摘要:傳(chuan)統電磁(ci)流量計(ji) 采用硬(ying)件濾波(bo)方式去(qu)除噪聲(sheng),但由于(yu)采用硬(ying)件濾波(bo)消噪的(de)🏃‍♂️能力與(yu)器件的(de)動态調(diao)節相互(hu)矛盾,且(qie)硬件電(dian)🌈路元件(jian)的非理(li)📐想化必(bi)然會混(hun)入其他(ta)噪聲.爲(wei)🚶了彌補(bu)硬件濾(lü)波的缺(que)點，采用(yong)了軟件(jian)去噪算(suan)法，該算(suan)法基于(yu)小波消(xiao)噪原理(li).爲有效(xiao)去除電(dian)🏃‍♂️磁流量(liang)計🐅輸出(chu)信号中(zhong)的幹擾(rao)信号，提(ti)高數據(ju)處理的(de)穩定性(xing)和數據(ju)的精度(du),在結合(he)傳統軟(ruan)、硬阈值(zhi)函數的(de)♻️不足的(de)基礎上(shang),引入了(le)一種新(xin)阈值函(han)數,且在(zai)傳統信(xin)噪📞比、均(jun)方誤差(cha)等單一(yi)評價标(biao)準的基(ji)礎上引(yin)入了一(yi)種綜合(he)評價标(biao)準對去(qu)噪效果(guo)進行評(ping)估,采用(yong)⭐MATLAB工具箱(xiang)對去噪(zao)結果進(jin)行了仿(pang)真.結果(guo)表明，相(xiang)比傳統(tong)小波消(xiao)噪方法(fa)，改進的(de)小波阈(yu)值去噪(zao)方法對(dui)抑制電(dian)磁流量(liang)計信号(hao)中的各(ge)種👌噪聲(sheng)幹擾有(you)更好效(xiao)果.
　　電磁(ci)流量計(ji)是一種(zhong)基于法(fa)拉第電(dian)磁感應(ying)定律來(lai)🎯測量管(guan)内導🌈電(dian)介質體(ti)積流量(liang)的感應(ying)式儀表(biao),它輸出(chu)的🚶微弱(ruo)信号常(chang)被複雜(za)的幹擾(rao)所覆蓋(gai).傳統信(xin)号處理(li)電路配(pei)置硬件(jian)濾❤️波器(qi)來濾除(chu)流量信(xin)号中的(de)高頻幹(gan)擾,但硬(ying)件電路(lu)存在元(yuan)件的非(fei)理想化(hua)會引人(ren)其他噪(zao)聲和不(bu)能動态(tai)調節兩(liang)個弊🙇🏻端(duan).
　　針對硬(ying)件電路(lu)的不足(zu)引人了(le)小波變(bian)換和MATLAB相(xiang)結合的(de)去噪💘算(suan)法.相比(bi)于傳統(tong)傅裏葉(ye)變換,小(xiao)波變換(huan)在去除(chu)㊙️掉高💁頻(pin)噪聲的(de)同時保(bao)留了信(xin)号的高(gao)頻成分(fen)❗,其分辨(bian)率分析(xi)☎️具有良(liang)好的時(shi)頻特性(xing).國内外(wai)學者們(men)針對電(dian)磁流量(liang)計信号(hao),提出了(le)不同的(de)去噪方(fang)法對其(qi)進行處(chu)理分析(xi).用Haar 小波(bo)對染噪(zao)信号進(jin)行不同(tong)尺度的(de)濾波🚩,可(ke)以得到(dao)較好的(de)🌍去噪效(xiao)果0-2;通過(guo)對漿液(ye)噪聲的(de)🌍分析建(jian)😘模确立(li)電磁流(liu)量計克(ke)服漿液(ye)噪聲的(de)有效方(fang)案,對漿(jiang)液測量(liang)有促進(jin)作用。本(ben)研究引(yin)入一種(zhong)改進的(de)新阈值(zhi)函數對(dui)電磁流(liu)量計輸(shu)出的傳(chuan)感信号(hao)進行去(qu)噪處理(li),經實驗(yan)仿真表(biao)明,這種(zhong)方法對(dui)電磁流(liu)🏃🏻‍♂️量計數(shu)據降噪(zao)效果顯(xian)著,爲提(ti)取較爲(wei)純淨的(de)電磁流(liu)量計信(xin)号提供(gong)了參考(kao).
1電磁流(liu)量計信(xin)号及其(qi)噪聲特(te)征分析(xi)
　　電磁流(liu)量計在(zai)其使用(yong)過程中(zhong)會受到(dao)各個方(fang)面的幹(gan)擾産生(sheng)各種噪(zao)聲,具體(ti)噪聲模(mo)型如下(xia):
 
