基于盲源分離技術(shù)的泄漏音波信號(hào)濾波方法分析

劉光曉，孟令雅，劉翠偉，錢昊鋮，李玉星

（1.中國(guó)石油大學(xué)（華東）儲(chǔ)建學(xué)院，青島 266555；2.中國(guó)石油大學(xué)（華東）信息控制學(xué)院，青島 266555）

基于盲源分離技術(shù)的泄漏音波信號(hào)濾波方法分析

劉光曉1，孟令雅2，劉翠偉1，錢昊鋮1，李玉星1

（1.中國(guó)石油大學(xué)（華東）儲(chǔ)建學(xué)院，青島 266555；2.中國(guó)石油大學(xué)（華東）信息控制學(xué)院，青島 266555）

音波法泄漏檢測(cè)技術(shù)用于輸氣管道泄漏檢測(cè)具有靈敏度高、實(shí)時(shí)性強(qiáng)、定位精度高等優(yōu)點(diǎn)，但是現(xiàn)階段受困于信號(hào)濾波技術(shù)，難以在實(shí)際工程中推廣應(yīng)用?？偨Y(jié)了現(xiàn)階段主要的時(shí)頻域?yàn)V波方法，重點(diǎn)介紹具有代表性的小波濾波和維納濾波的濾波原理，利用實(shí)驗(yàn)室采集的泄漏音波信號(hào)驗(yàn)證了兩種濾波方法的實(shí)際濾波效果。并且討論了基于時(shí)域和頻域?yàn)V波方法的不足，分析了針對(duì)某些工況，濾波方法不能取得良好濾波方法的原因。在此基礎(chǔ)上，引入了近年來(lái)發(fā)展迅速的盲源分離技術(shù)，闡述盲源分離的原理，通過(guò)分離構(gòu)造信號(hào)說(shuō)明了盲源分離技術(shù)具有更好的適用性和更好的濾波效果，最后利用實(shí)驗(yàn)室采集的泄漏音波信號(hào)進(jìn)行了實(shí)際分離，表明盲源分離技術(shù)具有實(shí)際的應(yīng)用價(jià)值。

音波法泄漏檢測(cè)技術(shù)；小波濾波；維納濾波；盲源分離

近年來(lái)，我國(guó)天然氣需求量與日俱增，天然氣輸送管道得到迅猛發(fā)展。由于腐蝕以及人為破壞等因素，天然氣泄漏時(shí)有發(fā)生，不僅造成了經(jīng)濟(jì)損失，而且?guī)?lái)巨大的安全隱患。天然氣管道的泄漏檢測(cè)可以有效保證天然氣管線的正常安全運(yùn)行，及時(shí)辨識(shí)泄漏工況并且進(jìn)行泄漏點(diǎn)定位。

在各種管道泄漏檢測(cè)方法中，音波泄漏檢測(cè)法具有靈敏度高、實(shí)時(shí)性強(qiáng)、定位精度高、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)［1］。音波法是利用管內(nèi)流體的壓力脈動(dòng)進(jìn)行管道的泄漏檢測(cè)：當(dāng)管線發(fā)生泄漏時(shí)，管內(nèi)氣體高速噴出，在泄漏孔附近產(chǎn)生強(qiáng)烈的渦旋脈動(dòng)，同時(shí)由于泄漏孔處氣體體積的減小，壓力下降，管內(nèi)氣體依次向泄漏點(diǎn)處補(bǔ)充，表現(xiàn)為壓力降以泄漏點(diǎn)為中心，以聲速沿管線向兩側(cè)傳播，安裝于管線不同位置處的傳感器采集接收泄漏音波信號(hào)，根據(jù)泄漏特征量進(jìn)行泄漏判斷，根據(jù)不同傳感器接收到泄漏信號(hào)的時(shí)間差進(jìn)行泄漏定位［2－3］。音波法與負(fù)壓波法最大的不同在于，負(fù)壓波法測(cè)量量是管內(nèi)壓力的絕對(duì)值［4］，音波法測(cè)量量為管內(nèi)壓力的波動(dòng)值。但是現(xiàn)階段，音波法泄漏檢測(cè)技術(shù)并沒(méi)有在實(shí)際工程中得到大規(guī)模的應(yīng)用，其中一個(gè)重要瓶頸便是對(duì)采集信號(hào)的濾波環(huán)節(jié)。泄漏音波信號(hào)在管道內(nèi)傳播過(guò)程中會(huì)受到各種噪聲干擾，導(dǎo)致傳感器接收到的泄漏音波信號(hào)的信噪比較低，造成系統(tǒng)誤報(bào)率和漏報(bào)率較高。

現(xiàn)階段的論文文獻(xiàn)較少的涉及泄漏音波信號(hào)的濾波環(huán)節(jié)，更多是針對(duì)某一種濾波方法的應(yīng)用，沒(méi)有各種濾波方法的對(duì)比，缺乏對(duì)濾波方法的適用性分析。本文以信號(hào)濾波為出發(fā)點(diǎn)，總結(jié)適合于泄漏音波信號(hào)的濾波方法，分析各種濾波方法的優(yōu)缺點(diǎn)，并且提出了基于盲源分離技術(shù)的濾波方法，重點(diǎn)分析了該技術(shù)用于輸氣管道泄漏音波信號(hào)降噪的可行性。

