摘要(yao):傳統電磁流(liú)量計 采用硬(yìng)件濾波方式(shì)去除噪聲,但(dàn)由于采用硬(yìng)件濾波消噪(zao)的🌈能力與器(qi)件的動态調(diao)節相互矛盾(dùn),且硬件電路(lù)元件的非理(lǐ)想化必然會(hui)混入其他噪(zào)聲.爲😘了彌補(bǔ)硬件濾波的(de)缺點，采用了(le)軟件去噪算(suan)法，該算法基(ji)于🈲小波消噪(zao)原理.爲有效(xiao)去除電磁流(liu)量計輸出信(xìn)号中的幹擾(rǎo)信号，提高數(shù)據處理的穩(wen)定性🔴和數據(jù)的精度,在結(jie)合傳統軟⛹🏻‍♀️、硬(ying)阈值函數的(de)不足的基礎(chu)上,引入了一(yi)種新阈值函(han)數,且在傳統(tong)信噪比、均方(fang)誤差等單一(yi)評價标準的(de)基礎上引入(ru)了一種綜合(hé)評🧑🏾‍🤝‍🧑🏼價标準對(dui)去噪效果進(jìn)行評估,采用(yòng)MATLAB工具♈箱對去(qù)噪結果進行(hang)了仿真.結果(guo)表明，相💔比傳(chuán)統小波消噪(zao)方法，改進的(de)小波阈🔞值去(qu)噪方法對抑(yi)制電磁流量(liàng)計信号中的(de)各種噪聲幹(gan)擾有更好效(xiao)果.
　　電磁流量(liàng)計是一種基(ji)于法拉第電(dian)磁感應定律(lǜ)來測量管内(nei)導電介質體(tǐ)積流量的感(gǎn)應式儀表,它(tā)輸出的微弱(ruo)🔞信号🈲常被複(fu)雜的幹擾所(suo)覆蓋.傳統信(xin)号處理電路(lù)配置硬件濾(lǜ)波器來濾除(chu)流量信号中(zhong)的高頻幹擾(rǎo),但硬件電路(lù)存在元件的(de)非理想化會(hui)引⛱️人其他噪(zào)聲和不能動(dong)态調節兩個(ge)弊端.
　　針對硬(yìng)件電路的不(bu)足引人了小(xiao)波變換和MATLAB相(xiàng)結合的去噪(zao)算法.相比于(yú)傳統傅裏葉(ye)變換,小波變(bian)換在💜去除掉(diao)高頻噪聲的(de)同時保留了(le)信号的高頻(pin)成分,其分辨(bian)♈率分析具有(yǒu)良好的時頻(pín)特性.國内外(wai)學者們針對(duì)電磁流量計(ji)信号,提出👅了(le)不同的去噪(zao)方法對其進(jin)行處💔理分析(xī).用Haar 小波對染(ran)噪信号進行(hang)不同☎️尺度的(de)濾波,可以得(dé)到較好的去(qù)噪效果0-2;通過(guo)對漿液噪聲(shēng)的分析建☁️模(mó)确立電磁流(liú)量計克服漿(jiāng)液噪聲的有(you)效方案,對漿(jiāng)液測量有促(cù)進作用👉。本研(yan)究引入一種(zhǒng)改進的新阈(yu)值🐇函數對電(diàn)磁流量計輸(shū)出的傳感信(xin)号進行去噪(zao)處理💛,經實驗(yàn)仿真表明,這(zhe)種方法對電(diàn)磁流量計數(shu)據降噪效果(guo)顯著,爲提取(qu)較爲純淨🧡的(de)電磁流量計(ji)信号提供了(le)參考.
1電磁流(liu)量計信号及(ji)其噪聲特征(zheng)分析
　　電磁流(liú)量計在其使(shi)用過程中會(huì)受到各個方(fang)面的幹㊙️擾産(chǎn)⭐生各♋種噪聲(shēng),具體噪聲模(mó)型如下:
 
