Ein neuer gemeinsamer Denoising -Algorithmus von MMS -Vektorhydrophon

Einführung

Bei der Ozeanxploration können durch die Analyse und Verarbeitung des vom Hydrophon empfangenen Signals die Zielkategorie der Schallquelle und dessen verwandte Winkel, Position und andere Zustandsparameter erhalten werden. Während der Datenerfassung werden jedoch unterschiedliche Geräusche und Interferenzen unweigerlich in das Hydrophon gemischt. Um das Signal weiter zu erkennen, zu identifizieren und zu lokalisieren, muss der Einfluss dieser Rauschinterferenz so weit wie möglich beseitigt werden. Es gibt viele Hauptalgorithmen fürUnterwasser akustischer WandlerSignal -Denoising: Traditionelle Fourier -Filtermethode, Wavelet -Transformationsmethode und empirische Modus -Zersetzungsmethode. Diese Algorithmen werden alle eine gewisse Denoisierung auf lautende Signale haben, aber sie haben auch einige Mängel. Traditionelle Wavelet -Denoising hat Probleme bei der Auswahl von Wavelet -Basen und der Anzahl der Zersetzungsniveaus. Ein Signalverarbeitungsalgorithmus, der empirische Modus -Zersetzung, wird vorgeschlagen. Dieser Algorithmus muss nicht die Basisfunktion festlegen, aber er erzeugt modales Aliasing, wodurch die beiden benachbarten intrinsischen Modalfunktionswellenwellen beim Rekonstruktion aliaisiert werden. Es gibt immer noch viel Lärm. U et al. schlug einen kollektiven empirischen Modus -Algorithmus dafür vor, der ein Hilfsrauschen hinzufügte, um den Einfluss des modalen Aliasings zu verringern. Es kann jedoch nicht garantieren, dass das im Zersetzungsprozess eingeführte weiße Rauschen P1 vollständig beseitigen kann. Variationsmodal -Zersetzung ist ein neuer modaler Zersetzungsalgorithmus. Der Algorithmus realisiert die effektive Trennung der inhärenten Modalfunktionen, indem die Frequenzzentrale und die Bandbreite jeder inhärenten Modalfunktion bestimmt werden [hat eine solide theoretische Grundlage und kann das Problem des modalen Aliasings besser lösen. Nach der Theorie des VMD -Algorithmus muss die Anzahl der Modalkomponenten FC und der Strafbegriff der VMD -Zersetzung im Voraus festgelegt werden Der Wert von FC und der Wert des \"Wert stehen in direktem Zusammenhang mit dem endgültigen Zersetzungsergebnis. Wenn der Wert von C zu klein ist, ist die Signalabteilung unzureichend. Wenn der Wert zu groß ist, werden falsche Signalkomponenten generiert, Dies führt zu Störungen der Analyse der nützlichen Komponenten des ursprünglichen Signals. Wenn a zu groß ist, ist die Bandbreite des Modals kleiner, im Gegenteil, wenn a kleiner ist, ist die Bandbreite des Modals größer. Daher. Die Bestimmung des Wertes und spielt eine wichtige Rolle im VMD-Algorithmus, aber die meisten Parameter des VMD So wird vorgeschlagen. Der Algorithmus optimiert die V -MD -Parameter FC und A, nimmt den mittleren quadratischen Fehler des rekonstruierten Signals als Fitnessfunktion des Algorithmus an und findet die optimale Summe, um den Zweck der Rauschreduzierung zu erreichen.

2 Grundprinzipien. Das Prinzip von VM D ist ein nicht rekursiver adaptiver Algorithmus für die Signalverarbeitung. Bandbreiten eingeschränkte Variationsproblem, das dem V -MD -Algorithmus entspricht

Sinus -Cosinus -Algorithmus

Sinus- und Cosinus -Algorithmus) ist eine neue Art von Swarm Intelligence -Optimierungsalgorithmus vonUnterwasserhydrophonwandler. Wenn Sie den SCA -Algorithmus verwenden, um nach Optimierung zu suchen, kann er in zwei Prozesse unterteilt werden. Der erste ist ein Explorationsprozess. Der Optimierungsalgorithmus untersucht schnell den realisierbaren Bereich im Suchraum, indem eine zufällige Lösung zwischen allen zufälligen Lösungen kombiniert wird, und der zweite ist ein paralleler Prozess. Die zufällige Lösung ändert sich allmählich und ihre Änderungsgeschwindigkeit ist niedriger als die Geschwindigkeit des Explorationsprozesses, so dass die spezifische Aktualisierung.