1 試驗(yàn)裝置

為真實(shí)模擬天然氣管線發(fā)生泄漏，采集泄漏音波信號(hào)，我們?cè)趯?shí)驗(yàn)室搭建了音波法泄漏檢測(cè)試驗(yàn)裝置。試驗(yàn)環(huán)道全長(zhǎng)251 m，管徑為φ14×2mm，設(shè)計(jì)最高壓力8 MPa，由壓縮機(jī)進(jìn)行供氣，設(shè)計(jì)流量60 m3/h。實(shí)驗(yàn)環(huán)道沿線共設(shè)置三個(gè)泄漏點(diǎn)，分別據(jù)測(cè)試起點(diǎn)40.34 m、88.33 m和149.02 m，管線泄漏通過(guò)球閥與帶泄漏孔板的法蘭控制完成。開啟球閥，模擬泄漏發(fā)生，通過(guò)更換不同開孔孔徑的泄漏孔板，實(shí)現(xiàn)對(duì)泄漏孔徑的控制。在管線起終點(diǎn)以及三個(gè)泄漏點(diǎn)處分別安裝音波傳感器，采集泄漏音波信號(hào)。試驗(yàn)裝置流程圖如圖1所示。

圖1 音波法泄漏檢測(cè)裝置流程圖Fig.1 The flow diagram of acoustic leak detection device

泄漏音波信號(hào)是非平穩(wěn)的微弱信號(hào)，幅值能量在低頻范圍內(nèi)占優(yōu)，尤其集中在次聲波頻段。傳感器采集到信號(hào)必然包含整個(gè)頻域范圍內(nèi)的噪聲，對(duì)泄漏信號(hào)產(chǎn)生干擾。實(shí)驗(yàn)室數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)充分考慮了這一因素：傳感器選用動(dòng)態(tài)壓力傳感器，型號(hào)為PCB公司的M106B，傳感器性能參數(shù)優(yōu)良，具有測(cè)量次聲波的能力，內(nèi)部耦合有電荷放大器，將測(cè)量信號(hào)進(jìn)行放大后輸出，輸出數(shù)據(jù)經(jīng)屏蔽線進(jìn)行傳輸，排除外界環(huán)境干擾。傳感器輸出信號(hào)進(jìn)行A/D轉(zhuǎn)換之前，首先經(jīng)過(guò)信號(hào)硬件濾波，濾除高頻噪聲的干擾。模數(shù)轉(zhuǎn)換單元選用美國(guó)NI公司的PCI－4474型動(dòng)態(tài)數(shù)據(jù)采集卡，四通道同步采樣，采樣頻率102.4 kS/s，分辨率為24 bits，最后利用計(jì)算機(jī)進(jìn)行數(shù)據(jù)存儲(chǔ)與后期處理。

利用試驗(yàn)裝置進(jìn)行試驗(yàn)，在2 MPa運(yùn)行壓力、0.45 mm泄漏孔徑條件下，泄漏點(diǎn)1發(fā)生泄漏時(shí)的泄漏音波信號(hào)如圖2所示。

圖2 2 MPa壓力0.45 mm泄漏孔徑泄漏音波信號(hào)Fig 2 Leaky acoustic wave of2 MPa and 0.45 mm leakage aperture

圖2（a）為傳感器1采集得到的泄漏音波信號(hào)，傳感器1在泄漏點(diǎn)1下游10 cm處，泄漏信號(hào)一經(jīng)產(chǎn)生，便被傳感器接收，圖2（b）為布設(shè)在終點(diǎn)處的傳感器5采集得到的泄漏音波信號(hào)，此時(shí)泄漏音波信號(hào)在管內(nèi)經(jīng)過(guò)了長(zhǎng)距離的傳播。

從圖2可以看出，當(dāng)管線發(fā)生泄漏時(shí)，動(dòng)態(tài)壓力信號(hào)出現(xiàn)一個(gè)明顯的下降沿，信號(hào)幅值遠(yuǎn)遠(yuǎn)大于穩(wěn)定運(yùn)行時(shí)的信號(hào)幅值，泄漏下降沿包含了管線泄漏發(fā)生工況以及發(fā)生時(shí)刻，是泄漏判斷的重要特征。但是泄漏音波信號(hào)在傳播過(guò)程中存在衰減，下降沿幅值減小，同時(shí)管線運(yùn)行過(guò)程中存在閥門、變徑管等結(jié)構(gòu)不連續(xù)部件，流體流經(jīng)時(shí)產(chǎn)生流動(dòng)噪聲，加之外部環(huán)境噪聲干擾，使得泄漏特征被掩蓋，如圖2（b），此時(shí)泄漏下降沿幅值有了很大程度的縮小，并且穩(wěn)定時(shí)的音波信號(hào)幅值波動(dòng)增大，泄漏幅值與穩(wěn)定幅值比值減小，容易造成誤報(bào)和漏報(bào)。因此，在實(shí)際應(yīng)用中，需要對(duì)音波信號(hào)進(jìn)行濾波處理，濾波效果直接關(guān)系到泄漏判斷的準(zhǔn)確性。

