基于小波閾值–卡爾曼的水田旋耕平地機傾角信號的去噪方法

梁友斌，許建康，周俊，張穎華，何瑞銀

(1.南京農(nóng)業(yè)大學工學院，江蘇 南京210031；2.連云港雙亞機械有限公司，江蘇 連云港 222000)

基于全球衛(wèi)星導航系統(tǒng)(GNSS)的智能水田旋耕平地機，能有效提高土地平整度，提高肥料利用率和排灌效率，具有不受光線、風力、地勢起伏等外界因素影響的優(yōu)點，可以全天候工作[1–2]。

機具工作過程中，GNSS系統(tǒng)輸出的定位數(shù)據(jù)中含有噪聲，導致根據(jù)定位數(shù)據(jù)計算出的傾角信號存在誤差，這種傾角信號會影響控制系統(tǒng)的控制效果，進而降低水田旋耕平地機的平地質(zhì)量；因此，需要對傾角信號進行濾波處理，以保證平地機良好的工作性能。王夢櫻等[3]采用小波閾值降噪法對GPS偽距觀測值進行降噪處理，有效提高了GPS的定位精度；夏友祥等[4]將卡爾曼濾波應用于GNSS多路徑效應的誤差處理，使農(nóng)田定位精度得到改善；劉兆惠等[5]提出了一種基于小波分析和卡爾曼濾波相融合的交通數(shù)據(jù)去噪算法，該融合算法能有效去除交通數(shù)據(jù)中的噪聲干擾，提高數(shù)據(jù)質(zhì)量。

筆者在水田旋耕平地機田間作業(yè)過程中，采集平地機在自動調(diào)平過程中的傾角信號，運用小波閾值法和卡爾曼濾波，對傾角信號進行去噪處理，分析它們的去噪效果，建立基于小波硬閾值法的卡爾曼最優(yōu)估計融合算法。

1 水田旋耕平地機的結(jié)構(gòu)及平地系統(tǒng)的工作原理

水田旋耕平地機通過三點懸掛機構(gòu)與拖拉機掛接，通過調(diào)節(jié)折疊液壓缸和調(diào)平液壓缸分別實現(xiàn)平地機的折疊和調(diào)平，其總體結(jié)構(gòu)如圖1所示。

圖1 水田旋耕平地機總體結(jié)構(gòu)Fig.1 Structure of the paddy field rotary tiller

由于硬地層不平整，拖拉機在行走過程中會發(fā)生傾斜，水田旋耕平地機也隨之傾斜，平地機當前位置與水平位置所形成的角度即為平地機的傾斜角度?；贕NSS的水田旋耕平地系統(tǒng)，依據(jù)傾角信號判斷平地機當前傾斜狀態(tài)，當系統(tǒng)檢測到平地機的傾斜角度超出允許范圍時，對平地機進行相應調(diào)節(jié)，使其保持水平狀態(tài)；因此，精確測量傾角信號是控制系統(tǒng)實現(xiàn)準確控制、獲得良好作業(yè)效果的必要前提。

2 傾角信號的采集及去噪

2.1 傾角信號的采集

采用GNSS技術(shù)，測量水田旋耕平地機工作過程中的傾角信號。試驗前，將GNSS基準站置于試驗田附近空曠處，移動站的2根天線對稱磁吸于平地機兩側(cè)，天線之間的基線距離為4 m。

機具作業(yè)過程中，GNSS天線實時監(jiān)測平地機的位置信息，根據(jù)2根天線之間的基線距離和相對高程差，GNSS接收機自動計算出平地機的傾斜角度，并將傾角信號發(fā)送給控制系統(tǒng)，控制系統(tǒng)根據(jù)傾角信號角度值的大小發(fā)出相應控制指令，調(diào)節(jié)調(diào)平液壓缸，使平地機繞中央軸轉(zhuǎn)動，從而保證機具處于水平狀態(tài)。控制系統(tǒng)接收并保存傾角信號，從而實現(xiàn)傾角信號的采集。

