Nowy algorytm wspólnego odszumiania hydrofonu wektorowego MMS

Wstęp

Podczas eksploracji oceanów, poprzez analizę i przetwarzanie sygnału odbieranego przez hydrofon, można uzyskać docelową kategorię źródła dźwięku i związany z nim kąt, położenie i inne parametry stanu. Jednakże podczas gromadzenia danych do hydrofonu nieuchronnie dostaną się różne szumy i zakłócenia. Dlatego też, aby móc dalej wykrywać, identyfikować i lokalizować sygnał, należy w jak największym stopniu wyeliminować wpływ tych zakłóceń. Istnieje wiele głównych algorytmów odszumianie sygnału podwodnego przetwornika akustycznego : tradycyjna metoda filtracji Fouriera, metoda transformacji falkowej i metoda rozkładu modów empirycznych. Wszystkie te algorytmy będą miały pewien efekt odszumiania zaszumionych sygnałów, ale mają też pewne wady. Tradycyjne odszumianie falkowe stwarza problemy w zakresie doboru podstaw falek i liczby poziomów rozkładu. Zaproponowano algorytm przetwarzania sygnału, dekompozycję modów empirycznych. Algorytm ten nie musi ustawiać funkcji bazowej, ale spowoduje aliasing modalny, co spowoduje aliasowanie dwóch sąsiednich przebiegów wewnętrznej funkcji modalnej podczas rekonstrukcji. Wciąż jest w tym sporo zamieszania. U i in. zaproponował do tego algorytm zbiorczego trybu empirycznego, dodając pomocniczy biały szum w celu zmniejszenia wpływu aliasingu modalnego, ale nie może to zagwarantować, że biały szum wprowadzony w procesie rozkładu może całkowicie wyeliminować P1. Wariacyjna dekompozycja modalna to nowy algorytm rozkładu modalnego. Algorytm realizuje skuteczną separację nieodłącznych funkcji modalnych poprzez określenie środka częstotliwości i szerokości pasma każdej nieodłącznej funkcji modalnej [ma solidne podstawy teoretyczne i może lepiej rozwiązać problem aliasingu modalnego. Zgodnie z teorią algorytmu VMD, przed zastosowaniem rozkładu VMD na oryginalnym sygnale odszumiającym, należy z góry ustawić liczbę składowych modalnych fc i % współczynnika kary dla rozkładu VMD. Wartość fc i wartość value są bezpośrednio powiązane z końcowym wynikiem rozkładu. Jeśli wartość c będzie za mała, rozkład sygnału będzie niedostateczny. Jeśli wartość będzie zbyt duża, zostaną wygenerowane fałszywe składowe sygnału, co spowoduje zakłócenia w analizie użytecznych składowych sygnału pierwotnego. Jeśli a jest zbyt duże, szerokość pasma modalu będzie mniejsza, natomiast jeśli a jest mniejsze, szerokość pasma modalu będzie większa. Dlatego określenie wartości i odgrywa kluczową rolę rolę w algorytmie VMD, ale większość parametrów algorytmu VMD ustala się na podstawie ludzkiego doświadczenia jako porównania. [W odpowiedzi na powyższe problemy zaproponowano nową metodę opartą na SC AP SO. Algorytm optymalizuje parametry V MD fc i a, przyjmuje błąd średniokwadratowy zrekonstruowanego sygnału jako funkcję dopasowania algorytmu i znajduje optymalną sumę, aby osiągnąć cel redukcji szumu.

 

2 Podstawowe zasady. Zasada VM D to nierekurencyjny algorytm adaptacyjny do przetwarzania sygnału. Problem wariacyjny o ograniczonej przepustowości odpowiadający algorytmowi V MD

 

 

Algorytm sinus cosinus

Algorytm sinusów i cosinusów) to nowy typ algorytmu optymalizacji inteligencji roju podwodny przetwornik hydrofonowy . Wykorzystując algorytm SCA do poszukiwania optymalizacji, można go podzielić na dwa procesy. Pierwszy to proces eksploracji. Algorytm optymalizacji szybko eksploruje dopuszczalny obszar w przestrzeni poszukiwań, łącząc rozwiązanie losowe spośród wszystkich rozwiązań losowych, a drugi jest procesem równoległym. , Losowe rozwiązanie stopniowo się zmienia, a jego prędkość zmian jest mniejsza niż prędkość procesu eksploracji, a więc jego specyficzna aktualizacja.