2 濾波方法

現(xiàn)階段比較通用的濾波方法按照原理分類，可以分為時(shí)域?yàn)V波方法和頻率濾波方法兩大類。

2.1 時(shí)頻域?yàn)V波方法

工程中經(jīng)常使用的頻域?yàn)V波方法有小波濾波、傅里葉變換濾波、FIR濾波器濾波以及IIR濾波器濾波等。各頻域?yàn)V波方法的原理基本相同，均是在頻域空間內(nèi)完成濾波過(guò)程，假設(shè)噪聲信號(hào)與理想信號(hào)占據(jù)不同的頻段，保留理想信號(hào)頻段內(nèi)的信息，將噪聲信號(hào)頻段內(nèi)信號(hào)幅值歸零或者通過(guò)選擇閾值進(jìn)行閾值處理，隨后進(jìn)行信號(hào)重構(gòu)，恢復(fù)時(shí)域波形。

在眾多的頻域?yàn)V波方法中，小波濾波同時(shí)具有尺度和偏移兩個(gè)可調(diào)變量，它的突出優(yōu)點(diǎn)為在高頻范圍內(nèi)具有較高的時(shí)間分辨率，在低頻范圍內(nèi)具有較高的頻率分辨率。這一優(yōu)點(diǎn)使得小波濾波相比其它濾波方法往往具有更好的濾波效果［5－6］。一般認(rèn)為，噪聲信號(hào)集中在高頻子帶，期望信號(hào)集中在低頻子帶，選擇適當(dāng)?shù)姆纸鈱訑?shù)和去噪閾值，即可達(dá)到去除噪聲的目的。因此，本文以小波濾波為例，研究小波方法的實(shí)際濾波效果。

對(duì)圖2（b）中的泄漏音波信號(hào)進(jìn)行小波濾波處理，濾波后的信號(hào)如圖3（a）所示，從圖中可以看出，濾波后的信號(hào)噪聲有顯著降低，表現(xiàn)為管線穩(wěn)定運(yùn)行時(shí)，音波信號(hào)幅值波動(dòng)減小，管線發(fā)生泄漏時(shí)，泄漏下降沿受干擾減小，泄漏發(fā)生時(shí)刻得到突顯。

時(shí)域?yàn)V波方法是在時(shí)域空間內(nèi)對(duì)信號(hào)進(jìn)行噪聲濾除，不涉及信號(hào)的頻域空間。最常使用的時(shí)域?yàn)V波方法有維納濾波和中值濾波等。維納濾波屬于一種自適應(yīng)濾波器，以誤差均方根最小為濾波原則，最優(yōu)維納濾波器滿足維納－霍夫（Wiener-Hopf）方程式［5］，求解方程便可得到最優(yōu)濾波器系數(shù)。

將圖2（a）所示信號(hào)作為期望輸出，對(duì)圖2（b）所示的信號(hào)進(jìn)行濾波處理，濾波結(jié)果如圖3（b）所示。濾波后信號(hào)與原始信號(hào)相比，噪聲信號(hào)變的稀疏，雖然噪聲信號(hào)在幅值上沒(méi)有太明顯的減小，但是泄漏下降沿得到顯著的突出，泄漏下降幅值增大，泄漏發(fā)生時(shí)刻變得清晰易辨識(shí)。

2.2 時(shí)頻域?yàn)V波方法的不足

對(duì)比圖2（a），濾波后的信號(hào)（圖（3））并不能完全消除噪聲干擾，恢復(fù)信號(hào)原始波形。在干擾較大的情況下，時(shí)頻域?yàn)V波方法往往不能取得理想的濾波效果，以下對(duì)兩組構(gòu)造信號(hào)進(jìn)行實(shí)際濾波，以實(shí)際效果說(shuō)明濾波方法的局限性。

采樣頻率設(shè)為3 000 Hz，采集2 MPa運(yùn)行壓力、0.8 mm泄漏孔徑條件下管線發(fā)生泄漏的泄漏音波信號(hào)，為排除噪聲信號(hào)干擾，明確濾波目標(biāo)，采用多項(xiàng)式擬合，擬合結(jié)果如圖4所示。

圖3 小波濾波與維納濾波圖Fig.3 Chart of wavelet filtering and Winner filtering

圖4 擬合泄漏音波信號(hào)時(shí)域和頻域特征曲線Fig.4 Characteristic curve of fitting leaky acoustic wave

圖5 兩種噪聲信號(hào)時(shí)域波形Fig.5Waveform of two noise signals

對(duì)擬合泄漏音波信號(hào)與真實(shí)泄漏音波信號(hào)進(jìn)行FFT變換，得到信號(hào)的頻域幅值分布，從圖4（b）中可以看出，兩者幅頻曲線變化規(guī)律一致，能量主要集中在低頻范圍內(nèi)，尤其是0～20Hz頻域范圍內(nèi)信號(hào)能量占優(yōu)，由于噪聲干擾的影響，真實(shí)泄漏音波信號(hào)頻域內(nèi)幅值存在波動(dòng)。

擬合信號(hào)的時(shí)域波形和頻域信號(hào)能量分布均與真實(shí)泄漏音波信號(hào)波形相似，具有可比擬性。

在擬合泄漏音波信號(hào)基礎(chǔ)上分別添加如圖5所示的具有相同均值和方差的（a）和（b）兩種噪聲信號(hào)：

對(duì)比噪聲信號(hào)a和b的時(shí)域波形，兩者均有較大的突刺，并且集中分布在零值附近，時(shí)域波形比較均勻，除去波形突刺幅值上稍有不同外，兩者的時(shí)域波形沒(méi)有顯著的區(qū)別。將a和b兩種噪聲信號(hào)進(jìn)行頻率轉(zhuǎn)化，頻域分布如圖6所示。