ec爲工頻(pin)幹擾,ed爲(wei)電化學(xue)幹擾.
　　在(zai)衆多噪(zao)聲中,工(gong)頻幹擾(rao)通過采(cai)集數據(ju)對相位(wei)的選取(qu)可以消(xiao)除,微分(fen)幹擾隻(zhi)出現在(zai)勵磁變(bian)化處，當(dang)勵磁不(bu)變時,不(bu)存在微(wei)分幹擾(rao).低頻同(tong)相幹擾(rao)可以忽(hu)略不計(ji).電化😄學(xue)幹擾頻(pin)帶很寬(kuan),在低頻(pin)和高頻(pin)都有.
2電(dian)磁流量(liang)計信号(hao)去噪算(suan)法模型(xing)
2.1小波變(bian)換阈值(zhi)降噪方(fang)法基本(ben)原理
　　傳(chuan)統的硬(ying)閡值函(han)數去噪(zao)方法和(he)軟阈值(zhi)函數去(qu)噪方📱法(fa)⭐,其💜應用(yong)也極廣(guang),但不可(ke)忽視其(qi)缺點.
1)硬(ying)阈值函(han)數
 
　　硬阈(yu)值算法(fa)由于自(zi)身不連(lian)續的缺(que)點,在去(qu)噪時産(chan)生“僞吉(ji)布斯現(xian)象”,丢失(shi)了許多(duo)原始信(xin)息.
2)軟阈(yu)值函數(shu)
 
　　軟阈值(zhi)處理後(hou)的小波(bo)系數與(yu)理論的(de)小波系(xi)數存在(zai)固定誤(wu)🆚差,容易(yi)造成高(gao)頻有用(yong)信息的(de)遺失.
2.2新(xin)型小波(bo)降噪方(fang)法阈值(zhi)函數及(ji)阈值選(xuan)取
　　許多(duo)學者對(dui)軟、硬阈(yu)值函數(shu)采用改(gai)進算法(fa).但這些(xie)🐉阈值函(han)數都是(shi)基于傳(chuan)統的阈(yu)值函數(shu),仍然存(cun)在平滑(hua)度低且(qie)高階不(bu)可🐇導的(de)不足.針(zhen)對這些(xie)阈值函(han)數的不(bu)足,本文(wen)選取了(le)一🍉種含(han)有不同(tong)未知數(shu)的阈值(zhi)函數,該(gai)阈❤️值函(han)數不僅(jin)介于軟(ruan)🔞、硬阈值(zhi)函數中(zhong)間,同🚶時(shi)集成了(le)它們的(de)優點,且(qie)添加了(le)平滑過(guo)渡區.以(yi)此來解(jie)決傳統(tong)兩種阈(yu)值函數(shu)的不足(zu).引人的(de)新阈值(zhi)函數如(ru)下☀️:
 
