Un nuevo algoritmo de Denoising Junta de MMS vector Hydrophone

Introducción

En la exploración del océano, a través del análisis y el procesamiento de la señal recibida por el hidrófono, se puede obtener la categoría objetivo de la fuente de sonido y su ángulo, la posición y otros parámetros de estado relacionados. Sin embargo, los diferentes ruidos e interferencias se mezclarán inevitablemente en el hidrófono durante la recopilación de datos. Por lo tanto, para detectar, identificar y localizar aún más la señal, la influencia de estas interferencias de ruido debe eliminarse tanto como sea posible. Hay muchos algoritmos principales paraTransductor acústico subacuáticoSeñal DenOising: Método de filtrado de Fourier Tradicional, Método de transformación de Wavelet y Método de descomposición de modo empírico. Todos estos algoritmos tendrán un cierto efecto de denuimiento en señales ruidosas, pero también tienen algunas deficiencias. La wavelet DenOising tradicional tiene problemas sobre cómo seleccionar las bases de Wavelet y la cantidad de niveles de descomposición. Se propone un algoritmo de procesamiento de señal, descomposición del modo empírico. Este algoritmo no necesita establecer la función de base, pero producirá aliasing modal, lo que hará que las dos formas de onda de función modales intrínsecas adyacentes se alinean al reconstruirlo. Todavía hay mucho ruido mezclado. U et al. Propuso un algoritmo de modo empírico colectivo para esto, agregando ruido blanco auxiliar para reducir la influencia del aliasing modal, pero no puede garantizar que el ruido blanco introducido en el proceso de descomposición pueda eliminar completamente la P1. La descomposición modal variacional es un nuevo algoritmo modal de descomposición. El algoritmo se da cuenta de la separación efectiva de las funciones modales inherentes al determinar el centro de frecuencia y el ancho de banda de cada función modal inherente [tiene una base teórica sólida y puede resolver mejor el problema del aliasing modal. De acuerdo con la teoría del algoritmo VMD, antes de usar la descomposición de VMD en la señal de DenOling original, el número de componentes modales FC y el factor de penalty,% de la descomposición de la VMD deben fijarse de antemano. El valor de FC y el valor del valor \"están directamente relacionados con el resultado final de la descomposición. Si el valor de C es demasiado pequeño, la descomposición de la señal será insuficiente. Si el valor es demasiado grande, se generarán componentes de señal falsos, que causará la interferencia al análisis de los componentes útiles de la señal original. Si A es demasiado grande, el ancho de banda del modal será más pequeño, por el contrario, si A es más pequeño, el ancho de banda del modal será mayor. Por lo tanto , la determinación del valor y desempeña un papel vital en el algoritmo VMD, pero la mayoría de los parámetros del algoritmo VMD se establecen en función de la experiencia humana como una comparación. [En respuesta a los problemas anteriores, un nuevo método basado en SC AP Así se propone. El algoritmo optimiza los parámetros V MD FC y A, toma el error cuadrático medio de la señal reconstruida como la función de aptitud física del algoritmo, y encuentra la suma óptima para lograr el propósito de la reducción de ruido.

2 principios básicos. El principio de VM D es un algoritmo adaptativo no recursivo para el procesamiento de la señal. PROBLEMA DE VARIACIÓN CONSEJO CONSEJO CONSEÑANZA CORRESPONDIENTE AL ALGORITMO V MD

Algoritmo de coseno sine

Algoritmo de sine y coseno) es un nuevo tipo de algoritmo de optimización de inteligencia de enjambres deTransductor de hidrófono bajo el agua. Al usar el algoritmo SCA para buscar la optimización, se puede dividir en dos procesos. El primero es un proceso de exploración. El algoritmo de optimización explora rápidamente la región factible en el espacio de búsqueda al combinar una solución aleatoria entre todas las soluciones aleatorias, y el segundo es un proceso paralelo. La solución aleatoria cambia gradualmente, y su velocidad de cambio es más baja que la velocidad del proceso de exploración, por lo que su actualización específica.

Enjambre de partículas algoritmo

algoritmo enjambre de partículas (es un algoritmo de optimización de la inteligencia de enjambre. En el algoritmo PSO, la dirección y la distancia del movimiento de las partículas se determinan por la velocidad de la partícula, y el ajuste dinámico de la velocidad de las partículas se lleva a cabo en base a la experiencia de movimiento de en sí y otras partículas. de esta manera, la optimización de la partícula en el espacio solucionable se realiza adicionalmente de manera que en cada proceso de iteración, la velocidad y la posición de la partícula se actualizan mediante la actualización del valor extremo individual y el valor extremo global. la actualización específica . proceso en la fórmula, es la iteración rth Cuando la velocidad de la partícula i-ésima en el d-dimensión es el valor óptimo individual de la partícula i-ésima en el d-dimensión en la iteración i-ésimo;. es el todo ronda de la partícula i-ésima en el d-dimensión en la iteración i-ésimo el valor óptimo;. es el a; la segunda iteración ?: la posición de la partícula en la dimensión d; W es el peso inercia; C1 y C2 a re los factores de aceleración, que son constantes no negativas; números aleatorios entre 0.

Principio de la eliminación de ruido de umbral suave Wavelet

El principio de la eliminación de ruido wavelet umbral suave: En primer lugar, la señal ruidosa se descompone de forma ortogonal, y los coeficientes de tren de ondas se obtienen después de la descomposición? A continuación, establezca un umbral A y comparar. Si la magnitud de diez y A, el coeficiente se produce principalmente por el ruido; Si el coeficiente es producida principalmente por la señal. Por último, la transformada wavelet inversa se realiza en los coeficientes de onda para obtener la señal después de la guerra de eliminación de ruido. La fórmula de estimación del umbral suave.