從兩者的頻域曲線可以看出，噪聲信號(hào)a主要是由0～100 Hz頻率范圍內(nèi)的正弦波形疊加而成，噪聲信號(hào)b主要是由100～200 Hz頻率范圍內(nèi)的正弦信號(hào)疊加而成。噪聲信號(hào)a幅值頻率段分布與擬合泄漏音波信號(hào)能量集中頻段重疊，而噪聲信號(hào)b的幅值頻率段錯(cuò)開了擬合泄漏音波信號(hào)幅值能量集中的頻段。

在擬合泄漏音波信號(hào)基礎(chǔ)上添加噪聲信號(hào)a與b，噪聲添加完成后，信號(hào)波形如圖7所示。添加噪聲后的泄漏信號(hào)波形下降沿受到極大干擾，泄漏發(fā)生時(shí)刻不能夠清晰辨認(rèn)，泄漏定位存在較大誤差，同時(shí)下降沿的幅值與穩(wěn)定時(shí)的音波信號(hào)幅值比值減小，泄漏特征不夠突出，造成泄漏判斷困難，易導(dǎo)致泄漏誤報(bào)率和漏報(bào)率增大。

使用維納濾波器進(jìn)行濾波處理時(shí)，需要預(yù)先得知濾波器期望輸出，所需的先驗(yàn)知識(shí)較多。在沒(méi)有過(guò)多先驗(yàn)知識(shí)的情況下，以維納濾波為代表的時(shí)域?yàn)V波方法失去效用，并且時(shí)域?yàn)V波方法只是簡(jiǎn)單地對(duì)波形進(jìn)行處理，缺乏理論上的去噪依據(jù)，具有一定的盲目性。

利用小波濾波方法分別對(duì)加噪信號(hào)a和信號(hào)b進(jìn)行濾波處理，濾波后的波形如圖8所示。

加噪信號(hào)a濾波前后時(shí)域波形沒(méi)有顯著的變化，真實(shí)信號(hào)依然被噪聲信號(hào)覆蓋，信號(hào)b的濾波效果較好，可以分辨出真實(shí)波形，但是依然存在較多的突刺干擾。從小波濾波的原理可以看出，小波法對(duì)信號(hào)的識(shí)別是在子帶與子帶之間，對(duì)同一個(gè)子帶內(nèi)信號(hào)無(wú)法進(jìn)行差別處理。當(dāng)噪聲信號(hào)與真實(shí)信號(hào)占據(jù)相同頻段時(shí)，無(wú)論分解層數(shù)為多少，兩者總是占據(jù)相同的子帶，此時(shí)，小波方法失去作用。并且即使噪聲信號(hào)與真實(shí)信號(hào)占據(jù)不同的子帶，也無(wú)法使選擇的閾值完全將高頻噪聲信號(hào)剔除，閾值適當(dāng)減小，高頻噪聲去除效果增強(qiáng)，但是過(guò)小的閾值往往造成重構(gòu)信號(hào)波形連續(xù)性變差，因此，噪聲信號(hào)總會(huì)或多或少地影響到低頻的真實(shí)信號(hào)。

圖6 兩種噪聲信號(hào)幅頻曲線Fig.6 Amplitude-frequency curve of two noise signal

圖7 添加噪聲后的擬合泄漏音波信號(hào)Fig.7 Fitting leaky acoustic wave added with noise

圖8 小波濾波后信號(hào)波形Fig.8 Waveforms after wavelet filtering

實(shí)際天然氣長(zhǎng)輸管線沿途地形環(huán)境多樣，管道結(jié)構(gòu)復(fù)雜，閥門、彎管和變徑管較多，環(huán)境噪聲和氣體流動(dòng)噪聲比實(shí)驗(yàn)室環(huán)境大得多。同時(shí)，又存在壓縮機(jī)啟停、輸氣量調(diào)節(jié)、管線分輸?shù)炔僮?，?duì)泄漏音波信號(hào)干擾較大。干擾信號(hào)的頻域分布較寬，并且低頻段信號(hào)衰減較小，可以傳播較遠(yuǎn)的距離，容易被音波傳感器接收，產(chǎn)生干擾，這些都對(duì)濾波方法提出了更高的要求。雖然時(shí)頻域?yàn)V波方法均具有一定的濾波效果，但是出于自身濾波原理的限制，各種方法所能提高的信噪比有限，在實(shí)際應(yīng)用中不能夠滿足要求。需要尋找新的方法來(lái)彌補(bǔ)這一缺陷。

3 盲源分離技術(shù)

盲源分離是指從多個(gè)觀測(cè)信號(hào)中提取出無(wú)法直接觀測(cè)的未知原始信號(hào)。盲源分離技術(shù)是基于源信號(hào)的統(tǒng)計(jì)獨(dú)立性，分離原理與時(shí)頻域?yàn)V波方法不同，可以為泄漏音波信號(hào)的濾波提供一個(gè)新的途徑。盲源分離技術(shù)中的“盲”體現(xiàn)在源信號(hào)未知和源信號(hào)混合過(guò)程未知，該技術(shù)所需先驗(yàn)知識(shí)少，適應(yīng)性強(qiáng)［7］。圖9為盲源分離技術(shù)的原理圖［8］。

