Algoritma denoising bersama baharu hidrofon vektor MMS

pengenalan

Dalam penerokaan lautan, melalui analisis dan pemprosesan isyarat yang diterima oleh hidrofon, kategori sasaran sumber bunyi dan sudut yang berkaitan, kedudukan dan parameter keadaan lain boleh diperolehi. Walau bagaimanapun, bunyi dan gangguan yang berbeza pasti akan bercampur ke dalam hidrofon semasa pengumpulan data. Oleh itu, untuk mengesan, mengenal pasti dan mengesan isyarat dengan lebih lanjut, pengaruh gangguan bunyi ini mesti dihapuskan sebaik mungkin. Terdapat banyak algoritma utama untuk penanggalan isyarat transduser akustik bawah air : kaedah penapisan Fourier tradisional, kaedah transformasi wavelet dan kaedah penguraian mod empirikal. Algoritma ini semuanya akan mempunyai kesan denoising tertentu pada isyarat bising, tetapi ia juga mempunyai beberapa kelemahan. Penyahnosan wavelet tradisional mempunyai masalah dalam cara memilih asas wavelet dan bilangan tahap penguraian. Algoritma pemprosesan isyarat, penguraian mod empirikal, dicadangkan. Algoritma ini tidak perlu menetapkan fungsi asas, tetapi ia akan menghasilkan pengalianan modal, yang akan menyebabkan dua bentuk gelombang fungsi modal intrinsik bersebelahan dialiaskan apabila membina semula. Masih terdapat banyak bunyi yang bercampur-campur. U et al. mencadangkan algoritma mod empirikal kolektif untuk ini, menambah hingar putih tambahan untuk mengurangkan pengaruh aliasing modal, tetapi ia tidak dapat menjamin bahawa hingar putih yang diperkenalkan dalam proses penguraian boleh menghapuskan P1 sepenuhnya. Penguraian modal variasi ialah algoritma penguraian modal baharu. Algoritma merealisasikan pemisahan berkesan fungsi modal yang wujud dengan menentukan pusat kekerapan dan lebar jalur bagi setiap fungsi modal yang wujud [mempunyai asas teori yang kukuh dan boleh menyelesaikan masalah pengalianan modal dengan lebih baik. Menurut teori algoritma VMD, sebelum menggunakan penguraian VMD pada isyarat denoising asal, bilangan komponen modal fc dan faktor tempoh penalti% penguraian VMD perlu ditetapkan terlebih dahulu. Nilai fc dan nilai 'nilai berkait secara langsung dengan hasil penguraian akhir. Jika nilai c terlalu kecil, penguraian isyarat tidak akan mencukupi. Jika nilai terlalu besar, komponen isyarat palsu akan dihasilkan, yang akan menyebabkan gangguan kepada analisis komponen berguna isyarat asal. Jika a terlalu besar, lebar jalur modal akan menjadi lebih kecil, sebaliknya, jika lebar jalur modal lebih kecil, sebaliknya a adalah lebih kecil. penentuan nilai dan memainkan peranan penting dalam algoritma VMD, tetapi kebanyakan parameter algoritma VMD ditetapkan berdasarkan pengalaman manusia sebagai perbandingan [Sebagai tindak balas kepada masalah di atas, kaedah baharu berdasarkan SC AP SO dicadangkan.

 

2 Prinsip asas. Prinsip VM D ialah algoritma penyesuaian bukan rekursif untuk pemprosesan isyarat. Masalah Variasi Terkekang Lebar Jalur Sepadan dengan Algoritma V MD

 

 

Algoritma kosinus sinus

Algoritma Sinus dan Kosinus) ialah jenis algoritma pengoptimuman kecerdasan kawanan baharu bagi transduser hidrofon bawah air . Apabila menggunakan algoritma SCA untuk mencari pengoptimuman, ia boleh dibahagikan kepada dua proses. Yang pertama ialah proses penerokaan. Algoritma pengoptimuman dengan pantas meneroka kawasan yang boleh dilaksanakan dalam ruang carian dengan menggabungkan penyelesaian rawak antara semua penyelesaian rawak, dan yang kedua ialah proses selari. , Penyelesaian rawak berubah secara beransur-ansur, dan kelajuan perubahannya lebih rendah daripada kelajuan proses penerokaan, jadi kemas kini khususnya.

