En ny felles denoising-algoritme for MMS-vektorhydrofon

Introduksjon

Ved havutforskning, gjennom analyse og behandling av signalet mottatt av hydrofonen, kan målkategorien til lydkilden og dens relaterte vinkel, posisjon og andre tilstandsparametere oppnås. Ulik støy og forstyrrelser vil imidlertid uunngåelig bli blandet inn i hydrofonen under datainnsamling. Derfor, for ytterligere å oppdage, identifisere og lokalisere signalet, må påvirkningen av disse støyinterferensen elimineres så mye som mulig. Det er mange hovedalgoritmer for undervanns akustisk transduser -signaldemping: tradisjonell Fourier-filtreringsmetode, wavelet-transformeringsmetode og empirisk modus-dekomponeringsmetode. Disse algoritmene vil alle ha en viss denoising effekt på støyende signaler, men de har også noen mangler. Tradisjonell wavelet-denoising har problemer med å velge wavelet-baser og antall dekomponeringsnivåer. En signalbehandlingsalgoritme, empirisk modusdekomponering, er foreslått. Denne algoritmen trenger ikke å angi basisfunksjonen, men den vil produsere modal aliasing, som vil føre til at de to tilstøtende iboende modale funksjonsbølgeformene blir aliasert ved rekonstruksjon. Det er fortsatt mye støy blandet inn. U et al. foreslo en kollektiv empirisk modusalgoritme for dette, og la til ekstra hvit støy for å redusere påvirkningen av modal aliasing, men den kan ikke garantere at den hvite støyen introdusert i nedbrytningsprosessen helt kan eliminere P1. Variasjonell modal dekomponering er en ny modal dekomponeringsalgoritme. Algoritmen realiserer den effektive separasjonen av de iboende modale funksjonene ved å bestemme frekvenssenteret og båndbredden til hver iboende modalfunksjon [har et solid teoretisk grunnlag og kan bedre løse problemet med modal aliasing. I henhold til teorien om VMD-algoritmen, før du bruker VMD-dekomponeringen på det originale denoising-signalet, må antallet modale komponenter fc og straffetermfaktoren % av VMD-dekomponeringen angis på forhånd. Verdien av fc og verdien av 'verdi er direkte relatert til det endelige dekomponeringsresultatet. Hvis verdien av c er for liten, vil signaldekomponeringen være utilstrekkelig. Hvis verdien er for stor, vil det genereres falske signalkomponenter, noe som vil forårsake interferens med analysen av de nyttige komponentene til det originale signalet. Hvis a er for stor, vil båndbredden til modalet være mindre, hvis båndbredden er mindre, vil båndbredden være mindre, tvert imot vil en modal være mindre være større. Derfor er bestemmelsen av verdien og spiller en viktig rolle i VMD-algoritmen, men de fleste parametrene til VMD-algoritmen er satt basert på menneskelig erfaring som en sammenligning. algoritme, og finner den optimale summen for å oppnå formålet med støyreduksjon.

 

2 Grunnleggende prinsipper. Prinsippet til VM D er en ikke-rekursiv adaptiv algoritme for signalbehandling. Båndbreddebegrenset variasjonsproblem som tilsvarer V MD-algoritmen

 

 

Sinus cosinus algoritme

Sinus og Cosinus Algorithm) er en ny type svermintelligens optimaliseringsalgoritme for undervanns hydrofonsvinger . Når du bruker SCA-algoritmen for å søke etter optimalisering, kan den deles inn i to prosesser. Den første er en leteprosess. Optimaliseringsalgoritmen utforsker raskt den mulige regionen i søkeområdet ved å kombinere en tilfeldig løsning blant alle tilfeldige løsninger, og den andre er en parallell prosess. , Den tilfeldige løsningen endres gradvis, og endringshastigheten er lavere enn hastigheten på leteprosessen, så dens spesifikke oppdatering.

 

Partikkelsvermalgoritme

 

Partikkelsvermalgoritme (er en optimaliseringsalgoritme for svermintelligens. I PSO-algoritmen bestemmes retningen og avstanden til partikkelbevegelsen av hastigheten til partikkelen, og den dynamiske justeringen av partikkelhastigheten utføres basert på bevegelsesopplevelsen til seg selv og andre partikler. På denne måten blir optimaliseringen av partikkelen slik at partikkelen kan løses i hver enkelt prosess i partikkelen. posisjonen til partikkelen er oppdatert ved å oppdatere det individuelle ekstremumet andre iterasjon?: posisjonen til partikkelen i d-dimensjonen; w er treghetsvekten;

 

Prinsippet for Wavelet Soft Threshold Denoising

Prinsippet for myk terskelnedbryting av wavelet: Først blir det støyende signalet ortogonalt dekomponert, og wavelet-koeffisientene oppnås etter dekomponering? Sett deretter en terskel A og sammenlign. Hvis størrelsen på ti og A, er koeffisienten hovedsakelig produsert av støy; hvis koeffisienten hovedsakelig produseres av signalet. Til slutt utføres den inverse wavelet-transformasjonen på wavelet-koeffisientene for å oppnå signalkrigføringen etter denoising. Estimeringsformelen for den myke terskelen.