 

Algorytm roju cząstek

 

Algorytm roju cząstek (jest algorytmem optymalizacji inteligencji roju. W algorytmie PSO kierunek i odległość ruchu cząstki są określane na podstawie prędkości cząstki, a dynamiczna regulacja prędkości cząstki odbywa się w oparciu o doświadczenie ruchu samej cząstki i innych cząstek. W ten sposób realizowana jest dalsza optymalizacja cząstki w rozwiązywalnej przestrzeni, tak że w każdym procesie iteracji prędkość i położenie cząstki są aktualizowane poprzez aktualizację indywidualnego ekstremum i ekstremum globalnego. Specyficzna aktualizacja 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 inertia weight; C1 and C2 are współczynniki przyspieszenia, które są stałymi nieujemnymi, losowymi z zakresu 0;

 

Zasada odszumiania miękkiego progu falkowego

Zasada odszumiania miękkiego progu falkowego: Po pierwsze, zaszumiony sygnał jest rozkładany ortogonalnie, a po rozkładzie otrzymuje się współczynniki falkowe? Następnie ustaw próg A i porównaj. Jeśli wielkość wynosi dziesięć i A, współczynnik jest wytwarzany głównie przez hałas; jeśli współczynnik jest wytwarzany głównie przez sygnał. Na koniec przeprowadza się odwrotną transformację falkową na współczynnikach falkowych, aby uzyskać efekt walki sygnału po odszumieniu. Wzór estymacji progu miękkiego.

 

Zaproponowany w artykule algorytm SCA-PSO-VMD-WT opiera się na podstawach analitycznych i teoretycznych. W artykule zaproponowano algorytm SCA-PSO-VMD-WT do redukcji szumów. Zaszumiony sygnał jest rozkładany za pomocą VMD w celu uzyskania składowej modalnej i określa się, czy składowa modalna jest składową szumu, a następnie wybierana jest zaszumiona składowa modalna w celu odszumiania progu falkowego, a następnie sygnał jest rekonstruowany przez separację wodorową w celu uzyskania odszumionego sygnału. Pierwiastek błędu średniokwadratowego (RMSE.) zrekonstruowanego sygnału przyjmuje się jako funkcję przystosowania SC AP SO, aby znaleźć optymalne fc i a, aby osiągnąć cel redukcji szumu. Proponowany SCA-P SO-VM D-WT Algorytm redukcji szumów dzieli się głównie na W kroków: ustaw parametr metody gry f, maksymalną liczbę iteracji ustaw na 30, liczbę populacji ustaw na 20,2, pozycja inicjalizacji i prędkość. W tym artykule parametry VMD ft i a są używane jako wektor położenia algorytmu. Zaktualizuj dobrze położenie i prędkość, aby obliczyć wartość funkcji dopasowania. Użyj wzoru, aby zaktualizować pozycję, użyj wzoru, aby zaktualizować prędkość i wyprowadź optymalne i globalne optymalne wartości funkcji sprawności.

 

 

Eksperyment symulacyjny

Oprogramowanie użyte w eksperymencie opisanym w tej pracy to Matlab R20 14 Sygnałem symulacyjnym jest sj jM 0 zdań. Aby eksperyment symulacyjny był bardziej realistyczny, do sygnału symulacyjnego dodawany jest losowy szum. Jednakże rtr r — Podczas eksploracji oceanów natężenie szumu podwodnych sygnałów akustycznych jest zmienne ze względu na wpływ oceanografii oceanicznej i działalności człowieka. Aby zasymulować tę sytuację, w tym artykule dodamy l, biały szum Gaussa, wskaźnikami oceny efektu odszumiania w tym artykule są jednocześnie błąd średniokwadratowy (RMSE) i stosunek sygnału do szumu (SNHJ. dla porównania).