ec爲工(gong)頻幹擾,ed爲電(dian)化學幹擾.
　　在(zai)衆多噪聲中(zhong),工頻幹擾通(tong)過采集數據(ju)對相位的選(xuan)取可以🌈消除(chu),微分幹擾隻(zhi)出現在勵磁(ci)變化處，當勵(li)磁不變時,不(bu)存在微分幹(gan)擾.低頻同相(xiang)幹擾可以🔞忽(hu)略不計.電化(hua)學幹擾頻帶(dai)很寬,在低頻(pín)和高頻都🧡有(you).
2電磁流量計(jì)信号去噪算(suan)法模型
2.1小波(bo)變換阈值降(jiàng)噪方法基本(běn)原理
　　傳統的(de)硬閡值函數(shu)去噪方法和(he)軟阈值函數(shù)去噪方法,其(qi)應用也極廣(guǎng),但不可忽視(shi)其缺點.
1)硬阈(yù)值函數
 
　　硬阈(yù)值算法由于(yu)自身不連續(xù)的缺點,在去(qu)噪時産生“僞(wéi)吉👅布斯現象(xiàng)”,丢失了許多(duō)原始信息.
2)軟(ruǎn)阈值函數
 
　　軟(ruan)阈值處理後(hòu)的小波系數(shu)與理論的小(xiao)波系數存在(zai)固定誤差,容(róng)易造成高頻(pin)有用信息的(de)遺失.
2.2新型小(xiǎo)波降噪方法(fǎ)阈值函數及(ji)阈值選取
　　許(xu)多學者對軟(ruǎn)、硬阈值函數(shù)采用改進算(suan)法.但這些🌈阈(yu)值函👈數都是(shi)基于傳統的(de)阈值函數,仍(réng)然存在平滑(huá)度低且高階(jiē)不可✨導的不(bu)足.針對這些(xiē)阈值函數的(de)不足,本文選(xuan)取了一種含(hán)有不同未知(zhi)數的阈值函(han)數,該阈值函(hán)數不僅介于(yú)軟🎯、硬阈值函(han)數中間,同時(shí)集成了它們(men)的優點,且⚽添(tian)加了平滑過(guò)渡區.以此✂️來(lái)解決傳統☎️兩(liǎng)種阈值函數(shu)的📱不足.引人(ren)的新阈值函(han)數如下:
 
　　式中(zhong)參數m和n均爲(wèi)正數,是公式(shì)中的調節因(yīn)子,其用作🌈調(diào)節幅值,可以(yi)針對不同含(hán)噪信号,使閡(he)值函數曲線(xian)可以提取去(qu)噪效果🏃🏻‍♂️更好(hao)的信号.采用(yong)2m .2m+1諸如此類的(de)調節參數,其(qi)目的是得到(dao)一個在阈值(zhí)處平滑🧑🏽‍🤝‍🧑🏻過渡(du)的區域,在這(zhè)個區域内有(you)㊙️用信号的成(chéng)分會被有效(xiào)的保存㊙️，避免(mian)被當成噪聲(shēng)而濾除✌️掉.同(tong)時,采用和這(zhe)樣的系數保(bǎo)證了阈值函(han)數在閥值處(chù)的不間斷💯.新(xīn)阈☎️值函數在(zai)小于閥值區(qu)間内,漸進最(zuì)後趨于0的曲(qǔ)線✔️,此曲線接(jiē)近于0但不等(děng)于0.
2.3小波分解(jiě)最佳尺度和(he)小波基
2.3.1 分解(jie)尺度的确定(dìng)
　　利用基于信(xin)噪比差值的(de)分解尺度确(que)定方法.記小(xiao)波x級🎯分解與(yu)重構信号的(de)信噪比爲:
 
　　式(shi)中,ƒ(i)爲原始信(xìn)号,`ƒ(i)爲去噪後(hòu)信号,N爲信号(hao)的長度.
　　運用(yong)阈值函數對(duì)給出的含噪(zào)信号進行去(qu)噪,求出信噪(zao)比🐅SNRx;再求🌏取SNRx+1-SNRx,循(xún)環多次改變(biàn)阈值選取方(fang)式，分解層數(shù)和小波基📧函(hán)數🔞,構造出一(yī)個差值矩陣(zhèn),通過比較得(dé)出矩陣中每(měi)一行的最大(dà)值,把最大值(zhí)賦值給相應(yīng)階數的小波(bō),所對應的分(fèn)解層可認爲(wèi)優.
2.3.2 小波基的(de)選擇
　　不同小(xiǎo)波基性質如(rú)表1所示.
 
