Novi zajednički algoritam za uklanjanje šuma MMS vektorskog hidrofona

Uvod

U istraživanju oceana, analizom i obradom signala koji prima hidrofon, može se dobiti ciljna kategorija izvora zvuka i njegov odgovarajući kut, položaj i drugi parametri stanja. Međutim, različiti šumovi i smetnje neizbježno će se umiješati u hidrofon tijekom prikupljanja podataka. Stoga, kako bi se dodatno detektirao, identificirao i locirao signal, utjecaj ovih smetnji mora se eliminirati što je više moguće. Postoji mnogo glavnih algoritama za uklanjanje buke signala podvodnog akustičnog pretvarača : tradicionalna Fourierova metoda filtriranja, metoda valićne transformacije i metoda dekompozicije empirijskog moda. Svi će ti algoritmi imati određeni učinak uklanjanja šuma na signale s šumom, ali također imaju i neke nedostatke. Tradicionalno uklanjanje šuma valića ima problema s odabirom baza valića i broja razina dekompozicije. Predložen je algoritam za obradu signala, dekompozicija empirijskog moda. Ovaj algoritam ne treba postaviti osnovnu funkciju, ali će proizvesti modalno aliasing, što će uzrokovati aliasing dva susjedna valna oblika intrinzične modalne funkcije prilikom rekonstrukcije. Još uvijek je umiješano mnogo buke. U et al. predložio je kolektivni empirijski način algoritma za to, dodajući pomoćni bijeli šum kako bi se smanjio utjecaj modalnog aliasinga, ali ne može jamčiti da bijeli šum uveden u procesu dekompozicije može potpuno eliminirati P1. Varijacijska modalna dekompozicija novi je algoritam modalne dekompozicije. Algoritam ostvaruje učinkovito odvajanje inherentnih modalnih funkcija određivanjem središta frekvencije i propusnosti svake inherentne modalne funkcije [ima čvrstu teorijsku osnovu i može bolje riješiti problem modalnog aliasinga. Prema teoriji VMD algoritma, prije korištenja VMD dekompozicije na izvornom signalu za uklanjanje šuma, potrebno je unaprijed postaviti broj modalnih komponenti fc i faktor penalty term % VMD dekompozicije. Vrijednost fc i vrijednost 'vrijednosti izravno su povezane s konačnim rezultatom dekompozicije. Ako je vrijednost c premala, dekompozicija signala neće biti dovoljna. Ako je vrijednost prevelika, generirat će se lažne komponente signala, što će uzrokovati smetnje u analizi korisnih komponenti originalnog signala. Ako je a preveliko, propusnost modala bit će manja, naprotiv, ako je manja, propusnost signala modalni će biti veći. Stoga je određivanje vrijednosti i igra ključnu ulogu u algoritmu VMD, ali većina parametara algoritma VMD postavljena je na temelju ljudskog iskustva kao odgovor na gore navedene probleme, predložena je nova metoda zasnovana na parametrima V MD fc i a, uzimajući srednju kvadratnu pogrešku rekonstruiranog signala. algoritam, te pronalazi optimalni zbroj za postizanje svrhe smanjenja šuma.

 

2 Osnovna načela. Princip VM D je nerekurzivni adaptivni algoritam za obradu signala. Varijacijski problem s ograničenom propusnošću koji odgovara V MD algoritmu

 

 

Sinus kosinus algoritam

sinusni i kosinusni algoritam) nova je vrsta algoritma optimizacije inteligencije roja podvodni hidrofonski pretvarač . Kada se koristi SCA algoritam za traženje optimizacije, može se podijeliti u dva procesa. Prvi je proces istraživanja. Algoritam optimizacije brzo istražuje izvedivo područje u prostoru pretraživanja kombiniranjem slučajnih rješenja između svih slučajnih rješenja, a drugo je paralelni proces. , Nasumično rješenje postupno se mijenja, a brzina njegove promjene manja je od brzine procesa istraživanja, stoga je njegovo specifično ažuriranje.

 

Algoritam roja čestica

 

Algoritam roja čestica (je algoritam optimizacije inteligencije roja. U PSO algoritmu smjer i udaljenost kretanja čestice određeni su brzinom čestice, a dinamička prilagodba brzine čestice provodi se na temelju iskustva kretanja same i drugih čestica. Na taj način se dodatno ostvaruje optimizacija čestice u rješivom prostoru tako da u svakom iteracijskom procesu, brzina i položaj čestice ažuriraju se pojedinačnim ekstremom i globalnim procesom ažuriranja. U formuli je brzina i-te čestice u d-dimenziji pojedinačna optimalna vrijednost i-te čestice u i-toj iteraciji iteracija; A; položaj čestice u dimenziji C1 i C2 su negativni brojevi.

 

Princip Wavelet Soft Threshold Denoising

Princip denoisinga mekog praga valića: Prvo se signal s šumom ortogonalno rastavlja, a koeficijenti valića se dobivaju nakon dekompozicije? Zatim postavite prag A i usporedite. Ako je veličina deset i A, koeficijent je uglavnom proizveden bukom; ako je koeficijent uglavnom proizveden signalom. Konačno, inverzna valićna transformacija izvodi se na valićnim koeficijentima kako bi se dobio rat signala nakon uklanjanja šuma. Formula za procjenu mekog praga.

