UWFBG分布式光纤声波传感系统信号低频分量提取方法

    公开(公告)号:CN117664307A

    公开(公告)日:2024-03-08

    申请号:CN202311420768.X

    申请日:2023-10-30

    Applicant: 三峡大学

    Abstract: 本发明涉及UWFBG分布式光纤声波传感系统信号低频分量提取方法,包括:采集各个传感光栅段的相位信号;对得到的信号进行第一次低通滤波,滤除其中的高频部分;对得到的信号降采样,降低数据量;对得到的信号进行最小二乘平滑滤波;然后进行第二次低通滤波;对得到的信号进行差分处理,去除信号的趋势项,滤除噪声;输出得到的低频信号。本发明采用二次低通滤波的方式,提高了滤波性能,降低了滤波器的设计难度,并保证了UWDAS信号低频分量提取的实时性;本发明在二次滤波之间采用降采样方式,既有效降低了频谱混叠对降采样的影响,又降低了设计高精度的第二低通滤波器的难度;本发明采用差分处理方法有效去除了UWDAS信号低频分量中的趋势项,并滤除了噪声。

    基于2D-CNN的UWDAS振动信号源数盲估计方法

    公开(公告)号:CN117633492A

    公开(公告)日:2024-03-01

    申请号:CN202311452435.5

    申请日:2023-11-01

    Applicant: 三峡大学

    Abstract: 基于2D‑CNN的UWDAS振动信号源数盲估计方法,包括以下步骤:通过UWDAS采集单源和多源振动信号数据;基于采集的振动信号数据,制作训练集、验证集、测试集三个数据集;提取制作的三个数据集信号的梅尔频谱特征;构建2D‑CNN网络,将提取的数据集信号的梅尔频谱特征输入到2D‑CNN网络中进行训练,得到模型;使用已训练好的模型对测试集进行源数估计,并计算估计的源数的准确率,从中选择准确率最高的模型作为最优模型;采用的最优模型对测试集中的混合源进行源数估计,计算多源混合振动信号数据的准确率。本发明提供一种基于2D‑CNN的UWDAS振动信号源数盲估计方法,能够在高噪声环境下依然精确估计UWDAS振动信号源数。

    基于分布式光纤声波传感的多源振动信号分离方法

    公开(公告)号:CN116576956A

    公开(公告)日:2023-08-11

    申请号:CN202310408385.4

    申请日:2023-04-17

    Applicant: 三峡大学

    Abstract: 基于分布式光纤声波传感的多源振动信号分离方法,包括:利用DAS采集不同类型的单源振动信号然后进行线性混合,构建不同混合源数的混合信号数据集;读取混合信号数据集中的数据,对信号进行去噪和切片处理,提取有效的事件片段;构建Conv‑TasNet网络模型,使用不同混合源数的混合信号离线训练,得到针对不同混合源数混合信号的分离模型;使用源数估计算法,估计数据集中混合信号的混合源数;根据估计的混合源数,选择对应源数的分离模型来分离混合信号。本发明将传统盲源分离中的源数估计算法与深度学习方法相结合,有效解决实际环境种多源混叠的情况,在源数未知的情况下分离复杂环境下的多源振动信号,并取得良好的源信号分离效果。

    基于排列熵算法的视频微小运动检测方法

    公开(公告)号:CN111654719A

    公开(公告)日:2020-09-11

    申请号:CN202010527314.2

    申请日:2020-06-11

    Applicant: 三峡大学

    Abstract: 本发明公开了基于排列熵算法的视频微小运动检测方法,排列熵算法具有计算简单、实时性高、能较好地反映时间序列微小变化等特点。本发明提出:首先,运用图像滤波对视频的每一帧平滑处理,减小环境、设备噪声对视频中运动信息的干扰;其次,在构成视频的每帧图片中根据时间顺序,将同一像素位置的每个像素值视为一维时间离散序列,运用排列熵算法计算所有时间序列的排列熵值。排列熵值越大,时间序列的复杂程度就越高,表明该像素位置在整个视频中存在运动。通过对整幅图像中每个像素点排列熵值的大小进行比较,熵值较大区域表明存在运动,实现对视频中微小运动检测。

