【技术实现步骤摘要】
本专利技术涉及超声波信号领域，具体涉及一种基于多阈值处理的离散型小波去噪ncc互相关分析方法。
技术介绍
1、机场作为交通枢纽和人员集聚地，其运营活动可能产生大量的污染物，包括噪音、废气、颗粒物等。这些污染物对周围环境和居民健康可能带来负面影响。并且对于一些极端天气的影响下，机场跑道表面会出现积水、积雪以及结冰的情况，严重影响了机场航班的正常起降。尤其是在冰、雪、水等污染物检测的过程中，污染物厚度的检测环节必不可少，目前由于机场跑道表面污染物厚度难以检测，均采用人工钢尺接触污染物进行直接读数。此现状不仅出现检测效率低下、检测时间长、人工工作环境恶劣等问题，而且通过目视读数检测出的污染物厚度数值准确性难以保证。
2、因此，通过实地调研污染物检测环境，选取了超声波测距作为检测机场道面污染物厚度的主要方式。超声波测距作为一种典型的非接触测量技术，可以在不破坏跑道表面的情况下获取内部结构信息。相比传统的破坏性检测方法，超声波检测更加经济高效且无损伤，可以对跑道表面进行频繁的、重复性的检测。在超声波接收到回波信号的过程中，由于机场周围通常存在着飞机起降、地面车辆行驶等引起的大量空气噪声，以及航空器滑行等活动会产生地面振动噪声，这些噪声会通过传导方式传递到超声波检测设备或被测污染物表面上，干扰超声波信号的接收和解析，降低检测的准确性和可靠性。
3、故针对超声波接收到的回波信号存在噪声干扰大的问题，提出利用多阈值方法结合离散小波变换的方法进行去噪，最后结合ncc归一化互相关评判超声波信号滤波效果的优劣，在尽可能减少原始
技术实现思路
1、针对现有技术的不足，本专利技术提出了一种基于多阈值处理的离散型小波去噪ncc互相关分析方法，该方法能通过将回波信号置于小波域中将混杂的噪声信号进行剥离，并通过ncc归一化互相关方法消除去噪信号效果的不确定性，将能反映出的有用信号信息参数值进行保留和重构在指定的小波域范围内达到减小误差提高精度的目的。
2、本专利技术的目的通过如下技术方案来实现：
3、一种基于多阈值处理的离散型小波去噪ncc互相关分析方法，所述方法具体包括如下步骤：
4、步骤一：在一次实验中利用单发单收超声波探头采集反映目标区域水膜厚度的超声波回波信号，并将所述回波信号作为待处理的原始信号；
5、步骤二：选取不同的小波基对所述原始信号进行处理，并对每种小波基对应的分析信号选取不同的分解层数进行逐一处理，得到每层不同小波基分解后的各类分解信号；
6、步骤三：对所述分解信号通过不同的阈值方法进行离散型信号阈值处理，观察不同分解层数下不同阈值方法进行处理后呈现的波形，得到阈值分解后的处理信号；
7、步骤四：针对阈值分解后处理信号所包含的细节函数和近似函数进行信号重构的处理，得到最终的去噪信号；针对每层信号计算出信噪比snr及均方根误差rmse，选取出最优的重构信号；
8、步骤五：利用所述重构信号与无水平整地面状态下超声波探头采集出的纯净信号进行ncc互相关分析得出最终去噪信号。
9、进一步的，所述步骤二具体包括以下步骤：
10、选取三种不同类型的超声波形作为原始小波基函数，所述原始小波基函数包含db小波、sym小波以及coif小波，db2～8小波、sym3～8小波、coif1～5小波作为原始小波基函数，对所述原始信号进行小波多级分解处理，分解级数分别取1～5层，得到三种原始小波基函数分别对应的近似分量的低频分解信号以及细节分量的高频分解信号。
11、进一步的，选取db2～8小波、sym3～8小波、coif1～5小波作为原始小波基函数。
12、进一步的，步骤三中对所述分解信号通过不同的阈值方法进行离散型信号阈值处理具体包括以下步骤：
13、选用固定式软阈值函数、固定式硬阈值函数、启发式软阈值函数、启发式硬阈值函数对离散型信号进行处理，表达式如下：
14、启发式软阈值函数：f(x)＝sign(x)*max(|x|-k*sigma,0)；
15、启发式硬阈值函数：
16、固定式软阈值函数：f(x)＝sign(x)*max(|x|-t,0)；
17、固定式硬阈值函数：
18、其中，x表示每层不同小波基分解后的各类分解信号，sign(x)表示x的符号函数，k是一个可调参数，用于控制阈值的选择，sigma表示信号的标准差。如果分解信号的绝对值大于k倍的标准差，则将该信号保留，并减去k倍的标准差；如果分解信号的绝对值小于等于k倍的标准差，则将该信号设为零；t表示设定的固定阈值，当分解信号的绝对值大于等于阈值t时，则保留该信号的数值；当分解信号的绝对值小于阈值t时，将信号值设为0，即丢弃该部分信号。