 

SCA-PSO-VMD-WT algoritam predložen u ovom radu temelji se na analizi i teoretskoj osnovi. Ovaj rad predlaže SCA-PSO-VMD-WT algoritam za smanjenje šuma. V MD razlaže signal s šumom kako bi se dobila modalna komponenta i utvrđuje se je li modalna komponenta komponenta šuma, a modalna komponenta s šumom odabire se za uklanjanje praga valića, a zatim se signal rekonstruira odvajanjem vodika kako bi se dobio signal s šumom. Korijen srednje kvadratne pogreške (RMSE.) rekonstruiranog signala uzima se kao funkcija prikladnosti SC AP SO za pronalaženje optimalnih fc i a za postizanje svrhe smanjenja šuma. Predloženi SCA-P SO-VM D-WT Smanjenje šuma algoritma uglavnom je podijeljeno na W koraka: postavite parametar metode igre f, maksimalan broj ponavljanja je postavljen na 30, broj stanovnika je postavljen na 20,2 inicijalizacijski položaj i brzina. U ovom radu, parametri VMD ft i a koriste se kao vektor položaja algoritma. Dobro ažurirajte položaj i brzinu kako biste izračunali vrijednost funkcije fitnesa. Koristite formulu za ažuriranje položaja, koristite formulu za ažuriranje brzine i ispišite optimalne i globalne optimalne vrijednosti fitness funkcije.

 

 

Simulacijski eksperiment

Softver korišten u eksperimentu u ovom radu je Matlab R20 14 Simulacijski signal je sj jM 0 rečenica. Kako bi eksperiment simulacije bio realističniji, signalu simulacije dodaje se nasumični šum. Međutim, rtr r—U istraživanju oceana, intenzitet buke podvodnih akustičnih signala je promjenjiv zbog utjecaja oceanske oceanografije i ljudskih aktivnosti. Kako bi se simulirala ova situacija, ovaj članak će dodati-l, Gaussov bijeli šum, pokazatelji evaluacije učinka uklanjanja šuma u ovom radu su korijen srednje kvadratne pogreške (RMSE) i omjer signala i šuma (SNHJ. za usporedbu, u isto vrijeme.

 

Algoritam

 

Algoritam i rezultat uklanjanja šuma algoritma. Slika 1 prikazuje izvorni signal i signal s šumom pod različitim decibelima. Lik. Učinci uklanjanja šuma različitih algoritama za uklanjanje šuma. Tablica 1 prikazuje usporedbu evaluacijskih indeksa uklanjanja šuma.

 

Uspoređujući sliku 1 sa slikom 2-slikom 6, utvrđeno je da četiri algoritma mogu učinkovito ukloniti Gaussov i bijeli šum u šumnom signalu pod različitim decibelima, ali učinak uklanjanja šuma VMD-WT algoritma za uklanjanje šuma je loš, a VMD-WT metoda rešetke za uklanjanje šuma izvodi uklanjanje šuma valovitog praga nakon razlaganja šumnog signala pomoću VMD, što pokazuje da izbor VMD parametara za A: i a ima vrlo jasan učinak na f uklanjanje šuma fi; u usporedbi s VMD-WT algoritmom za uklanjanje šuma, učinci uklanjanja šuma algoritama PSO-VMD-WT i SCA-VMD-WT poboljšani su u određenoj mjeri, ali iz tablice 1 može se vidjeti da se SCA-PSO-VMD-WT algoritam za uklanjanje šuma koristi u SNR i RMS. E ima bolje rezultate. .

 

 

 Mjerenje

Stvarni mjerni eksperiment MEMS vektorskog hidrofona izveli su istraživači iz Key Laboratorija Sjevernog sveučilišta Kine u Fenhe Second Reservoir. Hidrofon ST je bio fiksiran na obali, sonda je postavljena na tegljač, a udaljenost između tegljača i niza je postupno povećavana, odaberite različite položaje da ostanete usidreni, koristite sondu za prijenos signala, a zatim provedite prikupljanje podataka. Ovaj eksperiment presreće signale od 8000 HZ i 10000 HZ na 1000 točaka kako bi se postiglo uklanjanje šuma. Prethodno izmjereni signal. Slika 7 i Slika 8 su izmjereni signali i njihovi frekvencijski spektri od 800 Hz odnosno 1000 Hz, te signal za uklanjanje šuma i njihovi frekvencijski spektri.

Promatranjem slike 7 nalazi se sljedeće: ulazni signal od 80 Hz ima manje visokofrekventnog šuma, a valni oblik je gladak nakon uklanjanja šuma. Učinak uklanjanja šuma ovog algoritma je dobar. Promatranjem slike 8 nalazi se da ulazni signal HZ-a ima više spektralnih neravnina, što ukazuje da je šum T. Šum je velik, osnovne karakteristike signala izvora zvuka zadržane su nakon uklanjanja šuma, a učinak uklanjanja šuma ovog algoritma je dobar. .

 

 

u zaključku

Ciljajući na problem nasumičnog šuma u signalu podvodnog akustičnog senzora , ovaj rad predlaže SC AP SO-V MD-WT metodu uklanjanja šuma. U simulacijskom eksperimentu, usporedbom evaluacijskih pokazatelja algoritama VMD-WT, PSO-VMD-WT i SCA-VMD-WT pod različitim decibelima, utvrđeno je da je SCA-PSO-VMD-WT predložen u ovom radu izvrstan algoritam buke: algoritmi PVMD-WT, PSO-VMD-WT i SCA-VMD-WT. Stoga se SCA-PSO-VMD-WT algoritam za uklanjanje šuma predložen u ovom radu može koristiti za uklanjanje šuma iz mjerenih podataka signala. Rezultati pokazuju sljedeće: Učinak uklanjanja šuma algoritma SCA-PSO-VMD-WT je jasan, što ukazuje da metoda predložena u ovom radu ima učinak uklanjanja šuma. Imati određenu referencu.