Partikelschwarmalgorithmus

Partikelschwarmalgorithmus (ist ein Algorithmus zur Optimierung der Schwarminformation. Im PSO selbst und andere Partikel. Auf diese Weise wird die Optimierung des Partikels im löslichen Raum weiter realisiert, so dass in jedem Iterationsprozess die Geschwindigkeit und die Position des Partikels durch Aktualisierung des einzelnen Extremums und des globalen Extremums aktualisiert werden. Das spezifische Update Prozess. In der Formel ist es die RTH-Iteration. Wenn die Geschwindigkeit des I-Th-Partikels in der D-Dimension der individuelle optimale Wert des I-Th-Partikels in der D-Dimension in der ITH-Iteration ist; es ist die Ganze Runde des I-Th-Partikels in der D-Dimension in der ITH-Iteration. Der optimale Wert; ist die a; die zweite Iteration?: Die Position des Partikels in der D-Dimension; w ist das Trägheitsgewicht; C1 und C2 a die Beschleunigungsfaktoren, die nicht negative Konstanten sind; Zufallszahlen zwischen 0.

Prinzip der Wavelet -Weichschwelle Denoising

Das Prinzip der Wavelet -Weichschwellenwert -Denoising: Zunächst wird das laute Signal orthogonal zersetzt und die Wavelet -Koeffizienten nach der Zersetzung erhalten? Stellen Sie dann einen Schwellenwert A ein und vergleichen Sie. Wenn die Größe von zehn und a, wird der Koeffizient hauptsächlich durch Rauschen erzeugt; Wenn der Koeffizient hauptsächlich vom Signal erzeugt wird. Schließlich wird die inverse Wavelet -Transformation an den Wavelet -Koeffizienten durchgeführt, um den Signalkrieg nach der Denoising zu erhalten. Die Schätzformel des weichen Schwellenwerts.

Der in diesem Artikel vorgeschlagene SCA-PSO-VMD-WT-Algorithmus basiert auf der Analyse und theoretischen Basis. Dieses Papier schlägt den SCA-PSO-VMD-WT-Algorithmus zur Rauschreduktion vor. Das verrückte Signal wird durch V MD zerlegt, um die modale Komponente zu erhalten, und ob die Modalkomponente eine Rauschkomponente ist und die verrückte Modalkomponente für die Wavelet -Schwellenwert -Denoisierung ausgewählt wird, und dann wird das Signal durch Wasserstofftrennung rekonstruiert, um die zu erhalten, die demoisedes Signal. Der quadratische Quadratfehler (RMSE) des rekonstruierten Signals wird als Fitnessfunktion von SC A-P bezeichnet, um den optimalen FC und A zu finden, um den Zweck der Rauschreduzierung zu erreichen. Die vorgeschlagene SCA-P-SO-VM D-WT Die Algorithmus-Rauschreduzierung wird hauptsächlich in W-Schritte unterteilt . In diesem Artikel werden die VMD -Parameter ft und a als Positionsvektor des Algorithmus verwendet, um die Position und die Geschwindigkeit gut zu berechnen, um den Wert der Fitnessfunktion zu berechnen. Verwenden Sie die Formel, um die Position zu aktualisieren, die Formel zu aktualisieren, um die Geschwindigkeit zu aktualisieren und die optimalen und globalen optimalen Fitness -Funktionswerte auszugeben.

