Um novo algoritmo de denoising articulado do hidrofone de vetor MMS

Introdução

Na exploração oceânica, através da análise e processamento do sinal recebido pelo hidrofone, a categoria de destino da fonte de som e seu ângulo relacionado, posição e outros parâmetros do estado podem ser obtidos. No entanto, diferentes ruídos e interferências serão inevitavelmente misturados no hidrofone durante a coleta de dados. Portanto, a fim de detectar, identificar e localizar o sinal, a influência dessas interferências de ruído deve ser eliminada tanto quanto possível. Existem muitos algoritmos principais paratransdutor acústico subaquáticoDenoising: Método tradicional de filtragem de Fourier, método de transformação de wavelet e método de decomposição do modo empírico. Esses algoritmos terão todo um certo efeito de denoising em sinais barulhentos, mas também têm algumas deficiências. O tradicional Wavelet Denoising tem problemas em como selecionar bases de wavelet e o número de níveis de decomposição. Um algoritmo de processamento de sinal, decomposição de modo empírico, é proposto. Este algoritmo não precisa definir a função base, mas produzirá aliasing modal, que fará com que as duas formas de onda modal intrínsecas adjacentes sejam aliasadas quando reconstruir. Ainda há muito barulho misturado. U et al. propôs um algoritmo de modo empírico coletivo para isso, adicionando ruído branco auxiliar para reduzir a influência do aliasing modal, mas não pode garantir que o ruído branco introduzido no processo de decomposição pode eliminar completamente o P1. Decomposição modal variational é um novo algoritmo de decomposição modal. O algoritmo percebe a separação efetiva das funções modais inerentes, determinando o centro de freqüência e a largura de banda de cada função modal inerente [tem uma base teórica sólida e pode resolver melhor o problema do aliasing modal. De acordo com a teoria do algoritmo VMD, antes de usar a decomposição VMD no sinal original da denoisização, o número de componentes modais FC e o termo de penalidade%% da decomposição VMD precisa ser definido com antecedência. O valor do valor FC e o valor do \"estão diretamente relacionados ao resultado final de decomposição. Se o valor de C é muito pequeno, a decomposição do sinal será insuficiente. Se o valor for muito grande, os componentes de sinal falsos serão gerados, O que causará interferência à análise dos componentes úteis do sinal original. Se um A é muito grande, a largura de banda do modal será menor, pelo contrário, se um for menor, a largura de banda do modal será maior. Portanto , a determinação do valor e desempenha um papel vital no algoritmo VMD, mas a maioria dos parâmetros do algoritmo VMD é definido com base na experiência humana como uma comparação. [Em resposta aos problemas acima, um novo método baseado no SC AP Assim é proposto. O algoritmo otimiza os parâmetros V MD FC e A, leva o erro quadrado médio do sinal reconstruído como a função de aptidão do algoritmo e encontra a soma ideal para atingir a finalidade da redução de ruído.

2 princípios básicos. O princípio da VM D é um algoritmo adaptativo não recursivo para processamento de sinal. Bandwidth restringido problema variacional correspondente ao algoritmo V MD

Algoritmo cosseno seno

Algoritmo seno e cosseno) é um novo tipo de algoritmo de otimização de inteligência de enxame detransdutor de hidrofone subaquático. Ao usar o algoritmo SCA para procurar a otimização, ele pode ser dividido em dois processos. O primeiro é um processo de exploração. O algoritmo de otimização explora rapidamente a região viável no espaço de pesquisa, combinando uma solução aleatória entre todas as soluções aleatórias, e a segunda é um processo paralelo. , A solução aleatória altera gradualmente e sua velocidade de mudança é menor que a velocidade do processo de exploração, por isso sua atualização específica.

Algoritmo de enxame de partículas

Algoritmo de enxame de partículas (é um algoritmo de otimização de inteligência de enxame. No algoritmo PSO, a direção e a distância do movimento de partículas são determinadas pela velocidade da partícula, e o ajuste dinâmico da velocidade de partícula é realizado com base na experiência de movimento de em si e outras partículas. Desta forma, a otimização da partícula no espaço solucionável é ainda mais realizada de modo que, em cada processo de iteração, a velocidade e a posição da partícula são atualizadas atualizando o extremo individual e o extremo global. A atualização específica processo. Na fórmula, é a RTH ITERAÇÃO. Quando a velocidade da partícula i-th na dimensão D é o valor ideal individual da partícula I na dimensão D na ituto; é o rodada inteira da partícula i-th na dimensão D na iteração Ith. O valor ideal; é o A; a segunda iteração?: a posição da partícula na dimensão D; W é o peso da inércia; C1 e C2 uma os fatores de aceleração, que são constantes não negativas; números aleatórios entre 0.

Princípio do limiar macio de wavelet Denoising

O princípio do limiar suave da Wavelet Denoising: Primeiro, o sinal barulhento é ortogonalmente decomposto, e os coeficientes de wavelet são obtidos após a decomposição? Em seguida, defina um limiar A e compare. Se a magnitude de dez e a, o coeficiente é produzido principalmente pelo ruído; Se o coeficiente for produzido principalmente pelo sinal. Finalmente, a transformação inversa Wavelet é realizada nos coeficientes de wavelet para obter a guerra de sinal após a denoisização. A fórmula de estimativa do limiar suave.