　　式中(zhong)參數m和(he)n均爲正(zheng)數,是公(gong)式中的(de)調節因(yin)子,其用(yong)作調🍉節(jie)幅值,可(ke)以針對(dui)不同含(han)噪信号(hao),使閡值(zhi)函數🧑🏾‍🤝‍🧑🏼曲(qu)線🚶‍♀️可以(yi)☎️提取🌐去(qu)噪效果(guo)更好的(de)信号.采(cai)用2m .2m+1諸如(ru)此🈲類的(de)調節參(can)數,其目(mu)的是得(de)到一個(ge)在阈值(zhi)處平滑(hua)過渡的(de)區域,在(zai)這個區(qu)域内有(you)用信号(hao)的成分(fen)會被有(you)效的保(bao)存，避免(mian)被當成(cheng)噪聲而(er)濾除掉(diao).同時,采(cai)用和這(zhe)樣的系(xi)數保證(zheng)了阈值(zhi)函數在(zai)閥值處(chu)的不間(jian)斷.新🍓阈(yu)🧑🏽‍🤝‍🧑🏻值函數(shu)在小于(yu)閥值區(qu)間内,漸(jian)進最後(hou)趨于0的(de)曲線,此(ci)曲線接(jie)近于0但(dan)不等于(yu)0.
2.3小波分(fen)解最佳(jia)尺度和(he)小波基(ji)
2.3.1 分解尺(chi)度的确(que)定
　　利用(yong)基于信(xin)噪比差(cha)值的分(fen)解尺度(du)确定方(fang)法.記小(xiao)波x級分(fen)👨‍❤️‍👨解🐪與重(zhong)構信号(hao)的信噪(zao)比爲:
 
　　式(shi)中,ƒ(i)爲原(yuan)始信号(hao),`ƒ(i)爲去噪(zao)後信号(hao),N爲信号(hao)的長度(du).
　　運用阈(yu)值函數(shu)對給出(chu)的含噪(zao)信号進(jin)行去噪(zao),求出信(xin)噪🏃‍♂️比SNRx;再(zai)🔴求取SNRx+1-SNRx,循(xun)環多次(ci)改變阈(yu)值選取(qu)方式，分(fen)解✊層數(shu)和小波(bo)基函數(shu)☀️,構造出(chu)一個差(cha)值矩陣(zhen),通過比(bi)較得出(chu)💔矩陣中(zhong)每一行(hang)的最大(da)值,把最(zui)大值賦(fu)值給相(xiang)應階數(shu)的小波(bo),所對應(ying)的分解(jie)層可認(ren)爲優.
2.3.2 小(xiao)波基的(de)選擇
　　不(bu)同小波(bo)基性質(zhi)如表1所(suo)示.
 
2.3.4小波(bo)去噪效(xiao)果綜合(he)評價
　　對(dui)平滑度(du)和均方(fang)根誤差(cha)這兩個(ge)指标進(jin)行簡單(dan)的線性(xing)組✏️合,因(yin)爲變化(hua)範圍不(bu)同,兩個(ge)指标的(de)基數也(ye)不相同(tong),所以容(rong)易出⛷️現(xian)誤差.爲(wei)了便于(yu)比較,将(jiang)它們進(jin)行歸一(yi)化處理(li).具體🔱計(ji)算方法(fa)如式♊
 
　　式(shi)中,K爲均(jun)方根誤(wu)差.本文(wen)采用變(bian)異系數(shu)定權法(fa)計算各(ge)個指标(biao)的權重(zhong),過程如(ru)下式所(suo)示:
 
　　式中(zhong),CV爲各個(ge)指标的(de)變異系(xi)數;W爲均(jun)方根誤(wu)差和平(ping)滑度兩(liang)個🐉指标(biao)按照變(bian)異系數(shu)法得到(dao)的權值(zhi);σ爲指标(biao).的标準(zhun)差,μ爲🚶‍♀️指(zhi)标的均(jun)值.最後(hou),利用線(xian)性組合(he)的🏃🏻方法(fa)對兩個(ge)指标的(de)權🌍重和(he)歸一化(hua)後的結(jie)果線性(xing)組合,得(de)到🥵複合(he)評價🌈指(zhi)标T,其表(biao)達式爲(wei):
 