圖9 盲源分離技術(shù)原理圖Fig.9 Flow chart of blind source separation technology

圖中，S1（k）至Sn（k）為n個(gè)源信號(hào)，A為混合矩陣，x（k）為混合信號(hào)，x（k）＝A S（k）＋v（k），v（k）為噪聲信號(hào)，其中信號(hào)源Si（k）未知，混合矩陣A未知，僅有傳感器采集到的混合后的信號(hào)x（k）。在噪聲強(qiáng)度較小的情況下，v（k）可忽略不計(jì)，更為一般的情況，噪聲信號(hào)也可以當(dāng)作S（k）中的一個(gè)信號(hào)源進(jìn)行處理。Q為白化矩陣，W為解混矩陣，yi（k）為分離出的信號(hào)，y（k）＝WQ x（k）＝WQAS（k），是對(duì)源信號(hào)Si（k）的估計(jì)。信號(hào)白化即將信號(hào)x（k）的各分量（對(duì)應(yīng)各傳感器采集到的信號(hào)）轉(zhuǎn)換為具有單位方差并且互不相關(guān)的矩陣，對(duì)應(yīng)的變換矩陣即為白化矩陣，信號(hào)經(jīng)過(guò)白化后會(huì)顯著降低分離過(guò)程中的計(jì)算量，信號(hào)白化方法簡(jiǎn)單多樣，最常用的有PCA與奇異值分解。盲源分離的關(guān)鍵是求解解混矩陣W，解混矩陣求解得準(zhǔn)確，才能保證分離出的各成分yi（k）接近于源信號(hào)Si（k）。

求解W，即盲源分離的算法有很多，現(xiàn)階段，獨(dú)立成分分析（Independent Component Analysis，ICA）方法使用最為廣泛，已經(jīng)在多個(gè)領(lǐng)域得到應(yīng)用并取得良好的信號(hào)分離效果，ICA方法是近年來(lái)興起的一種算法，是在之前PCA、因子分析法以及冗余消除法等其他盲源分離算法基礎(chǔ)上提出的新算法。獨(dú)立成分分析是從多元數(shù)據(jù)中尋找其內(nèi)在具有統(tǒng)計(jì)獨(dú)立和非高斯成分的一種盲源分離算法。ICA算法建立在源信號(hào)統(tǒng)計(jì)獨(dú)立基礎(chǔ)上，將一組隨機(jī)變量表示為幾個(gè)統(tǒng)計(jì)獨(dú)立變量的線性組合。

ICA分離中假設(shè)的約束條件為：

（1）源信號(hào)Si（k）均是零均值的隨機(jī)變量，變量之間始終保持相互獨(dú)立；

（2）源信號(hào)的數(shù)目不大于觀測(cè)信號(hào)數(shù)目；

（3）源信號(hào)中只允許一個(gè)信號(hào)滿足高斯分布。

此外，由于混合矩陣A的不確定性，導(dǎo)致分離出的各獨(dú)立分量yi（k）無(wú)法恢復(fù)源信號(hào)Si（k）的真實(shí)幅值，一般情況下約定各源信號(hào)具有單位方差。

在數(shù)學(xué)上，兩個(gè)變量x與y獨(dú)立時(shí)，概率密度函數(shù)滿足：

利用ICA方法進(jìn)行盲源分離的過(guò)程實(shí)質(zhì)是一種對(duì)矩陣W的尋優(yōu)過(guò)程，需要建立一個(gè)包含W的目標(biāo)函數(shù)，將求解W轉(zhuǎn)化為求解函數(shù)的極值。概率密度函數(shù)（1）提供了最直接的目標(biāo)函數(shù)，但是一般情況下概率密度函數(shù)未知，估計(jì)起來(lái)比較困難，通常利用信息論和統(tǒng)計(jì)論的知識(shí)，以獨(dú)立性為基礎(chǔ)將概率密度函數(shù)映射為高階統(tǒng)計(jì)量函數(shù)?，F(xiàn)階段主要使用的目標(biāo)函數(shù)判據(jù)有以下五種：最大非高斯性、非線性相關(guān)性、高階統(tǒng)計(jì)量、負(fù)熵和互信息，各類目標(biāo)函數(shù)均包含信號(hào)的高階統(tǒng)計(jì)量，建立目標(biāo)函數(shù)后，采用隨機(jī)梯度法或者自然梯度法進(jìn)行迭代求解［9－12］。

在盲源分離技術(shù)的實(shí)際應(yīng)用中，芬蘭阿爾托大學(xué)的學(xué)者提出了快速獨(dú)立成分分析（FastICA）算法，此算法基于非高斯性最大化原理，采用牛頓迭代法對(duì)觀測(cè)變量的大量采樣點(diǎn)進(jìn)行批處理，以最大化負(fù)熵作為目標(biāo)函數(shù)，每次從觀測(cè)信號(hào)中分離出一個(gè)獨(dú)立成分。FastICA較普通的ICA算法，有以下優(yōu)點(diǎn)：

