对振动信号进行去噪时会产生新的残余噪声，从而大大降低振动信号去噪效果的问题，本发明提供给了一种基于改进胶囊网络的多频带谱减法振动信号去噪方法。

本发明的具体技术方案是：

提供了一种基于改进胶囊网络的多频带谱减法振动信号去噪方法，具体实现步骤如下：

步骤1：获取两路振动信号，分别为含噪振动信号y(n)以及纯净振动信号x(n)；

其中，含噪振动信号y(n)是由纯净振动信号x(n)和加性噪声d(n)组成，其表达式为：

y(n)＝x(n)+d(n)

式中，n表示采样点；

步骤2：对含噪振动信号进行加窗，分帧，傅里叶变换得到含噪振动信号的幅度谱|Y(f)|和相位谱f表示频率；

步骤3：将含噪振动信号的幅度谱|Y(f)|切割成任意不重复且彼此互不干扰的多个子带；

步骤4：采用谱减法对每个子带中含噪振动信号进行初步去噪，获得初步去噪后的振动信号；

步骤4.1：任意子带K的第1帧信号的处理

步骤4.1.1：设置第1帧噪声信号幅度谱估计值并将其代入谱减公式计算第1帧去噪振动信号幅度谱估计值

其中，|Y₁(f)|为第1帧含噪振动信号的幅度谱，δ为减法因子，β为谱下限参数；

步骤4.1.2：给定第1帧自适应平滑参数c₁，c₁＝min[θ,1]，θ为平滑控制常数，θ＞0；