2.3.4小波(bo)去噪效果綜(zōng)合評價
　　對平(píng)滑度和均方(fang)根誤差這兩(liǎng)個指标進行(hang)簡單的線性(xìng)組合,因爲變(biàn)化範圍不同(tóng),兩個指标的(de)基數也不相(xiang)😍同,所以容易(yi)出現誤差.爲(wei)了便于比較(jiào),将它們進行(háng)歸一化處理(lǐ).具體計算方(fāng)🏃‍♀️法如式
 
　　式中(zhōng),K爲均方根誤(wu)差.本文采用(yòng)變異系數定(ding)權法計算🧡各(ge)個指标的權(quán)重,過程如下(xià)式所示:
 
　　式中(zhōng),CV爲各個指标(biāo)的變異系數(shù);W爲均方根誤(wu)差和平滑度(du)兩個指标按(an)照變異系數(shù)法得到的權(quán)值;σ爲指标.的(de)标準💰差,μ爲指(zhǐ)标🤩的均㊙️值.最(zui)後,利用線性(xìng)組合的方法(fǎ)對兩個指标(biāo)的權重和歸(gui)一化後的結(jié)果線性💞組合(hé),得到複合評(ping)價指标T,其表(biao)達式爲:
 
　　其中(zhōng),Pr爲歸一化後(hòu)的平滑度,RMSE爲(wei)均方根誤差(cha).根據歸🔴--化的(de)原理和變異(yi)系數定權法(fa)的原理，同時(shi)通過這兩個(gè)指标的性質(zhì),分析可知,在(zai)對小波去噪(zào)效果判定時(shí),複合評價指(zhǐ)标T的值越小(xiǎo)🧑🏽‍🤝‍🧑🏻越好.
3電磁流(liu)量計實測參(can)數處理與分(fèn)析
　　使用MATLAB軟件(jian)進行仿真實(shí)驗,對如下的(de)原始信号進(jìn)行仿真,圖1分(fen)别爲原始信(xin)号和染噪後(hòu)的信号.表2爲(wei)db3小波基😘各分(fen)解層數下的(de)不同評價指(zhi)标值.由表2不(bú)難♋看出，分♌解(jiě)層數⛱️爲2時,均(jun)方根誤差RMSE最(zuì)小,信噪比SNR最(zuì)大.且當分解(jie)層數爲2時,綜(zōng)合指标T最小(xiǎo)，與實際情況(kuang)相符.圖2爲分(fèn)解♻️層數爲2時(shí)的去噪仿真(zhēn)圖.
 
 
　　表3爲db5小波(bō)基各分解層(céng)數下評價指(zhi)标值、評價指(zhǐ)标歸一🏃‍♂️化值(zhí)及👄綜合評價(jià)指标值.由表(biao)格可以看出(chū)，當分解層數(shu)🐅爲2時,均方根(gen)誤差最小，信(xìn)噪比最大,此(cǐ)時綜合指标(biao)T最小.因此得(dé)出最優分解(jiě)尺度爲2.圖3爲(wei)其去噪後仿(pang)真結果.
 
　　表4爲(wei)Haar小波基各分(fen)解層數下評(píng)價指标值、評(ping)價指标歸一(yī)化值及綜合(he)評價指标值(zhí).由表4可以看(kan)出，當分解層(ceng)數爲🌈2時,均方(fang)根誤差㊙️最小(xiǎo)，信噪比最大(dà),此時綜合指(zhi)标🏃‍♂️T最小.因此(ci)得出最優分(fen)解尺度爲2.圖(tú)4爲其去😍噪後(hòu)仿真結果.
 
　　表(biao)5爲sym5小波基各(ge)分解層數下(xia)評價指标值(zhí)、評價指标歸(gui)一化值及綜(zōng)合評價指标(biāo)值.由表可以(yǐ)看出，當分解(jie)層數爲♍2時,均(jun1)方根誤差最(zui)小，信噪比最(zui)大,此時綜合(hé)指标T最小.因(yin)此得出⚽最優(yōu)分解尺度爲(wei)2.圖5爲sym5爲小波(bo)基去噪後仿(pang)真結果.
 
