李海 孫菁

摘 要 傾角傳感器在實(shí)際工作過程中會(huì)受到各種類型的噪聲干擾，由于這些干擾的類型和出現(xiàn)時(shí)間不同，使得傳統(tǒng)的消噪方法很難在徹底去除噪聲的同時(shí)避免對(duì)有用信號(hào)造成損傷。為了解決這一難題，我們利用時(shí)頻重排算法在時(shí)頻域?qū)鞲衅餍盘?hào)進(jìn)行消噪。通過重新排列信號(hào)的時(shí)頻譜，重排算法可以得到信號(hào)的瞬時(shí)頻率，從而可以在時(shí)頻域?qū)⒃肼暫陀杏眯盘?hào)區(qū)分開來。與頻率域和傳統(tǒng)時(shí)頻消噪方法相比，由于重排算法的時(shí)頻分辨率更高，因此可以更準(zhǔn)確的定位噪聲出現(xiàn)的時(shí)間和頻率范圍，從而避免消噪時(shí)可能造成的信號(hào)損失。仿真和實(shí)際傳感器資料的結(jié)果都表明，基于重排算法的時(shí)頻消噪方法能夠取得更高的信號(hào)信噪比。

【關(guān)鍵詞】時(shí)頻重排 傾角傳感器 消噪 時(shí)頻分辨率

1 前言

傾角傳感器是測(cè)量水平面傾斜角的裝置，在土木建筑，水文地質(zhì)，航空航天等工程技術(shù)領(lǐng)域被廣泛的應(yīng)用。傳感器的使用環(huán)境一般較為惡劣，現(xiàn)場(chǎng)存在大量噪聲，實(shí)際測(cè)量中會(huì)引入各種干擾信號(hào)，如加速度、攜帶傳感器的設(shè)備自身的振動(dòng)、周圍電磁擾動(dòng)以及白噪聲等。由于各種類型的噪聲信號(hào)來源不同，它們的頻率和發(fā)生的時(shí)間也不同。這些噪聲的存在會(huì)對(duì)后續(xù)分析和解釋傳感器信號(hào)帶來不利影響，因此，必須對(duì)現(xiàn)場(chǎng)采集到的信號(hào)做消噪處理，以盡可能地減少噪聲的干擾。常用的消噪方法有很多，可以分為時(shí)間域、頻率域和時(shí)頻域三類方法。對(duì)于平穩(wěn)信號(hào)，時(shí)間域和頻率域消噪方法都可以取得非常好的效果，但是，對(duì)于非平穩(wěn)信號(hào)來說，由于信號(hào)本身和所含噪聲都會(huì)隨時(shí)間發(fā)生變化，所以必須在消噪時(shí)同時(shí)考慮時(shí)間和頻率兩種因素，這時(shí)，時(shí)間域和頻率域的方法就不適用了，只有時(shí)頻域消噪方法才能取得良好效果。時(shí)頻消噪方法的基礎(chǔ)是各類時(shí)頻變換，例如短時(shí)傅立葉變換、小波變換等。首先，利用時(shí)頻變換將信號(hào)分解到時(shí)間-頻率域，然后根據(jù)信號(hào)和噪聲的特點(diǎn)將特定時(shí)間和頻率范圍的能量從時(shí)頻譜圖中去除，最后根據(jù)新的時(shí)頻譜進(jìn)行重構(gòu)，就可以得到消噪后的時(shí)間域信號(hào)。

現(xiàn)在常用的時(shí)頻變換方法所得到的時(shí)頻譜是在一定長(zhǎng)度的時(shí)間范圍內(nèi)對(duì)信號(hào)瞬時(shí)頻率的估計(jì)，因此信號(hào)真實(shí)的能量會(huì)在時(shí)頻譜上，以信號(hào)的真實(shí)瞬時(shí)頻率為中心分散開來。這會(huì)使得信號(hào)的有用成份（能量）容易和噪聲混疊在一起，導(dǎo)致在消噪過程中有用成分也會(huì)被損傷，或是噪聲消除不干凈。因此，提高信號(hào)的時(shí)頻分辨率，盡量在時(shí)頻譜上分開有用信號(hào)和噪聲成分，可以很好的解決這個(gè)難題。我們?cè)诒疚闹欣脮r(shí)頻譜重排算法進(jìn)行時(shí)頻變換修正，得到了分辨率更高的時(shí)頻變換結(jié)果，并以此為基礎(chǔ)對(duì)傾角傳感器信號(hào)進(jìn)行消噪處理。

2 算法原理

首先來看重排算法的基本原理。

重排算法的基礎(chǔ)是時(shí)頻變換，對(duì)于時(shí)間域信號(hào)s（t）， 它的短時(shí)傅里葉變換（STFT）表達(dá)式為：

為了和常規(guī)時(shí)頻變換方法做比較，我們?cè)O(shè)計(jì)了一個(gè)仿真信號(hào)，其中兩部分為和。 仿真信號(hào)如圖1（a）所示。分別使用短時(shí)傅里葉變換和時(shí)頻重排方法對(duì)信號(hào)s（t）進(jìn)行時(shí)頻變換，結(jié)果分別顯示在圖1（b）和圖1（c）。對(duì)比兩個(gè)結(jié)果可以明顯看到，重排算法譜圖的時(shí)頻能量更加集中，時(shí)頻分辨率更高。