El algoritmo de SCA-PSO-VMD-WT propuesto en este documento se basa en el análisis y la base teórica. En este trabajo se propone el algoritmo PSO-SCA-VMD-WT para la reducción de ruido. La señal ruidosa se descompone por V MD para obtener el componente modal, y si se determina un componente de ruido de la componente modal, y el componente modal ruidoso se selecciona para eliminación de ruido umbral wavelet, y entonces la señal se reconstruye mediante la separación de hidrógeno para obtener el la señal sin ruido. La raíz del error cuadrático medio (RMSE.) De la señal reconstruida se toma como la función de aptitud de SC A-P SO para encontrar el óptimo fc y para lograr el objetivo de reducción de ruido. El SCA-P propuesto SO-VM D-WT La reducción de ruido algoritmo se divide principalmente en pasos W: establecer el parámetro del método de juego f, el número máximo de iteraciones se ajusta a 30, el número de la población está en la posición 20.2 de inicialización y la velocidad . En este papel, el VMD Parámetros de ft y una se usan como el vector de posición del algoritmo .Update la posición y la velocidad bien de calcular el valor de la función de fitness. Use la fórmula para actualizar la posición, utilizar la fórmula para actualizar la velocidad, y la salida de la óptima y valores de la función global del ejercicio óptimos.

Experimento de simulación

El software utilizado en el experimento en este documento es MATLAB R20 14 La señal de simulación es SJ JM 0 oraciones. Con el fin de hacer el experimento de simulación más realista, se añade ruido aleatorio a la señal de simulación. Sin embargo, RTR R-Ocean Exploration, la intensidad de ruido de las señales acústicas submarinas es variable debido a la influencia de la oceanografía oceánica y las actividades humanas. Para simular esta situación, este artículo se agregará, el ruido blanco gaussiano, los indicadores de evaluación del efecto de denuimiento en este documento son el error cuadrático de la raíz (RMSE) y la relación señal-ruido (SNHJ. Para la comparación, en al mismo tiempo.

Algoritmo

El algoritmo y el resultado de la denuimiento del algoritmo. La Figura 1 muestra la señal original y la señal ruidosa en diferentes decibeles. Figura. Los efectos de Denuando de los diferentes algoritmos de Denoise. La Tabla 1 muestra la comparación de los índices de evaluación de Denoising.

Comparación de la Figura 1 con la Figura 2-Figura 6, se encuentra que los cuatro algoritmos pueden eliminar eficazmente el ruido gaussiano y blanco en la señal ruidosa en diferentes decibeles, pero el efecto de denuimiento del algoritmo VMD-WT DenOise es deficiente, y el VMD - el WT eliminación de ruido método rejilla es realizar umbral wavelet eliminación de ruido después de la descomposición de la señal ruidosa por VMD, que muestra que la elección de los parámetros de VMD para a: y a tiene un efecto muy claro en señal f eliminación de ruido fi; En comparación con el algoritmo VMD-WT DenOising, los efectos de DenOising de los algoritmos PSO-VMD-WT y SCA-VMD-WT se han mejorado en cierta medida, pero a partir de la Tabla 1, se puede ver que el SCA-PSO-VMD -WT Denoising Algorithm se usa en SNR y RMS. E tiene mejores resultados. .

Medición

El experimento real de medición del vector MEMS Hydrophone fue realizado por investigadores del laboratorio clave de la Universidad Norte de China en el segundo depósito de Fenhe. El Hydrophone ST se fijó en el banco, el transductor se colocó en el tirón, y la distancia entre el tirón y la matriz aumentó gradualmente, elija diferentes posiciones para permanecer ancladas, use el transductor para transmitir la señal y luego realizar datos. colección. Este experimento intercepta las señales de 8000 Hz y 1 0000 Hz a 1,000 puntos para obtener la denuimiento. La señal medida anterior. La Figura 7 y la Figura 8 son las señales medidas y sus espectros de frecuencia de 800 Hz y 1000 Hz, respectivamente, y la señal de denuimiento y sus espectro de frecuencia.

Observación Fig. 7 encuentra que: la señal de entrada de 80 Hz tiene menos ruido de alta frecuencia, y la forma de onda es suave después de la denuimiento. El efecto de Denoising de este algoritmo es bueno. Observación HIGO. 8 Encuentra que la señal de entrada de HZ tiene más rebabas espectrales, lo que indica que el ruido T. El ruido es grande, las características básicas de la señal de la fuente de sonido se conservan después de la denuimiento, y el efecto de denuimiento de este algoritmo es bueno. .

En conclusión

Apuntando al problema del ruido aleatorio en la señal de laSensor acústico subacuáticoEste documento propone el método SC A-P SO-V MD-WT DenOising. En el experimento de simulación, al comparar los indicadores de evaluación de los algoritmos VMD-WT, PSO-VMD-WT y SCA-VMD-WT en diferentes decibelios, se encuentra que el SCA-PSO-VMD-WT propuso en este papel excelente ruido Algoritmo: PVMD-WT, PSO-VMD-WT y algoritmos SCA-VMD-WT. Por lo tanto, el algoritmo de denuimiento SCA-PSO-VMD-WT propuesto en este documento se puede utilizar para denunciar los datos de la señal medida. Los resultados muestran que: el efecto de denuimiento del algoritmo SCA-PSO-VMD-WT está claro, lo que indica que el método propuesto en este documento tiene un efecto de denuimiento. Tener una cierta referencia.