　　表6爲(wei)coif3小波基各分(fen)解層數下各(gè)種不同的評(ping)價指标值.由(you)表可以看出(chu),當分解層數(shù)爲2時,均方根(gēn)誤差最小，信(xin)噪比最大,此(cǐ)時綜合指标(biao)T最小.因此得(dé)出最優分解(jie)尺度爲2.圖6爲(wei)其去噪仿真(zhen)結果.
 
　　表7爲sym4小(xiao)波基各分解(jie)層數下各種(zhǒng)評價指标值(zhi).由表🐉可以得(de)出💜最優分解(jie)層次爲2.圖7爲(wèi)sym4爲小波基去(qu)噪仿真結🔱果(guǒ).
 
　　表8爲分解尺(chǐ)度下新阈值(zhi)函數和傳統(tong)軟、硬阈值去(qu)噪效🔞果🥰對比(bi).
　　根據上述仿(pang)真實驗,對比(bǐ)表2~7可以得出(chu),在選用各種(zhǒng)小波基去🔅噪(zào)時,無論從單(dān)一.指标,還是(shi)綜合指标T進(jìn)行去噪評價(jia)時，在分解層(ceng)數爲2時,SNR達到(dào)最大值,RMSE達到(dào)🛀最小值,去噪(zào)效果達到♊優(yōu),由此可得出(chū)🔅針對此流量(liang)信号的最⛹🏻‍♀️佳(jiā)小波分❌解尺(chi)度爲2;對實驗(yàn)數據進行分(fen)析可知,采用(yong)此方法去噪(zao)🔆仿真時,在分(fèn)解尺度爲最(zuì)優分解尺度(dù)2的㊙️條件下,采(cǎi)用coif3小波基可(kě)以得到更好(hǎo)🈲地去噪效♋果(guo).由表8中的各(ge)個參數不㊙️難(nán)看出，運用此(ci)基💃于小波變(biàn)換的方法去(qù)噪時,本文提(ti)出的新型阈(yu)🤩值函數各個(gè)參數值都比(bi)原始的軟、硬(ying)阈值函😍數效(xiào)✉️果好，即新型(xing)阈值💃🏻函數的(de)去噪效果更(gèng)好，這對電磁(cí)流量數據處(chu)理具有實際(ji)意義.
 
4結語
　　本(ben)文在對電磁(cí)流量計信号(hào)特征分析的(de)基礎上,确定(ding)了一💁個電磁(ci)流量計信号(hao)處理的新型(xing)阈值函數.通(tong)過‼️理論分析(xi)、實驗仿真和(hé)數據處理等(děng)多個環節,得(dé)出以♌下結論(lun):
1)在使用小波(bo)阈值函數去(qù)除噪聲時，合(he)理選取分解(jie)層數、小❄️波基(ji)函數以及阈(yu)值函數等是(shi)去除噪聲同(tong)時獲得更🏃‍♀️正(zheng)确🔞的有用信(xìn)号的關鍵環(huán)節.
2)因爲不同(tóng)含噪信号的(de)噪聲性質存(cún)在或多或少(shao)的差異,所以(yǐ)在處理含有(yǒu)不同噪聲的(de)信号時，選取(qu)不同的分解(jie)層數、小波🏒基(ji)函數和阈值(zhí)函數其去噪(zào)效果是有🧑🏾‍🤝‍🧑🏼明(ming)顯區👅别的.對(duì)于分解層數(shu)而言,含噪信(xin)号🔞的種類、信(xin)❓噪比的大小(xiao)和阈值函數(shù)都影響着最(zuì)優🍉分解層的(de)值.除此之外(wai),我們通過多(duo)次仿真測試(shi)和☔數據分析(xi)不🔆難發現,沒(mei)有哪種小波(bo)基函數可以(yi)針對所有類(lèi)型的含噪信(xìn)号都可以獲(huò)得最優的去(qù)噪效果.
3)如果(guǒ)小波去噪算(suàn)法和其它去(qu)噪方法合理(lǐ)結合并不斷(duan)完善,就極有(yǒu)可能會達到(dào)更好的去噪(zao)效果.

以上内(nèi)容源于網絡(luo)，如有侵權聯(lian)系即删除!