Simulationsexperiment

Die in diesem Artikel verwendete Software ist MATLAB R20 14 Das Simulationssignal ist SJ JM 0 -Sätze. Um das Simulationsexperiment realistischer zu gestalten, wird dem Simulationssignal zufälliger Rauschen hinzugefügt. RTR R - In der Exploration des Ozeans ist die Geräuschintensität von Unterwasser akustischen Signalen aufgrund des Einflusses der ozeanischen Ozeanographie und der menschlichen Aktivitäten jedoch variabel. Um diese Situation zu simulieren, fügt dieser Artikel L, Gaußsche weiße Rauschen hinzu, die Bewertungsindikatoren für den Denoising-Effekt in diesem Papier sind Root Mean Square Fehler (RMSE) und Signal-Rausch-Verhältnis (SNHJ. Zum Vergleich, bei Vergleich bei die selbe Zeit.

Algorithmus

Der Algorithmus und das Denoising -Ergebnis des Algorithmus. Abbildung 1 zeigt das ursprüngliche Signal und das laute Signal unter verschiedenen Dezibel. Figur. Die Denoising -Auswirkungen verschiedener Denoising -Algorithmen. Tabelle 1 zeigt den Vergleich der Denoising -Evaluierungsindizes.

Vergleich von Abbildung 1 mit Abbildung 2-Figur 6 Es wurde festgestellt - Die WT -Denoising -Rost -Methode besteht darin, den Wavelet -Schwellenwert durchzuführen, nachdem das verrückte Signal durch VMD zerlegt wurde, was zeigt, dass die Wahl der VMD -Parameter für A: und A einen sehr klaren Effekt auf das FI -Signal -Denoising -FI hat; Im Vergleich zum VMD-WT-Denoising-Algorithmus wurden die Denoising-Effekte der PSO-VMD-WT- und SCA-VMD-WT-Algorithmen bis zu einem gewissen Grad verbessert -WT -Denoising -Algorithmus wird in SNR und RMS verwendet. E hat bessere Ergebnisse. .

Messung

Das tatsächliche Messungsexperiment des MEMS -Vektorhydrophons wurde von Forschern aus dem wichtigsten Labor der North University of China in Fenhe Second Reservoir durchgeführt. Die Hydrophon -ST wurde am Bank festgelegt, der Wandler wurde auf den Schlepper platziert, und der Abstand zwischen dem Schlepper und dem Array wurde allmählich erhöht, wählen verschiedene Positionen, um verankert zu bleiben, den Wandler zum Übertragen des Signals und dann Daten auszuführen Sammlung. Dieses Experiment fängt die Signale von 8000 Hz und 1 0000 Hz bei 1.000 Punkten ab, um die Denoising zu erhalten. Das vorherige gemessene Signal. Abbildung 7 und Abbildung 8 sind die gemessenen Signale und ihre Frequenzspektren von 800 Hz bzw. 1000 Hz sowie das demoispiierende Signal und deren Frequenzspektren.

Die Beobachtung von Fig. 7 ergibt: Das Eingangssignal von 80 Hz hat weniger hochfrequentes Rauschen, und die Wellenform ist nach der Denoisierung glatt. Die Denoising -Wirkung dieses Algorithmus ist gut. Die Beobachtung von Fig. 8 ergibt, dass das Eingangssignal von Hz mehr spektrale Grat aufweist, was darauf hinweist, dass das Rauschen T groß ist. .

abschließend

Ziel auf das Problem des zufälligen Rauschens im Signal derUnterwasser akustischer SensorDieses Papier schlägt die SC A-P SO-V MD-WT-Denoising-Methode vor. Im Simulationsexperiment verglichen die Bewertungsindikatoren der Algorithmen VMD-WT, PSO-VMD-WT und SCA-VMD-WT unter verschiedenen Dezibel Algorithmus: Pvmd-wtPSO-VMD-WT- und SCA-VMD-WT-Algorithmen. Daher kann der in diesem Papier vorgeschlagene SCA-PSO-VMD-WT-Denoising-Algorithmus zur Deeoise der gemessenen Signaldaten verwendet werden. Die Ergebnisse zeigen, dass: Der Denoising-Effekt des SCA-PSO-VMD-WT-Algorithmus ist klar, was darauf hinweist, dass die in diesem Papier vorgeschlagene Methode einen beenoisierenden Effekt hat. Eine bestimmte Referenz haben.