 

SCA-PSO-VMD-WT-algoritmen foreslått i denne artikkelen er basert på analysen og det teoretiske grunnlaget. Denne artikkelen foreslår SCA-PSO-VMD-WT-algoritmen for støyreduksjon. Det støyende signalet dekomponeres av V MD for å oppnå den modale komponenten, og om den modale komponenten er en støykomponent bestemmes, og den støyende modale komponenten velges for wavelet-terskelnedsettelse, og deretter rekonstrueres signalet ved hydrogenseparasjon for å oppnå det støyede signalet. Root mean square error (RMSE.) til det rekonstruerte signalet tas som egnethetsfunksjonen til SC AP SO for å finne den optimale fc og a for å oppnå formålet med støyreduksjon. Den foreslåtte SCA-P SO-VM D-WT Algoritmen støyreduksjon er hovedsakelig delt inn i W-trinn: sett spillmetodeparameteren f, maksimalt antall iterasjoner settes til 30, populasjonstallet settes til 20,2 initialiseringsposisjon og hastighet. I denne artikkelen brukes VMD-parametrene ft og a som posisjonsvektor for algoritmen. Oppdater posisjonen og hastighetsbrønnen for å beregne kondisjonsfunksjonsverdien. Bruk formelen for å oppdatere posisjonen, bruk formelen for å oppdatere hastigheten og gi ut de optimale og globale optimale kondisjonsfunksjonene.

 

 

Simuleringseksperiment

Programvaren som brukes i eksperimentet i denne artikkelen er Matlab R20 14 Simuleringssignalet er sj jM 0 setninger. For å gjøre simuleringseksperimentet mer realistisk legges tilfeldig støy til simuleringssignalet. Imidlertid er rtr r – I havutforskning er støyintensiteten til akustiske undervannssignaler variabel på grunn av påvirkningen fra oseanografi og menneskelige aktiviteter. For å simulere denne situasjonen vil denne artikkelen legge til l, Gaussisk hvit støy, evalueringsindikatorene for denoising-effekten i denne artikkelen er root mean square error (RMSE) og signal-til-støy-forhold (SNHJ. for sammenligning, på samme tid.

 

Algoritme

 

Algoritmen og denoising-resultatet av algoritmen. Figur 1 viser det opprinnelige signalet og det støyende signalet under forskjellige desibel. Figur. Denoising-effektene av forskjellige denoising-algoritmer. Tabell 1 viser sammenligningen av denoising-evalueringsindekser.

 

Ved å sammenligne figur 1 med figur 2-figur 6, er det funnet at de fire algoritmene effektivt kan fjerne gaussisk og hvit støy i det støyende signalet under forskjellige desibel, men denoising-effekten av VMD-WT-denoising-algoritmen er dårlig, og VMD- The WT-denoising-denoising-denoising-metoden er å utføre threshold-wavelet-metoden etter desibel. signal av VMD, som viser at valget av VMD-parametere for A: og a har en veldig tydelig effekt på f-signalet som avsetter fi; sammenlignet med VMD-WT-denoising-algoritmen, er denoising-effekten av PSO-VMD-WT og SCA-VMD-WT-algoritmene forbedret til en viss grad, men fra tabell 1 kan man se at SCA-PSO-VMD-WT-denoising-algoritmen brukes i SNR og RMS. E har bedre resultater. .

 

 

 Mål

Selve måleeksperimentet av MEMS vektorhydrofonen ble utført av forskere fra Key Laboratory ved North University of China i Fenhe Second Reservoir. Hydrofonen ST ble festet på bredden, svingeren ble plassert på slepebåten, og avstanden mellom slepebåten og arrayet ble gradvis øket, velg forskjellige posisjoner for å holde seg forankret, bruk svingeren til å overføre signalet, og utfør deretter datainnsamling. Dette eksperimentet fanger opp signalene på 8000 HZ og 1 0000 HZ ved 1000 punkter for å oppnå denoising. Det forrige målte signalet. Figur 7 og figur 8 er de målte signalene og deres frekvensspektrum på henholdsvis 800 Hz og 1000 Hz, og avstøyningssignalet og deres frekvensspektrum.

Ved å observere fig. 7 finner man at: inngangssignalet på 80 Hz har mindre høyfrekvent støy, og bølgeformen er jevn etter avstøyning. Denoising-effekten til denne algoritmen er god. Ved å observere fig. 8 finner man at inngangssignalet til HZ har flere spektrale grader, noe som indikerer at støy T. Støyen er stor, de grunnleggende karakteristikkene til lydkildesignalet beholdes etter avstøyning, og avstøyningseffekten til denne algoritmen er god. .

 

 

avslutningsvis

Sikter på problemet med tilfeldig støy i signalet til akustisk undervannssensor , foreslår dette papiret SC AP SO-V MD-WT deoising-metoden. I simuleringseksperimentet, ved å sammenligne evalueringsindikatorene for algoritmene VMD-WT, PSO-VMD-WT og SCA-VMD-WT under forskjellige desibel, er det funnet at SCA-PSO-VMD-WT foreslått i denne artikkelen Utmerket støyalgoritme: PVMD-WT , PMVTDSO-TMSO-TMS. Derfor kan SCA-PSO-VMD-WT denoising-algoritmen som er foreslått i denne artikkelen brukes til å forsterke de målte signaldataene. Resultatene viser at: Denoising-effekten til SCA-PSO-VMD-WT-algoritmen er tydelig, noe som indikerer at metoden foreslått i denne artikkelen har en denoising-effekt. Ha en viss referanse.