　　其中,Pr爲(wei)歸一化(hua)後的平(ping)滑度,RMSE爲(wei)均方根(gen)誤差.根(gen)據歸--化(hua)的原理(li)和🏒變異(yi)系數定(ding)權法的(de)原理，同(tong)時通過(guo)這兩個(ge)指标✨的(de)性質,分(fen)析可⚽知(zhi),在對小(xiao)波去噪(zao)效果判(pan)定時,複(fu)合評價(jia)指标T的(de)🐅值越小(xiao)越好.
3電(dian)磁流量(liang)計實測(ce)參數處(chu)理與分(fen)析
　　使用(yong)MATLAB軟件進(jin)行仿真(zhen)實驗,對(dui)如下的(de)原始信(xin)号進行(hang)仿真,圖(tu)1分别爲(wei)原始信(xin)号和染(ran)噪後的(de)信号.表(biao)2爲db3小波(bo)基各分(fen)解層數(shu)下的不(bu)同評價(jia)指标值(zhi).由表2不(bu)難看出(chu)，分解層(ceng)數爲2時(shi),均方根(gen)誤差RMSE最(zui)小,信噪(zao)比SNR最大(da).且當分(fen)解層數(shu)爲2時,綜(zong)合指标(biao)T最小，與(yu)實🌍際情(qing)況相💁符(fu).圖2爲分(fen)解層數(shu)爲2時的(de)去噪仿(pang)真圖.
 
 
　　表(biao)3爲db5小波(bo)基各分(fen)解層數(shu)下評價(jia)指标值(zhi)、評價指(zhi)标歸一(yi)化值及(ji)綜合評(ping)價指标(biao)值.由表(biao)格可以(yi)看出，當(dang)分解層(ceng)數👄爲2時(shi),均方🐕根(gen)誤差最(zui)小，信噪(zao)比最大(da),此時綜(zong)合指标(biao)T最小.因(yin)此得出(chu)最優分(fen)解尺🌏度(du)爲2.圖3爲(wei)其去噪(zao)後仿💋真(zhen)結果.
 
　　表(biao)4爲Haar小波(bo)基各分(fen)解層數(shu)下評價(jia)指标值(zhi)、評價指(zhi)标歸一(yi)🏃‍♂️化值及(ji)🐕綜合評(ping)價指标(biao)值.由表(biao)4可以看(kan)出，當分(fen)解層數(shu)爲☂️2時,均(jun)方根誤(wu)差最小(xiao)，信噪比(bi)最大,此(ci)時綜合(he)指标T最(zui)小.因⛷️此(ci)得出最(zui)優分解(jie)尺度爲(wei)2.圖4爲其(qi)去噪後(hou)仿真結(jie)果.
 
　　表5爲(wei)sym5小波基(ji)各分解(jie)層數下(xia)評價指(zhi)标值、評(ping)價指标(biao)歸一化(hua)💃值🌂及綜(zong)合評價(jia)指标值(zhi).由表可(ke)以看出(chu)，當分♉解(jie)層🈲數爲(wei)2時,均✏️方(fang)根誤差(cha)最小，信(xin)噪比最(zui)大,此時(shi)綜合指(zhi)标T最小(xiao).因此得(de)出🍉最優(you)分解尺(chi)度🏒爲2.圖(tu)5爲sym5爲小(xiao)波基去(qu)噪後仿(pang)真結果(guo).
 
　　表6爲coif3小(xiao)波基各(ge)分解層(ceng)數下各(ge)種不同(tong)的評價(jia)指标值(zhi)📧.由表可(ke)✍️以💰看出(chu),當分解(jie)層數爲(wei)2時,均方(fang)根誤差(cha)最🔞小，信(xin)噪比最(zui)大,此時(shi)綜合指(zhi)标T最小(xiao).因此得(de)出最優(you)分解尺(chi)👉度爲2.圖(tu)6爲其去(qu)😄噪仿真(zhen)🚩結果.
 
　　表(biao)7爲sym4小波(bo)基各分(fen)解層數(shu)下各種(zhong)評價指(zhi)标值.由(you)表可♉以(yi)得出最(zui)優分解(jie)層次爲(wei)2.圖7爲sym4爲(wei)小波基(ji)去噪仿(pang)🙇‍♀️真結果(guo).
 