19、进一步的，步骤四中针对每层所述阈值处理后的处理信号的细节函数和近似函数进行信号重构的处理，具体方法为：
20、s41，获取所述原始小波基的系数：将输入的原始信号分解为多个不同尺度和频率的小波系数；
21、s42，iwt变换：将所述原始小波基的系数与所述原始小波基函数的线性组合进行叠加得到原始信号的近似值；
22、s43，重构信号：根据所述原始信号的近似值先进行近似值重建，结合阈值处理后的分解信号进行多次iwt变换恢复重构信号的细节信息从而得到完整的重构信号。
23、进一步的，对每种所述重构信号信息进行snr和rmse数值分量的计算并进行曲线拟合，挑选出具有最优snr及最优rmse数值的最能反映信号状况的最优重构信号。
24、进一步的，所述步骤五具体方法为：
25、计算重构信号与纯净信号的互相关性：
26、重构信号与纯净信号的互相关函数公式表示为：
27、rxy[m]＝∑(x[n]*y[n-m])；
28、重构信号与纯净信号互相关系数公式：
29、r(xy)＝(∑(x[n]-μx)(y[n]-μy))/(σx*σy)；
30、其中r(xy)表示互相关系数，x[n]和y[n]分别表示重构信号与纯净信号在时间点n处的取值，μx和μy分别表示两个信号的均值，σx和σy分别表示两个信号的标准差，σ表示求和符号，m表示时间延迟，n表示时间索引，x、y分别表示重构信号和纯净信号；
31、判断相关性得出信号时延与归一化相关系数：
32、ncc归一化公式：ncc(x,y)＝∑[(x-μx)*(y-μy)]/(σx*σy)；
33、ncc(x，y)的取值范围为[-1,1]，当ncc接近于1时，说明两个信号之间存在强正相关性；当ncc接近于-1时，说明两个信号之间存在强负相关性；当ncc接近于0时，说明两个信号之间不存在明显的相关性。
34、本专利技术的有益效果如下：
35、该信号处理方法能够将信号分解为不同尺度和频带的本文档来自技高网...
【技术保护点】
1.一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，所述方法具体包括如下步骤：
2.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，所述步骤二具体包括以下步骤：
3.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，选取db2～8小波、sym3～8小波、coif1～5小波作为原始小波基函数。
4.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，步骤三中对所述分解信号通过不同的阈值方法进行离散型信号阈值处理具体包括以下步骤：
5.根据权利要求3所述的一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，步骤四中针对每层所述阈值处理后的处理信号的细节函数和近似函数进行信号重构的处理，具体方法为：
6.根据权利要求5所述的一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，对每种所述重构信号信息进行SNR和RMSE数值分量的计算并进行曲线拟合，挑选出具有最优SN
7.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪NCC互相关分析方法，其特征在于，所述步骤五具体方法为：
...【技术特征摘要】
1.一种基于多阈值处理的离散型小波去噪ncc互相关分析方法，其特征在于，所述方法具体包括如下步骤：
2.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪ncc互相关分析方法，其特征在于，所述步骤二具体包括以下步骤：
3.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪ncc互相关分析方法，其特征在于，选取db2～8小波、sym3～8小波、coif1～5小波作为原始小波基函数。
4.根据权利要求1所述的一种基于多阈值处理的离散型小波去噪ncc互相关分析方法，其特征在于，步骤三中对所述分解信号通过不同的阈值方法进行离散型信号阈值处理具体包...
【专利技术属性】
技术研发人员：汪一文，黄亚均，吴瑾，陈宇豪，赵金忠，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。