 

Algoritma kawanan zarah

 

Algoritma kawanan zarah (ialah algoritma pengoptimuman kecerdasan kawanan. Dalam algoritma PSO, arah dan jarak pergerakan zarah ditentukan oleh kelajuan zarah, dan pelarasan dinamik kelajuan zarah dijalankan berdasarkan pengalaman pergerakan dirinya dan zarah lain. Dengan cara ini, pengoptimuman zarah dalam ruang yang boleh diselesaikan akan direalisasikan lagi supaya dalam setiap proses lelaran global, kelajuan pengemaskinian dan pengemaskinian zarah semakin meningkat. extremum. The specific update process. In the formula, it is the rth iteration. When the velocity of the i-th particle in the d-dimension is the individual optimal value of the i-th particle in the d-dimension in the ith iteration; it is the entire round of the i-th particle in the d-dimension in the ith iteration. The optimal value; is the A; the second iteration?: the position of the particle in the d dimension; w is the berat inersia; C1 dan C2 ialah faktor pecutan, iaitu pemalar bukan negatif antara 0.

 

Prinsip Denoising Ambang Lembut Wavelet

Prinsip denoising ambang lembut wavelet: Pertama, isyarat bising diuraikan secara ortogon, dan pekali wavelet diperoleh selepas penguraian? Kemudian tetapkan ambang A dan bandingkan. Jika magnitud sepuluh dan A, pekali terutamanya dihasilkan oleh hingar; jika pekali dihasilkan terutamanya oleh isyarat. Akhir sekali, transformasi wavelet songsang dilakukan pada pekali wavelet untuk mendapatkan peperangan isyarat selepas denoising. Formula anggaran ambang lembut.

 

Algoritma SCA-PSO-VMD-WT yang dicadangkan dalam kertas ini adalah berdasarkan analisis dan asas teori. Makalah ini mencadangkan algoritma SCA-PSO-VMD-WT untuk pengurangan hingar. Isyarat bising diuraikan oleh V MD untuk mendapatkan komponen modal, dan sama ada komponen modal ialah komponen hingar ditentukan, dan komponen modal bising dipilih untuk denoising ambang wavelet, dan kemudian isyarat dibina semula oleh pemisahan hidrogen untuk mendapatkan isyarat denoised. Punca ralat min kuasa dua (RMSE.) bagi isyarat yang dibina semula diambil sebagai fungsi kecergasan SC AP SO untuk mencari fc dan a optimum untuk mencapai tujuan pengurangan hingar. Cadangan SCA-P SO-VM D-WT Pengurangan hingar algoritma terutamanya dibahagikan kepada langkah-langkah W: tetapkan parameter kaedah permainan f, bilangan maksimum lelaran ditetapkan kepada 30, bilangan populasi ditetapkan kepada 20.2 kedudukan permulaan dan kelajuan. Dalam kertas ini, parameter VMD ft dan a digunakan sebagai vektor kedudukan algoritma ．Kemas kini kedudukan dan halaju dengan baik untuk mengira nilai fungsi kecergasan. Gunakan formula untuk mengemas kini kedudukan, gunakan formula untuk mengemas kini kelajuan dan keluarkan nilai fungsi kecergasan optimum optimum dan global.

 

 

Eksperimen Simulasi

Perisian yang digunakan dalam eksperimen dalam kertas ini ialah Matlab R20 14 Isyarat simulasi ialah sj jM 0 ayat. Untuk menjadikan eksperimen simulasi lebih realistik, hingar rawak ditambah pada isyarat simulasi. Walau bagaimanapun, rtr r—Dalam penerokaan lautan, keamatan bunyi isyarat akustik bawah air adalah berubah-ubah disebabkan oleh pengaruh oseanografi lautan dan aktiviti manusia. Untuk mensimulasikan keadaan ini, artikel ini akan menambah-l, hingar putih Gaussian, penunjuk penilaian kesan denoising dalam kertas ini ialah ralat purata kuasa dua akar (RMSE) dan nisbah isyarat kepada hingar (SNHJ. sebagai perbandingan, pada masa yang sama.