　　表8爲分(fen)解尺度(du)下新阈(yu)值函數(shu)和傳統(tong)軟、硬阈(yu)值去噪(zao)效果對(dui)比.
　　根據(ju)上述仿(pang)真實驗(yan),對比表(biao)2~7可以得(de)出,在選(xuan)用各種(zhong)小波✂️基(ji)去噪時(shi),無論從(cong)單一.指(zhi)标,還是(shi)綜合指(zhi)标T進行(hang)去噪評(ping)價時，在(zai)分解層(ceng)數爲2時(shi),SNR達到最(zui)大值,RMSE達(da)到⭐最小(xiao)值🌍,去噪(zao)效果達(da)到優,由(you)此可得(de)出✏️針對(dui)此流量(liang)信号的(de)最佳小(xiao)波分解(jie)尺度爲(wei)2;對實驗(yan)數據進(jin)行分♍析(xi)可知,采(cai)用此方(fang)法去噪(zao)💁仿真時(shi),在分解(jie)尺度爲(wei)最優分(fen)解尺度(du)♋2的🌈條件(jian)下,采用(yong)coif3小波基(ji)可以得(de)到💁更好(hao)地去噪(zao)效果.由(you)表8中的(de)各個參(can)數不難(nan)看出，運(yun)用此基(ji)于小波(bo)變換的(de)方法去(qu)噪時,本(ben)文提出(chu)的新型(xing)阈值函(han)數各個(ge)參數值(zhi)都比原(yuan)始💋的軟(ruan)、硬阈值(zhi)函數效(xiao)🔞果好，即(ji)新型阈(yu)值函數(shu)的去噪(zao)效果更(geng)好，這對(dui)電磁流(liu)量數據(ju)處理具(ju)有實際(ji)意義.
 
4結(jie)語
　　本文(wen)在對電(dian)磁流量(liang)計信号(hao)特征分(fen)析的基(ji)礎上,确(que)定了💋一(yi)個電磁(ci)流量計(ji)信号處(chu)理的新(xin)型阈值(zhi)函數.通(tong)過理論(lun)分析、實(shi)驗🤟仿真(zhen)和數據(ju)處理等(deng)多個環(huan)節,得出(chu)以下結(jie)論:
1)在使(shi)用小波(bo)阈值函(han)數去除(chu)噪聲時(shi)，合理選(xuan)取分解(jie)💜層數❓、小(xiao)🧡波基函(han)數以及(ji)阈值函(han)數等是(shi)去除噪(zao)聲同時(shi)獲得更(geng)正确的(de)有用信(xin)号的關(guan)鍵環節(jie).
2)因爲不(bu)同含噪(zao)信号的(de)噪聲性(xing)質存在(zai)或多或(huo)少的差(cha)🥰異,所以(yi)🐉在處理(li)含有不(bu)同噪聲(sheng)的信号(hao)時，選取(qu)不同的(de)分解🈲層(ceng)數、小波(bo)基函數(shu)和阈值(zhi)函數其(qi)去噪效(xiao)果是有(you)明顯區(qu)别的.對(dui)于分解(jie)層數而(er)言,含噪(zao)信号的(de)種類、信(xin)噪比的(de)大小和(he)阈值函(han)數都影(ying)響着最(zui)優分解(jie)層的值(zhi).除此之(zhi)外,我們(men)通過多(duo)次仿真(zhen)測試和(he)🔴數據分(fen)析不🔴難(nan)發現,沒(mei)有哪種(zhong)小波基(ji)函數可(ke)以針⭕對(dui)所有類(lei)型的含(han)噪信号(hao)都可以(yi)獲得最(zui)優的去(qu)噪效果(guo).
3)如果小(xiao)波去噪(zao)算法和(he)其它去(qu)噪方法(fa)合理結(jie)合并不(bu)🏃‍♀️斷🤟完☔善(shan),就🏃‍♂️極有(you)可能會(hui)達到更(geng)好的去(qu)噪效果(guo).

以上内(nei)容源于(yu)網絡，如(ru)有侵權(quan)聯系即(ji)删除!