强激光与粒子束
2024, 36(4): 043020
强激光与粒子束
2024, 36(4): 043013
1 南京城市职业学院智能工程学院,江苏南京 211200
2 南京信息工程大学 江苏省气象探测与信息处理重点实验室
3 南京信息工程大学 江苏省气象传感网技术工程中心,江苏南京 210044
针对气体泄漏声波信号降噪的问题,提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理;利用 VMD对去除噪声的信号进行分解,得到所有的本征模函数(IMF)分量,并根据相关系数准则判断有效 IMF;最后提取有效成分并进行信号重构。对本文方法进行验证,结果表明,本文方法能够有效剔除气体泄漏信号中包含的各种噪声,降噪后信噪比为 15.485 1,均方根误差为 0.028,为后续信号分析减少了干扰,也为气体泄漏声波信号的特征提取与分析提供了新的思路。
降噪 气体泄漏 小波包分析 变分模态分解 预处理 noise reduction gas leakage wavelet packet analysis Variational Mode Decomposition pretreatment 太赫兹科学与电子信息学报
2023, 21(8): 1031
针对合成孔径雷达(SAR)目标分类问题, 联合二维变分模态分解(BVMD)和卷积神经网络(CNN), 通过二维变分模态分解获得原始SAR图像的多模态表示, 反映目标的全局和细节信息; 设计适当的卷积神经网络分别对各个模态进行分类并输出后验概率矢量; 基于Bayesian理论融合各个模态的后验概率矢量;并根据融合后的结果判定目标结果。所提方法通过结合二维变分模态分解和卷积神经网络的优势综合提升SAR图像目标分类性能。实验中, 基于MSTAR数据集对所提方法在4种典型场景下进行了测试并与现有方法进行对比, 结果表明所提方法性能更具优势。
合成孔径雷达图像 目标分类 二维变分模态分解 卷积神经网络 Bayesian决策融合 SAR image target classification BVMD CNN Bayesian decision fusion
天津大学精密测试技术及仪器国家重点实验室,天津 300072
在页岩气开采过程中,基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤声波传感(DAS)系统是对水力压裂作业中产生的微震波进行监测的常用方案。为了提高Φ-OTDR系统测量振动信号的信噪比,提出了一种基于变分模态分解(VMD)和互信息(MI)的振动信号去噪方法,对数字正交(I/Q)解调得到的相位信号进行进一步处理,VMD层数K通过去趋势波动分析(DFA)计算的标度指数确定,相位信号的失真和噪声通过剔除MI法确定的非相关模态进行抑制。并搭建了相干探测Φ-OTDR系统验证VMD-MI方法的去噪效果,分别对500 Hz单频振动信号和500、1000、1500 Hz多频振动信号使用VMD、小波降噪(Wavelet)、经验模态分解(EMD)、自适应噪声完备集合经验模态分解(CEEMDAN)进行处理。实验结果表明,所提方法对振动信号信噪比提升最为明显,在Φ-OTDR系统中具有良好的实用性。
相位敏感光时域反射计 水力压裂微地震监测 信噪比 变分模态分解 互信息 光学学报
2023, 43(21): 2106002
西安科技大学机械工程学院,陕西 西安 710054
由于大范围三维激光扫描易受到采集车的多频率振动噪声的干扰,获取的路面三维形貌精度低。传统滤波和图像处理技术存在无法进行分量分析和过程复杂等缺陷。针对此问题,提出一种基于改进的哈里斯鹰优化(AMHHO)算法的变分模态分解(VMD)算法来对路面分量进行分析,精确剥离多频率振动信息。对车载3D激光相机获取的路面点云数据进行降维得到路面纵剖面信号,用所提AMHHO-VMD算法进行分解,对分解得到的本征模态函数(IMF)进行傅里叶变换并结合采集单元振动状态判定多频率振动信息。最后将筛选后的有效分量重构,得到精确的路面三维形貌。实验结果表明:与经验模式分解(EMD)算法和小波包分解算法相比,所提AMHHO-VMD算法能将多频率振动分量从原始路面点云中剥离,获得精确的路面三维形貌。
激光扫描 路面三维形貌 变分模态分解 多频率振动 哈里斯鹰优化算法 激光与光电子学进展
2023, 60(20): 2028010
强激光与粒子束
2023, 35(7): 079002
1 南京信息工程大学自动化学院,江苏 南京 210044
2 南京信息工程大学海洋科学学院,江苏 南京 210044
海表温度(SST)是重要的海洋水文参数。对其进行精准预测在海洋相关领域中至关重要。深度学习强大的分析能力使其近年来广泛应用于SST预测中,但SST时间序列波动性和随机性的特点使其精准预测仍然具有挑战性。首先,采用变分模态分解(VMD)作为去噪模块,降低SST序列噪声对预测结果的影响。进而,为了解决深度模型在SST预测中存在的滞后现象,采用迁移学习的方法,将长短时记忆网络(LSTM)与宽度学习系统(BLS)相结合,使用LSTM作为BLS的特征映射结点,提高了预测精度。最终,提出了一种基于VMD-LSTM-BLS的SST预测模型。选取我国东海海温进行实例验证。通过与基准模型支持向量机、LSTM、门控循环单元以及现有的深度模型进行比较,证明了提出模型在SST预测中具有相对稳定、高效的优势,为SST预测的发展提供了新思路。
大气光学与海洋光学 海表温度 变分模态分解 长短时记忆网络 宽度学习系统 激光与光电子学进展
2023, 60(7): 0701001
1 海军工程大学电气工程学院,湖北 武汉 430033
2 92853部队四分队,辽宁 葫芦岛 125106
提升数据处理能力是实现光纤电流传感器(FOCS)在微弱电流检测领域中应用的重要支撑。针对独立成分分析(ICA)算法对信源数量的要求和变分模态分解(VMD)对冲击噪声处理能力不足的问题,采用优化参数的变分模态分解与独立成分分析联合算法(OVMD-ICA算法),提升微弱电流检测能力。首先,在分析全光纤电流传感器输出信号的特征和噪声特性的基础上,以能量谱熵为目标函数,采用捕食者算法(HPO算法)获取模态参数K和二次惩罚因子α,完成变分模态分解。然后,通过设置相关系数阈值,对各模态函数分类并构建虚拟通道,以满足ICA对信源数量的要求,并采用FastICA算法实现盲源分离。最后,通过对比实验确定了该方法的有效性,发现采用所提方法能够实现3 mA微弱电流的识别检测。
信号处理 全光纤电流传感器 微弱电流测量 变分模态分解 独立成分分析 捕食者算法