MMS ベクトル水中聴音器の新しい共同ノイズ除去アルゴリズム

導入

海洋探査では、水中聴音器で受信した信号の分析と処理を通じて、音源のターゲットカテゴリとそれに関連する角度、位置、その他の状態パラメータを取得できます。ただし、データ収集中にさまざまなノイズや干渉が水中聴音器に混入することは避けられません。したがって、信号をさらに検出、識別、位置特定するには、これらのノイズ干渉の影響を可能な限り排除する必要があります。主なアルゴリズムは数多くありますが、 水中音響トランスデューサー 信号のノイズ除去: 従来のフーリエ フィルター法、ウェーブレット変換法、経験的モード分解法。これらのアルゴリズムはすべて、ノイズの多い信号に対して一定のノイズ除去効果をもたらしますが、いくつかの欠点もあります。従来のウェーブレットノイズ除去には、ウェーブレットベースと分解レベルの数を選択する方法に問題がありました。信号処理アルゴリズムである経験的モード分解が提案されています。このアルゴリズムでは基底関数を設定する必要はありませんが、モーダル エイリアシングが生成され、再構成時に 2 つの隣接する固有モーダル関数波形にエイリアシングが発生します。まだノイズが多く混入しています。は、モーダルエイリアシングの影響を軽減するために補助ホワイトノイズを追加する集合的経験的モードアルゴリズムを提案しましたが、分解プロセスで導入されたホワイトノイズがP1を完全に除去できることを保証することはできません。変分モーダル分解は、新しいモーダル分解アルゴリズムです。このアルゴリズムは、各固有モード関数の周波数中心と帯域幅を決定することにより、固有モード関数の効果的な分離を実現します [しっかりした理論的基盤があり、モード エイリアシングの問題をより適切に解決できます。 VMD アルゴリズムの理論によれば、元のノイズ除去信号に対して VMD 分解を使用する前に、モード成分 fc の数と VMD 分解のペナルティ項係数%を事前に設定する必要があります。 fc の値と 'value の値は、最終的な分解結果に直接関係します。c の値が小さすぎると、信号の分解が不十分になります。値が大きすぎると、偽の信号成分が生成され、元の信号の有用な成分の分析に干渉が生じます。a が大きすぎると、モーダルの帯域幅が小さくなり、逆に、a が小さいとモーダルの帯域幅が大きくなります。したがって、値を決定して再生します。 VMD アルゴリズムでは重要な役割を果たしますが、VMD アルゴリズムのパラメータのほとんどは比較として人間の経験に基づいて設定されます [上記の問題に対応して、このアルゴリズムは V MD パラメータ fc と a を最適化し、アルゴリズムの適合関数として再構成された信号の平均二乗誤差を取得し、ノイズ低減の目的を達成するための最適な合計を見つけます。

 

2 基本原則。 VM D の原理は、信号処理のための非再帰的適応アルゴリズムです。 V MD アルゴリズムに対応する帯域幅制約変分問題

 

 

サインコサインアルゴリズム

サインおよびコサイン アルゴリズム) は、新しいタイプの群知能最適化アルゴリズムです。 水中ハイドロフォントランスデューサー 。 SCA アルゴリズムを使用して最適化を探索する場合、2 つのプロセスに分けることができます。 1 つ目は探索プロセスです。最適化アルゴリズムは、すべてのランダムな解の中からランダムな解を組み合わせることによって、探索空間内の実現可能な領域を迅速に探索します。2 番目のアルゴリズムは並列プロセスです。 , ランダムな解は徐々に変化し、その変化速度は探索プロセスの速度よりも遅いため、その特定の更新が行われます。

 

粒子群アルゴリズム

 

粒子群アルゴリズム (群知能最適化アルゴリズムです。PSO アルゴリズムでは、粒子の移動の方向と距離は粒子の速度によって決定され、粒子速度の動的調整は、粒子自身と他の粒子の移動経験に基づいて実行されます。このようにして、可溶空間内の粒子の最適化がさらに実現され、各反復プロセスで個別の極値と全体の極値が更新されることで粒子の速度と位置が更新されます。式では、d 次元の i 番目の粒子の速度が i 番目の繰り返しの d 次元の i 番目の粒子の全体の値である場合、最適値は A、w は慣性重みです。 C2 は加速係数で、0 から 0 までの非負の定数です。

 

ウェーブレットソフトしきい値ノイズ除去の原理

ウェーブレット ソフトしきい値ノイズ除去の原理: まず、ノイズを含む信号が直交分解され、分解後にウェーブレット係数が取得されます。次に、しきい値 A を設定して比較します。大きさが 10 と A の場合、係数は主にノイズによって生成されます。係数が主に信号によって生成される場合。最後に、ウェーブレット係数に対して逆ウェーブレット変換が実行され、ノイズ除去後の信号強度が得られます。ソフト閾値の推定式。

 