 

Algoritma

 

Algoritma dan hasil denoising algoritma. Rajah 1 menunjukkan isyarat asal dan isyarat bising di bawah desibel yang berbeza. Rajah. Kesan denoising algoritma denoising berbeza. Jadual 1 menunjukkan perbandingan indeks penilaian denoising.

 

Membandingkan Rajah 1 dengan Rajah 2-Rajah 6, didapati bahawa empat algoritma boleh mengeluarkan bunyi Gaussian dan white noise secara berkesan dalam isyarat bising di bawah desibel yang berbeza, tetapi kesan denoising dari algoritma denoising VMD-WT adalah lemah, dan VMD- Kaedah parut denoising WT adalah untuk melaksanakan denoising isyarat wavelet selepas pilihan denoising. Parameter VMD untuk A: dan a mempunyai kesan yang sangat jelas pada isyarat f yang menafikan fi; berbanding dengan algoritma denoising VMD-WT, Kesan denoising algoritma PSO-VMD-WT dan SCA-VMD-WT telah dipertingkatkan ke tahap tertentu, tetapi dari Jadual 1, dapat dilihat bahawa algoritma denoising SCA-PSO-VMD-WT digunakan dalam SNR dan RMS. E mempunyai hasil yang lebih baik. .

 

 

 Pengukuran

Eksperimen pengukuran sebenar hidrofon vektor MEMS telah dijalankan oleh penyelidik dari Makmal Utama Universiti Utara China di Takungan Kedua Fenhe. ST hidrofon dipasang pada tebing, transduser diletakkan pada tunda, dan jarak antara tunda dan tatasusunan meningkat secara beransur-ansur, pilih kedudukan yang berbeza untuk kekal berlabuh, gunakan transduser untuk menghantar isyarat, dan kemudian menjalankan pengumpulan data. Eksperimen ini memintas isyarat 8000 HZ dan 1 0000 HZ pada 1,000 mata untuk mendapatkan denoising. Isyarat yang diukur sebelumnya. Rajah 7 dan Rajah 8 ialah isyarat yang diukur dan spektrum frekuensinya masing-masing 800 Hz dan 1000 Hz, dan isyarat denosing dan spektrum frekuensinya.

Memerhatikan Rajah 7 mendapati bahawa: isyarat input 80 Hz mempunyai kurang hingar frekuensi tinggi, dan bentuk gelombang licin selepas denoising. Kesan denoising algoritma ini adalah baik. Memerhatikan Rajah 8 mendapati bahawa isyarat input HZ mempunyai lebih banyak burr spektrum, yang menunjukkan bahawa Bunyi T. Bunyi adalah besar, ciri asas isyarat sumber bunyi dikekalkan selepas denoising, dan kesan denoising algoritma ini adalah baik. .

 

 

kesimpulannya

Mensasarkan masalah bunyi rawak dalam isyarat penderia akustik bawah air , kertas ini mencadangkan kaedah denoising SC AP SO-V MD-WT. Dalam eksperimen simulasi, dengan membandingkan penunjuk penilaian algoritma VMD-WT, PSO-VMD-WT dan SCA-VMD-WT di bawah desibel yang berbeza, didapati bahawa SCA-PSO-VMD-WT yang dicadangkan dalam kertas ini Algoritma bunyi yang sangat baik: PVMD-WT , PSO-VMD-WT dan algoritma SCA-VMD-W. Oleh itu, algoritma denoising SCA-PSO-VMD-WT yang dicadangkan dalam kertas ini boleh digunakan untuk menafikan data isyarat yang diukur. Keputusan menunjukkan bahawa: Kesan denoising algoritma SCA-PSO-VMD-WT adalah jelas, menunjukkan bahawa kaedah yang dicadangkan dalam kertas ini mempunyai kesan denoising. Mempunyai rujukan tertentu.