    基于uwFBG桥梁变形监测的数据畸变点分类校正方法

    公开(公告)号:CN118347424A

    公开(公告)日:2024-07-16

    申请号:CN202410409998.4

    申请日:2024-04-07

    Applicant: 三峡大学

    Abstract: 基于uwFBG桥梁变形监测的数据畸变点分类校正方法,采集uwFBG所有有效光栅的波长数据W;消除集合W中波长数据受温度的影响,并和对应位置光栅的初始波长I做差,得到仅由桥梁钢结构应变引起的波长变化W_1;确定阈值δ,找到集合W_1中的所有畸变点并放入集合D中;将畸变点集合D分为连续畸变点集合C、第一类单畸变点集合S1和第二类单畸变点集合S2;分别对集合C、S1、S2中三种类型畸变点采用相应的方法校正,得到校正后的波长变化曲线数据W_2;对集合W_2中的数据进行平滑拟合,得到平滑的数据W_3。该方法校正了畸变点,还通过平滑拟合步骤对曲线进行了优化处理,使得在计算量相对较小的情况下输出的曲线结果更加平滑和连贯,提高了数据的可读性和可用性。

    卡尔曼滤波和Visushrink阈值处理的陀螺信号去噪方法

    公开(公告)号:CN116451020A

    公开(公告)日:2023-07-18

    申请号:CN202310325102.X

    申请日:2019-11-19

    Applicant: 三峡大学

    Inventor: 冉昌艳 吴佳慧

    Abstract: 本发明涉及卡尔曼滤波和Visushrink阈值处理的陀螺信号去噪方法,包括建立陀螺仪信号的时间序列模型;采用自适应抗野值卡尔曼滤波对陀螺仪信号去噪;利用小波分析,分别对卡尔曼滤波后的陀螺仪信号的低频分量、高频分量进行Visushrink阈值处理;对阈值处理后的陀螺仪信号的高频和低频信号进行小波重构。本发明为陀螺仪信号提供一种融合卡尔曼滤波和小波的自适应抗野值去噪方案,可以更有效的提高传感器的精度,减少误差。

    一种基于ICEEMDAN-ACF的自适应MEMS陀螺信号去噪方法

    公开(公告)号:CN115526206A

    公开(公告)日:2022-12-27

    申请号:CN202211164999.4

    申请日:2022-09-23

    Applicant: 三峡大学

    Abstract: 一种基于ICEEMDAN‑ACF的自适应MEMS陀螺信号去噪方法,它包括以下步骤:步骤1:对微机电系统MEMS陀螺信号进行预降噪;步骤2:分解微机电系统MEMS陀螺信号,得到多个本征模态函数IMF与余项Res;步骤3:计算各阶本征模态函数IMF的自相关函数方差,使用自相关函数ACF自适应阈值筛选噪声主导本征模态函数IMF;步骤4:剔除噪声主导本征模态函数IMF后与余项Res一起重构微机电系统MEMS陀螺信号;通过以上步骤完成对微机电系统MEMS陀螺信号的去噪。本发明的目的是为了解决现有的用于信号降噪的经验模态分解EMD算法存在模态混叠现象,导致无法有效分离噪声与有用信号,影响后续噪声主导本征模态函数IMF的筛选的技术问题。

    融合卡尔曼和小波的MEMS陀螺仪自适应抗野值去噪方法

    公开(公告)号:CN110991015A

    公开(公告)日:2020-04-10

    申请号:CN201911135166.3

    申请日:2019-11-19

    Applicant: 三峡大学

    Inventor: 冉昌艳 吴佳慧

    Abstract: 本发明公开了融合卡尔曼和小波的MEMS陀螺仪自适应抗野值去噪方法,包括建立陀螺仪信号的时间序列模型;采用卡尔曼滤波对陀螺仪信号去噪;利用小波分析,分别对卡尔曼滤波后的陀螺仪信号的低频分量、高频分量进行阈值处理;对阈值处理后的陀螺仪信号的高频和低频信号进行小波重构。本发明为MEMS陀螺仪信号提供一种融合卡尔曼滤波和小波的自适应抗野值去噪方案,可以更有效的提高传感器的精度,减少误差。

Patent Agency Ranking