2.2 去噪方法的確定

2.2.1 小波閾值法

運用小波閾值法[6–11]中小波軟閾值法和小波硬閾值法，對傾角信號進行去噪處理。

2.2.2 卡爾曼濾波

運用卡爾曼濾波法[12–13]對傾角信號進行去噪處理。

2.2.3 小波–卡爾曼融合算法去噪

基于對小波閾值法和卡爾曼濾波的分析，建立基于小波硬閾值法的卡爾曼最優(yōu)估計融合算法。

傾角信號χ(t)經(jīng)小波硬閾值法處理后得到信號g(t)，將信號g(t)實時輸入到卡爾曼濾波系統(tǒng)中，利用小波硬閾值法獲取干擾噪聲的統(tǒng)計特性，作為卡爾曼濾波的修正信息，再通過卡爾曼濾波對信號g(t)進行濾波，得到修正后的信號s(t)。

3 融合去噪方法的應用

3.1 不同濾波方法的去噪效果

對原始傾角信號分別運用小波閾值法、卡爾曼濾波法、融合法進行濾波處理，濾波效果如圖2所示。

圖2 不同濾波方法對傾角信號的濾波效果Fig.2 Filtering effect by using different filtering methods on inclination signal

小波軟閾值法得到的信號連續(xù)性較好，但由于對小波系數(shù)的收縮處理，使得重構(gòu)信號與真實信號之間產(chǎn)生了一定程度的偏差，導致部分有效信號被壓縮(圖2–1)；小波硬閾值法得到的信號在閾值點處產(chǎn)生了振蕩，使去噪后的傾角信號產(chǎn)生局部抖動，且當小波系數(shù)的絕對值大于閾值時，不能實現(xiàn)對信號的有效去噪(圖2–2)；卡爾曼濾波根據(jù)上一刻的狀態(tài)估計和當前狀態(tài)的觀測來計算出當前狀態(tài)的估計，所以前一時刻的估計誤差也同樣會累加到下一時刻，且傾角信號的系統(tǒng)模型難以精確建立，從而使卡爾曼濾波的整體去噪效果變差，還會出現(xiàn)信號的局部失真現(xiàn)象(圖2–3)；小波–卡爾曼融合算法對小波閾值法和卡爾曼濾波的缺點進行了折中處理，保留了大波動信號的有效信息，又去除了小波動信號中的噪聲干擾，使信號曲線較為平滑，在高頻、瞬態(tài)信號的處理上也明顯優(yōu)于小波閾值法和卡爾曼濾波，去噪效果較好(圖2–4)。

小波–卡爾曼融合算法在小波硬閾值法去噪的基礎上，利用卡爾曼濾波對信號進行二次修正，將小波硬閾值法的閾值量化處理和卡爾曼濾波的最優(yōu)估計特性相結(jié)合，實現(xiàn)傾角信號的有效去噪。選擇將小波–卡爾曼融合的濾波方法實際應用到對平地機傾角信號的處理當中。

3.2 小波–卡爾曼融合算法濾波的應用

在水田旋耕平地機田間試驗中，采集平地機作業(yè)過程中的傾角信號，如圖3所示。運用小波–卡爾曼融合的方法對傾角信號進行濾波處理，觀察分析其去噪效果。

圖3 田間試驗采集的傾角信號Fig.3 Inclination signal collected in the field test

采用信噪比和均方根誤差[14–15]評定融合算法的去噪效果：信號的信噪比越高，真實信號和去噪信號的均方根誤差越小，說明去噪結(jié)果越接近真實值，去噪效果越好。選擇在小波分解基礎上，對傾角信號進行1層分解與重構(gòu)；根據(jù)重構(gòu)信號與原始信號對信噪比進行保守性估計。

分別對融合算法濾波前后的傾角信號進行處理，如圖4所示，傾角信號經(jīng)融合算法去噪后信號中的噪聲成分明顯減少。

圖4 基于小波理論的噪聲信號估計Fig.4 Noise signal estimation based on the wavelet theory

傾角信號經(jīng)融合算法處理后，信號的信噪比由21.704提高到39.116，均方根誤差從0.035 1降低至0.012 6，這意味著傾角信號經(jīng)融合算法處理后，信號中的噪聲成分明顯減少，信號的精確度得到改善，數(shù)據(jù)波動范圍和標準差均有所降低，傾角信號更加穩(wěn)定。