（1）收斂速度快，普通ICA算法是線性收斂，F(xiàn)astICA收斂速度是三次收斂；

（2）FastICA不需要選擇步長(zhǎng)參數(shù)，更易使用；

（3）FastICA算法可以通過(guò)一個(gè)合適的非線性函數(shù)g分離出任何非高斯分布的獨(dú)立分量，常使用的非線性函數(shù)為：其中：1≤a1≤2，一般情況下取值1，G1適合于亞高斯信號(hào)和超高斯信號(hào)并存的情況，G2適合分離超高斯信號(hào)，G3適合分離亞高斯混合信號(hào)；

（4）獨(dú)立成分是被逐個(gè)分出，可以根據(jù)實(shí)際情況，人為控制分離獨(dú)立變量的個(gè)數(shù)；

FastICA算法推動(dòng)了盲源分離技術(shù)的實(shí)際應(yīng)用，簡(jiǎn)化了計(jì)算過(guò)程，減小了計(jì)算量。本文將利用FastICA算法對(duì)泄漏音波信號(hào)進(jìn)行分離［13－15］。

結(jié)合ICA技術(shù)與音波法泄漏檢測(cè)技術(shù)的原理，分析盲源分離技術(shù)在理論上對(duì)泄漏音波信號(hào)進(jìn)行分離濾波的適用性。

當(dāng)天然氣管道發(fā)生泄漏時(shí)，管內(nèi)氣體瞬間釋放，在泄漏孔附近的管內(nèi)流體中形成強(qiáng)烈的渦旋，渦旋構(gòu)成了泄漏聲源；環(huán)境噪聲由環(huán)境中的車輛等其它發(fā)聲體組成；流動(dòng)噪聲由彎管、變徑管和閥門等結(jié)構(gòu)不連續(xù)部件處產(chǎn)生，各自形成流動(dòng)噪聲聲源。由此可見(jiàn)，被傳感器接收到的各類聲源信號(hào)在空間上是分散的，彼此之間沒(méi)有聯(lián)系，各信號(hào)聲源之間是相互獨(dú)立的，并且自然聲源產(chǎn)生的信號(hào)不可能完全滿足高斯分布，雖然各源信號(hào)均不滿足零均值，但是只需進(jìn)行簡(jiǎn)單的去均值處理即可，去均值處理不會(huì)對(duì)泄漏判斷產(chǎn)生影響。滿足（1）和（3）兩個(gè)約束條件。

利用盲源分離技術(shù)進(jìn)行信號(hào)分離時(shí)，一個(gè)最為重要的問(wèn)題是泄漏聲源的數(shù)目不確定。在管內(nèi)流場(chǎng)中，存在渦旋處即可認(rèn)為是一個(gè)聲源，長(zhǎng)輸管線結(jié)構(gòu)發(fā)雜，聲源數(shù)目眾多。但是，實(shí)際真正能夠?qū)π孤┮舨ㄐ盘?hào)產(chǎn)生干擾的強(qiáng)烈聲源數(shù)目并不多，并且泄漏音波信號(hào)會(huì)被長(zhǎng)輸管線上的多個(gè)傳感器接收，可以滿足第（2）條約束條件。

利用圖7中源信號(hào)數(shù)目和組成明確的加噪信號(hào)a進(jìn)行盲源分離，觀測(cè)分離后的信號(hào)實(shí)際效果，如圖10所示。

從圖可以看出，對(duì)于固定聲源組成的信號(hào)，利用FastICA算法分離出的泄漏音波信號(hào)完全恢復(fù)了源信號(hào)的波形，只是在波形幅值上有所不同，這是由于信號(hào)源分離時(shí)零均值和單位方差的約束條件所致。盲源分離技術(shù)解決了小波濾波不能解決的問(wèn)題，取得了良好的分離效果。

對(duì)加噪信號(hào)b進(jìn)行分離，并計(jì)算分離后信號(hào)的信噪比和均方根誤差，比較兩者的濾波效果。加噪信號(hào)b進(jìn)行盲源分離后的結(jié)果如圖11所示。

由于泄漏信號(hào)源相同，對(duì)加噪信號(hào)a和b分離出來(lái)的泄漏音波信號(hào)基本相同，計(jì)算得出，小波濾波后的信號(hào)信噪比為18.219，均方根誤差為0.032 1，利用FastICA分離得到的泄漏音波信號(hào)的信噪比為73.5，均方根誤差為5.52×e－5，盲源分離取得濾波效果要遠(yuǎn)遠(yuǎn)優(yōu)于小波濾波。

圖10 加噪信號(hào)（a）分離得到的源信號(hào)Fig.10 Source signals of separating signal（a）

圖11 加噪信號(hào)b盲源分離得到的源信號(hào)Fig 11 Source signals of separating signal（b）

由此可以看出，盲源分離技術(shù)不但適用于泄漏音波信號(hào)的分離，而且會(huì)取得比較理想的分離濾波效果。利用FastICA算法對(duì)實(shí)驗(yàn)室實(shí)際采集得到的泄漏音波信號(hào)進(jìn)行濾波分離處理，從之前的分析可知，分離的源信號(hào)數(shù)目越多，越接近實(shí)際工況，分離效果越好，但是受限于實(shí)驗(yàn)室傳感器的數(shù)目，分離得到源信號(hào)的數(shù)目最多為四個(gè)。在此基礎(chǔ)上，觀察實(shí)際分離效果。