O algoritmo SCA-PSO-VMD-WT propôs neste documento baseia-se na análise e na base teórica. Este artigo propõe o algoritmo SCA-PSO-VMD-WT para redução de ruído. O sinal barulhento é decomposto pelo V MD para obter o componente modal, e se o componente modal é determinado com o componente de ruído, e o componente modal barulhento é selecionado para o limite de wavelet denorizando e, em seguida, o sinal é reconstruído pela separação de hidrogênio para obter o sinal denunciado. O erro quadrado médio da raiz (RMSE) do sinal reconstruído é tomado como a função de fitness do SC A-P para encontrar o FC ideal e para atingir o propósito da redução de ruído. A proposta SCA-P SO-VM d-wt A redução de ruído do algoritmo é dividida principalmente em opções W: Defina o parâmetro do método do jogo F, o número máximo de iterações é definido como 30, o número da população é definido como 20,2 posição de inicialização e velocidade . Neste artigo, os parâmetros VMD FT e A são usados ​​como o vetor de posição do algoritmo. Update a posição e a velocidade bem para calcular o valor da função de condicionamento físico. Use a fórmula para atualizar a posição, use a fórmula para atualizar a velocidade e solucione os valores ótimos e globais de função de aptidão ideal.

Experiência de simulação

O software usado no experimento neste artigo é MATLAB R20 14 O sinal de simulação é SJ JM 0 frases. Para tornar o experimento de simulação mais realista, o ruído aleatório é adicionado ao sinal de simulação. No entanto, a exploração do Oceano RTRR RTR, a intensidade do ruído de sinais acústicos subaquáticos é variável devido à influência da oceanografia oceânica e das atividades humanas. A fim de simular esta situação, este artigo irá adicionar-l, ruído branco gaussiano, os indicadores de avaliação do efeito denoisante neste artigo são erros quadrados médios raiz (RMSE) e relação sinal-ruído (SNHJ. Para comparação, o mesmo tempo.

Algoritmo

O algoritmo e o resultado denoisante do algoritmo. A figura 1 mostra o sinal original e o sinal barulhento sob decibéis diferentes. Figura. Os efeitos de denoising de diferentes algoritmos de denoisização. A Tabela 1 mostra a comparação dos índices de avaliação de denoisização.

Comparando a Figura 1 com a Figura 2-Figura 6, verifica-se que os quatro algoritmos podem efetivamente remover o ruído Gaussiano e branco no sinal barulhento sob diferentes decibéis, mas o efeito de denoisização do algoritmo de denoisização do VMD-WT é ruim, e o VMD - O método de ralinho de denoising é realizar o limite de wavelet Denoising após a decomposição do sinal barulhento da VMD, que mostra que a escolha dos parâmetros VMD para A: e A tem um efeito muito claro sobre o FI; Comparado com o algoritmo de denoising VMD-WT, os efeitos de denoisização dos algoritmos PSO-VMD-WT e SCA-VMD-WT foram melhorados em certa medida, mas da tabela 1, pode-se ser visto que o SCA-PSO-VMD -Wt Denoising Algoritmo é usado em SNR e RMS. E tem melhores resultados. .

Medição

O experimento de medição real do hidrofone de vetor de MEMS foi realizado por pesquisadores do laboratório chave da Universidade do Norte da China no segundo reservatório de Fenhe. O Hydrophone St foi fixado no banco, o transdutor foi colocado no rebocador, e a distância entre o puxão e a matriz foi gradualmente aumentar, escolher diferentes posições para ficar ancorado, usar o transdutor para transmitir o sinal e, em seguida, realizar dados coleção. Este experimento intercepta os sinais de 8000 Hz e 1 0000 Hz a 1.000 pontos para obter denoising. O sinal medido anterior. A Figura 7 e a Figura 8 são os sinais medidos e seus espectros de frequência de 800 Hz e 1000 Hz, respectivamente, e o sinal de denoisização e seus espectros de frequência.

Observação da Fig. 7 descobre que: o sinal de entrada de 80 Hz tem menos ruído de alta frequência, e a forma de onda é suave após a denoisização. O efeito denorizador desse algoritmo é bom. Observação da Fig. 8 considera que o sinal de entrada de Hz tem mais bagagens espectral, que indica que o ruído T. O ruído é grande, as características básicas do sinal de fonte de som são retidas após a denoisização, e o efeito de denoisização desse algoritmo é bom. .

para concluir

Visando o problema do ruído aleatório no sinal dosensor acústico subaquático, este artigo propõe o método de denoisização do SC A-P SO-V MD-WT. No experimento de simulação, comparando os indicadores de avaliação dos algoritmos VMD-WT, PSO-VMD-WT e SCA-VMD-WT sob diferentes decibéis, verifica-se que a SCA-PSO-VMD-WT propôs neste artigo excelente ruído Algoritmo: PVMD-WT, PSO-VMD-WT e Algoritmos SCA-VMD-WT. Portanto, o algoritmo de denoisização SCA-PSO-VMD-WT propôs neste documento pode ser usado para denoise os dados de sinal medidos. Os resultados mostram que: o efeito de denoisização do algoritmo SCA-PSO-VMD-WT é claro, indicando que o método proposto neste artigo tem um efeito de denoisização. Tem uma certa referência.