本稿で提案するSCA-PSO-VMD-WTアルゴリズムは分析と理論的基礎に基づいています。この論文では、ノイズ低減のための SCA-PSO-VMD-WT アルゴリズムを提案します。ノイズを含む信号は V MD によって分解されてモード成分が得られ、モード成分がノイズ成分であるかどうかが判断され、ウェーブレット閾値ノイズ除去のためにノイズを含むモード成分が選択され、その後、信号が水素分離によって再構築されてノイズ除去された信号が取得されます。再構成された信号の二乗平均平方根誤差 (RMSE.) は、ノイズ低減の目的を達成するための最適な fc と a を見つけるために、SC AP SO の適合度関数として使用されます。提案された SCA-P SO-VM D-WT アルゴリズムのノイズ低減は、主に W ステップに分割されます。ゲーム方法パラメーター f を設定し、最大反復数は 30 に設定され、母集団数は 20.2 に設定されます。初期化位置と速度。この論文では、VMD パラメータ ft と a をアルゴリズムの位置ベクトルとして使用します。位置と速度を更新して適応度関数値を計算します。数式を使用して位置を更新し、数式を使用して速度を更新し、最適および全体的な最適なフィットネス関数の値を出力します。

 

 

シミュレーション実験

本稿の実験で使用したソフトウェアは Matlab R20 14 です。シミュレーション信号は sj jM 0 文です。シミュレーション実験をより現実的にするために、ランダム ノイズがシミュレーション信号に追加されます。ただし、海洋探査では、海洋の海洋学や人間の活動の影響により、水中音響信号のノイズ強度は変動します。この状況をシミュレートするために、この記事ではガウス ホワイト ノイズを追加します。この記事でのノイズ除去効果の評価指標は、比較のために二乗平均平方根誤差 (RMSE) と信号対雑音比 (SNHJ) です。

 

アルゴリズム

 

アルゴリズムとアルゴリズムのノイズ除去の結果。図 1 は、異なるデシベルでの元の信号とノイズを含む信号を示しています。形。さまざまなノイズ除去アルゴリズムのノイズ除去効果。表1にノイズ除去評価指標の比較を示します。

 

図 1 と図 2 ～ 図 6 を比較すると、4 つのアルゴリズムはさまざまなデシベルの下でノイズ信号のガウス ノイズとホワイト ノイズを効果的に除去できることがわかりますが、VMD-WT ノイズ除去アルゴリズムのノイズ除去効果は低く、VMD-WT ノイズ除去グレート法は、VMD でノイズ信号を分解した後にウェーブレットしきい値ノイズ除去を実行します。これは、VMD パラメーターの選択が重要であることを示しています。 A: そして、a は f 信号のノイズ除去に非常に明確な影響を与えます。 VMD-WT ノイズ除去アルゴリズムと比較すると、PSO-VMD-WT および SCA-VMD-WT アルゴリズムのノイズ除去効果はある程度改善されていますが、表 1 から、SCA-PSO-VMD-WT ノイズ除去アルゴリズムが SNR と RMS で使用されていることがわかります。 E の方が良い結果が得られます。 。

 

 

 測定

MEMSベクトル水中聴音器の実測実験は、中国北方大学重点研究室の研究者らによって汾河第二貯水池で行われた。水中聴音器 ST を岸に固定し、トランスデューサーをタグボートに置き、タグボートとアレイの間の距離を徐々に増加させ、異なる位置を選択して停泊し、トランスデューサーを使用して信号を送信し、データ収集を実行しました。この実験では、8000 Hz と 1 0000 Hz の信号を 1,000 点で遮断してノイズ除去を行います。以前に測定された信号。図 7 と図 8 は、それぞれ 800 Hz と 1000 Hz の測定信号とその周波数スペクトル、およびノイズ除去信号とその周波数スペクトルです。

図 7 を観察すると、80 Hz の入力信号は高周波ノイズが少なく、ノイズ除去後の波形が滑らかであることがわかります。このアルゴリズムのノイズ除去効果は良好です。図8を観察すると、HZの入力信号にはより多くのスペクトルのバリがあることがわかります。これは、ノイズTを示しています。ノイズは大きく、ノイズ除去後も音源信号の基本特性が保持されており、このアルゴリズムのノイズ除去効果は良好です。 。

 

 

結論は

信号内のランダムノイズの問題をターゲットにしています。 水中音響センサーの開発に向けて、本論文ではSC AP SO-V MD-WTのノイズ除去方法を提案します。シミュレーション実験では、異なるデシベルの下で VMD-WT、PSO-VMD-WT、および SCA-VMD-WT アルゴリズムの評価指標を比較することにより、本稿で提案する SCA-PSO-VMD-WT アルゴリズムが優れたノイズ アルゴリズムであることがわかります。したがって、本論文で提案する SCA-PSO-VMD-WT ノイズ除去アルゴリズムは、測定された信号データのノイズ除去に使用できます。結果は次のことを示します: SCA-PSO-VMD-WT アルゴリズムのノイズ除去効果は明ら​​かであり、この論文で提案した方法がノイズ除去効果があることを示しています。一定の参考にしてください。