3 實(shí)際數(shù)據(jù)處理

我們使用的傾角傳感器型號(hào)是VTI公司生產(chǎn)的SCA61T傾角傳感器，它采用電容式感應(yīng)原理，測(cè)量范圍是±90°，比例電壓輸出。傳感器及其結(jié)構(gòu)圖如圖2所示。實(shí)際數(shù)據(jù)為一段上斜坡時(shí)采集的信號(hào)，傾角大約為15度。我們?cè)趯?shí)際信號(hào)中加入了信噪比為20dB的高斯白噪聲。利用重排算法對(duì)信號(hào)進(jìn)行處理的結(jié)果如圖3所示。從圖3（a）中可以看到，在1.7s和3.3s附近，傳感器信號(hào)有明顯的跳變發(fā)生。其中1.7s處的跳變對(duì)應(yīng)于上坡開始的時(shí)間，而3.3s的跳變則是在坡道上的抖動(dòng)產(chǎn)生的干擾信號(hào)。圖3（b）是該段信號(hào)的時(shí)頻變換結(jié)果，由于該段信號(hào)的變化不劇烈，且疊加在上面的噪聲較強(qiáng)，使得直接從時(shí)頻變換結(jié)果中無法辨別出有用信號(hào)。經(jīng)過觀察，我們發(fā)現(xiàn)1.7s處信號(hào)的頻率在5Hz到45Hz的范圍內(nèi)，而3.3s處高頻率干擾信號(hào)出現(xiàn)在53Hz左右，因此，我們?cè)趦商幏謩e采用不同頻帶的濾波器，保留了被認(rèn)為是有用信號(hào)的頻率成分，結(jié)果如圖3（d）所示，比較圖3（b）和圖3（d）不難發(fā)現(xiàn)，將強(qiáng)噪聲去除后，信號(hào)的有用成分在時(shí)頻譜上得到了明顯加強(qiáng)，去噪效果明顯。圖3（c）是將去噪后的時(shí)頻結(jié)果進(jìn)行反變換得到的時(shí)域消噪結(jié)果，同樣可以看到，在1.7s處的干擾被去除，且上坡時(shí)傳感器正常變化的信號(hào)特點(diǎn)被保留了下來，而3.3s處的異常干擾被消除了。

4 結(jié)論

時(shí)頻重排算法是一種時(shí)頻分辨率非常高的變換方法，當(dāng)所處理信號(hào)的有用成分和干擾成分之間的頻率相差較小時(shí)，采用基于時(shí)頻重排算法的消噪方法可以在時(shí)頻域?qū)烧咴跁r(shí)間和空間上進(jìn)行分離，因此有用信號(hào)和其中夾雜的噪聲信號(hào)可以被很好的區(qū)分。對(duì)于非平穩(wěn)信號(hào)消噪來說，采用時(shí)頻消噪的方法，可以針對(duì)不同時(shí)間段對(duì)不同頻率的噪聲進(jìn)行消除，這樣就盡可能的避免了有用信號(hào)能量的損失，同時(shí)也保證了有效去除噪聲。對(duì)于傾角傳感器來說，突發(fā)的角度改變對(duì)應(yīng)的信號(hào)成分為高頻，采取傳統(tǒng)消噪方法可能會(huì)損傷有用信號(hào)，這時(shí)，采取時(shí)頻重排的方法進(jìn)行消噪可以避免這樣的情況發(fā)生。文中仿真以及實(shí)際信號(hào)的處理結(jié)果表明，時(shí)頻重排算法相比與傳統(tǒng)時(shí)頻變換，時(shí)頻分辨率更高，消噪效果更好，因此更適用于傳感器信號(hào)消噪。

參考文獻(xiàn)

[1]何斌，紀(jì)云，沈潤(rùn)杰.地下隧道變形檢測(cè)的無線傾角傳感器[J].光學(xué)精密工程，2013，21（06）：1464-1471.

[2]翟立新，孫祥年，甘忠林.傾角傳感器在海洋環(huán)境信息要素獲取中的應(yīng)用[J].海洋測(cè)繪，2013，33（03）：40-42.

[3]曹建安，張樂平，吳昊等.采用傾角傳感器實(shí)現(xiàn)空間旋轉(zhuǎn)角度測(cè)量的解析方法研究[J]. 西安交通大學(xué)學(xué)報(bào)，2013，47（10）：110-114.

[4]寇為剛，譚等泰.基于SVD的幾種消噪方法對(duì)比分析[J].自動(dòng)化與儀器儀表，2015，1：121-122.

[5]趙榮珍，王志威.轉(zhuǎn)子振動(dòng)信號(hào)的形態(tài)濾波消噪方法[J].蘭州理工大學(xué)學(xué)報(bào)，2011，37（04）：30-33.

[6]劉光輝.小波消噪和人工蜂群優(yōu)化神經(jīng)網(wǎng)絡(luò)的建筑電氣故障診斷[J].電氣應(yīng)用，2015，34（10）：58-62.

[7]Thomas Oberlin，Sylvain Meignen， and Valérie Perrier.Second-Order Synchrosqueezing Transform or Invertible Reassignment？ Towards Ideal Time-Frequency Representations[J]， IEEE Transactions on Signal Processing，63（05），pp： 1335-1344，2015.

[8]王大凱，彭進(jìn)業(yè).小波分析及其在信號(hào)處理中的應(yīng)用[M].北京：電子工業(yè)出版社，2006.

[9]Li Han，Mauricio D.Sacchi and Liguo Han.Spectral decomposition and de-noising via time-frequency and space-wavenumber reassignment[J]. Geophysical Prospecting，62：244-257，2014.

[10]Flandrin P.，Auger F.and Chassande-Mottin E.Time-frequency reassignment：From principles to algorithms[M].Applications in Time-Frequency Signal Processing，pp：179-203，2003.

作者簡(jiǎn)介

李海（1982-），江西省人。講師。研究方向?yàn)闄z測(cè)技術(shù)與自動(dòng)化裝置。

作者單位

中山職業(yè)技術(shù)學(xué)院機(jī)電工程學(xué)院 廣東省中山市 528404