圖12（a）為在2 MPa運(yùn)行壓力、0.45 mm泄漏孔徑條件下，泄漏點(diǎn)1發(fā)生泄漏時(shí)四個(gè)傳感器接收到的泄漏音波信號(hào)。傳感器1、2、3、4在泄漏點(diǎn)下游沿管線依次布設(shè)，泄漏音波信號(hào)經(jīng)過(guò)不同的傳播距離后被各傳感器接收。隨著傳播距離的增大，泄漏下降沿幅值減小，信號(hào)毛刺增多，泄漏特征逐漸淡化。其中，傳感器1所接收的泄漏音波信號(hào)沒(méi)有經(jīng)過(guò)傳播，一經(jīng)產(chǎn)生便被迅速接收，傳感器1接收到的信號(hào)可以認(rèn)為是單純的泄漏聲源產(chǎn)生的信號(hào)。當(dāng)盲源分離后的泄漏音波信號(hào)與傳感器1接收的信號(hào)波形相近，并且較傳感器2、3、4的波形有明顯提升時(shí)，便可判定取得良好的分離濾波效果。

圖12（b）為分離出的四個(gè)相互獨(dú)立的信號(hào)，信號(hào)1為泄漏音波信號(hào)，信號(hào)2為環(huán)境噪聲信號(hào)，為近似的高斯白噪聲，信號(hào)3和信號(hào)4為流動(dòng)噪聲，為泄漏音波信號(hào)在泄漏點(diǎn)附近結(jié)構(gòu)不連續(xù)處發(fā)生折射和反射。

對(duì)比信號(hào)1與傳感器1接收到的泄漏音波信號(hào)，兩者在波形上基本保持一致，分離信號(hào)1中保留有一小部分噪聲信號(hào)，表現(xiàn)為在零線處信號(hào)有小幅值的波動(dòng)。在泄漏下降沿幅值上較傳感器2和3接收到的信號(hào)均有較大幅度的提升。分離出的音波信號(hào)1對(duì)泄漏特征有著非常明顯的突出作用。分離結(jié)果表明盲源分離得到的源信號(hào)可以反映泄漏音波信號(hào)源的特征，利用源信號(hào)1進(jìn)行泄漏判斷，可有效降低誤報(bào)率。

由此可以看出，盲源分離技術(shù)在泄漏音波信號(hào)濾波領(lǐng)域可以取得較好的分離效果，在四個(gè)獨(dú)立聲源的前提下，分離出的泄漏音波信號(hào)可以很好地突顯泄漏音波特征。

圖12 實(shí)驗(yàn)室泄漏音波信號(hào)分離得到的源信號(hào)Fig.12 Source signals of separating experimental leaky acoustic wave

4 結(jié) 論

本文主要分析了時(shí)頻域中具有代表性的小波濾波、維納濾波以及盲源分離技術(shù)對(duì)泄漏音波信號(hào)的降噪效果，研究得出以下結(jié)論：

（1）小波濾波和維納濾波對(duì)泄漏音波泄漏均具有一定的濾波效果；

（2）以維納濾波為代表的時(shí)域?yàn)V波方法所需先驗(yàn)知識(shí)較多，濾波原理不夠清晰，使用限制較多；以小波濾波為代表的頻域?yàn)V波方法較時(shí)域?yàn)V波方法具有更好的濾波效果，濾波原理更加清晰，但當(dāng)噪聲信號(hào)與泄漏音波信號(hào)頻帶重疊時(shí)，頻率濾波效果失去作用；

（3）盲源分離技術(shù)適用于泄漏音波信號(hào)的濾波降噪，可以分離小波濾波無(wú)法濾除的干擾噪聲，并且達(dá)到較高的信噪比。盲源分離技術(shù)的關(guān)鍵是合理選擇分離獨(dú)立信號(hào)源的個(gè)數(shù)，在四個(gè)分離信號(hào)源條件下，對(duì)實(shí)驗(yàn)室泄漏音波信號(hào)取得了較好的分離效果。長(zhǎng)輸天然氣管道布置的傳感器數(shù)目遠(yuǎn)遠(yuǎn)多于實(shí)驗(yàn)室環(huán)道，只要傳感器間距選取合適，便可使足夠數(shù)目的傳感器接收到泄漏音波信號(hào)，滿足盲源分離技術(shù)使用條件。

［1］劉翠偉，李玉星，王武昌，等.輸氣管道聲波法泄漏檢測(cè)技術(shù)的理論與實(shí)驗(yàn)研究［J］.聲學(xué)學(xué)報(bào)，2013，38（3）：372－381.LIU Cui-wei，LI Yu-xing，WANG Wu-chang，et al.Theoretical study and experimental study on leak detection for natural gas pipelines based on acoustic method［J］.ACTA Acoustic，2013，38（3）：372－381.

［2］楊理踐，景曉斐.輸氣管道音波泄漏檢測(cè)技術(shù)的研究［J］.沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2007，29（1）：70－73.

YANG Li-jian，JING Xiao-fei.Research on acoustic leak detection technology in natural gas pipeline［J］.Journal of Shenyang University of Technology，2007，29（1）：70－73.

［3］劉翠偉，李玉星，王武昌，等.輸氣管道泄漏音波產(chǎn)生機(jī)理研究［J］.振動(dòng)與沖擊，2013，32（7）：17－23.

LIU Cui-wei，LI Yu-xing，WANG Wu-chang，et al.Leakacoustics generationmechanism for natural gas pipelines［J］.Journal of Vibration and Shock，2013，32（7）：17－23.