 

Algorytm

 

Algorytm i wynik odszumiania algorytmu. Rysunek 1 przedstawia sygnał oryginalny i sygnał zaszumiony przy różnych decybelach. Postać. Efekty odszumiania różnych algorytmów odszumiania. Tabela 1 przedstawia porównanie wskaźników oceny odszumiania.

 

Porównując rysunek 1 z rysunkiem 2-rysunek 6, okazuje się, że cztery algorytmy mogą skutecznie usuwać szum gaussowski i biały z zaszumionego sygnału przy różnych decybelach, ale efekt odszumiania algorytmu odszumiania VMD-WT jest słaby, a metoda rusztu odszumiającego VMD-WT polega na przeprowadzeniu odszumiania progu falkowego po dekompozycji zaszumionego sygnału przez VMD, co pokazuje, że wybór parametrów VMD dla A: i a ma bardzo wyraźny wpływ na odszumianie sygnału f fi; w porównaniu z algorytmem odszumiania VMD-WT. Efekty odszumiania algorytmów PSO-VMD-WT i SCA-VMD-WT zostały w pewnym stopniu ulepszone, ale z tabeli 1 widać, że algorytm odszumiania SCA-PSO-VMD-WT jest stosowany w SNR i RMS. E ma lepsze wyniki. .

 

 

 Pomiar

Właściwy eksperyment pomiarowy hydrofonu wektorowego MEMS przeprowadzili naukowcy z Key Laboratory of North University of China w Fenhe Second Reservoir. Hydrofon ST umocowano na brzegu, przetwornik umieszczono na holowniku, a odległość pomiędzy holownikiem a zestawem zwiększono. Stopniowo zwiększano, wybierano różne pozycje zakotwiczenia, wykorzystywano przetwornik do transmisji sygnału, a następnie przeprowadzano zbieranie danych. W tym eksperymencie przechwytuje się sygnały o częstotliwości 8000 HZ i 1 0000 HZ w 1000 punktach w celu uzyskania odszumiania. Poprzednio zmierzony sygnał. Figury 7 i 8 przedstawiają zmierzone sygnały i ich widma częstotliwości odpowiednio 800 Hz i 1000 Hz oraz sygnał odszumiający i ich widma częstotliwości.

Obserwując rys. 7 można stwierdzić, że: sygnał wejściowy o częstotliwości 80 Hz zawiera mniej szumów o wysokiej częstotliwości, a przebieg po odszumieniu jest gładki. Efekt odszumiania tego algorytmu jest dobry. Obserwując rys. 8 można stwierdzić, że sygnał wejściowy HZ ma więcej zadziorów widmowych, co wskazuje na szum T. Szum jest duży, podstawowe cechy sygnału źródła dźwięku są zachowywane po odszumianiu, a efekt odszumiania tego algorytmu jest dobry. .

 

 

podsumowując

Mając na celu problem szumu losowego w sygnale podwodny czujnik akustyczny , w artykule zaproponowano metodę odszumiania SC AP SO-V MD-WT. W eksperymencie symulacyjnym, porównując wskaźniki oceny algorytmów VMD-WT, PSO-VMD-WT i SCA-VMD-WT w różnych decybelach, stwierdzono, że zaproponowany w tym artykule algorytm SCA-PSO-VMD-WT Excellent noise: PVMD-WT , PSO-VMD-WT i SCA-VMD-WT. Dlatego zaproponowany w tym artykule algorytm odszumiania SCA-PSO-VMD-WT może zostać wykorzystany do odszumiania mierzonych danych sygnałowych. Wyniki pokazują, że: Efekt odszumiania algorytmu SCA-PSO-VMD-WT jest wyraźny, co wskazuje, że metoda zaproponowana w tej pracy ma efekt odszumiania. Miej pewne odniesienie.