［4］劉恩斌，李長(zhǎng)俊.應(yīng)用負(fù)壓波法檢測(cè)輸油管道的泄漏事故［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2009，41（11）：285－287.

LIU En-bin，LIChang-jun.Leakage detection for oil pipeline based on negative pressure wave theory［J］.Journal of Harbin Institute of Technology，2009，41（11）：285－287.

［5］楊建國(guó).小波分析及其工程應(yīng)用［M］.北京：機(jī)械工業(yè)出版社，2005.

［6］王海生，葉昊.基于小波分析的輸油管道泄漏檢測(cè)［J］.信息與控制，2002，31（5）：456－460.

WANG Hai-sheng，YE Hao.Oil pipeline leakage detection based on wavelet algorithm［J］.Information and Control，2002，31（5）：456－460.

［7］陳乃金，周明爭(zhēng).一種新的維納濾波圖像去高斯噪聲算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2010，19（3）：111－114.

CHEN Nai-jin，ZHOU Ming-zheng.A new image gaussian denoising algorithm based on wiener filtering［J］.Computer Systems Application，2010，19（3）：111－114.

［8］張發(fā)啟.盲信號(hào)處理及應(yīng)用［M］.西安：西安電子科技大學(xué)出版社，2006

［9］胥永剛，張發(fā)啟，何正嘉.獨(dú)立分量分析及其在故障診斷中的應(yīng)用［J］.振動(dòng)與沖擊，2004，23（2）：104－107.

XU Yong-gang，ZHANG Fa-qi，HE Zheng-jia.Independent component analysis and its applications to fault diagnosis［J］.Journal of Vibration and Shock，2004，23（2）：104－107.

［10］吳軍彪，陳進(jìn)，伍星.基于盲源分離技術(shù)的故障特征信號(hào)分離方法［J］.機(jī)械強(qiáng)度，2002，24（4）：485－488.

WU Jun-biao，CHEN Jin，WU Xing.Using blind source separation to recover themechanical fault feature［J］.Journal of Mechanical Strength，2002，24（4）：485－488.

［11］Jutten C，Herault J.Blind separation，PartⅠ：an adaptive algorithm based on neuromimetic［J］.Signal Processing，1991，25（1）：1－10.

［12］Babji S，Trangirala A K.Source separation in systems with correlated sources using NMF［J］.Pattern Analysis and Machine Intelligence，2010，28（3）：403－415.

［13］路亮，龍?jiān)矗娒鲏?，?FastICA算法在低信噪比爆破振動(dòng)信號(hào)信噪分離中的應(yīng)用研究［J］.振動(dòng)與沖擊，2012，31（17）：33－37.

LU Liang，LONG Yuan，ZHONG Ming-shou，et al.Separating noise from a blasting vibration signal based on FastICA［J］.Journal of Vibration and Shock，2012，31（17）：33－37.

［14］劉婷婷，任興民，康召輝.FastICA算法在機(jī)械振動(dòng)信號(hào)分離中的應(yīng)用［J］.西安工業(yè)大學(xué)學(xué)報(bào)，2008，28（1）：27－31.

LIU Ting-ting，REN Xing-min，KANG Zhao-hui.FastICA atithmetic applied in seperation ofmachine vibration signals［J］.Journal of Xi'an Technology University，2008，28（1）：27－31.

［15］鐘靜，傅彥.基于快速ICA的混合語(yǔ)音信號(hào)分離［J］.計(jì)算機(jī)應(yīng)用，2006，26（5）：1120－1124.

ZHONG Jing，F(xiàn)U Yan.Separation of mixed speeches based on FastICA algorithm［J］.Computer Application，2006，26（5）：1120－1124.

Filtering methods of leaky acoustic wave signals based on blind source separation technique

LIU Guang-xiao1，MENG Ling-ya2，LIU Cui-wei1，QIAN Hao-cheng1，LIYu-xing1
（1.College of Pipeline and Civil Engineering，China University of Petroleum（East China），Qingdao 266555，China；
2.College of Information and Control Engineering，China University of Petroleum（East China），Qingdao 266555，China）

In the natural gas pipeline leak detection field，acoustic leak detection technology has advantages of high sensitivity，strong real-time and high accuracy of leakage location.Such a technique is difficulty to be used widely due to no good signal filtering techniques.To solve the problem，themain filteringmethods in time and frequency domainswere summarized，the typical methods of wavelet and Wiener filtering were chosen，the principles of the two methods were listed，the actual filtering effects were studied.These filtering methods could not attain satisfying effects under some situations，the reasons were analyzed and the shortcomings of filtering methods were discussed.A rapidly developing method the blind source separation technique，was introduced，the principles of signal separation were presented.By separating structured signals，the blind source separation technique was proved to have better applicability and filtering effect.The separating results of leaky acoustic wave signals collected in Labs indicated that this technique is valuable for practical applications.

acoustic leak detection technology；wavelet filtering；Wiener filtering；blind source separation

TE83；TU112.3

A

10.13465/j.cnki.jvs.2014.24.032

國(guó)家自然科學(xué)基金（51074175，51104175）

2013－08－26 修改稿收到日期：2013－12－19

劉光曉男，碩士生，1988年生

孟令雅男，博士，副教授，1973年生