高壓水射流靶物探測反射聲優(yōu)化處理方法

楊洪濤， 方傳智

（安徽理工大學 機械工程學院，安徽 淮南 232001）

高壓水射流作為一項迅速發(fā)展起來的新技術(shù)，不僅可以實現(xiàn)對靶物的高效切割，而且可以通過提取射流沖擊靶物時產(chǎn)生的反射聲信號特征值［1］對靶物的材質(zhì)和幾何尺寸進行識別與分類。由于利用傳聲器采集到的水射流反射聲信號數(shù)據(jù)量大，含有噪聲信號，要準確實時高效地識別靶物幾何尺寸和材質(zhì)，必須對反射聲信號進行預(yù)處理，利用有效的方法進行信號降噪與分解，提取有用頻率范圍的信號進行特征值提取，以減少需處理的反射聲信號數(shù)據(jù)量，提高實時性。

本文采用小波降噪方法對所采集的反射聲信號進行預(yù)處理，利用小波包將降噪后的反射聲信號分解成不同頻率段信號。選擇不同頻率段信號，利用模極大值法對信號進行處理和比較，確定用于識別靶物幾何尺寸的反射聲信號的最優(yōu)頻率段。同時利用短時能量法分別計算不同頻率段信號的能量分布值作為反映靶物材質(zhì)的特征值，利用支持向量機和所提取的特征值進行靶物材質(zhì)的識別，以最佳識別率作為判據(jù)，確定可以用于靶物材質(zhì)的反射聲信號的最優(yōu)頻率段，最終提取最優(yōu)頻率段信號用于識別分類。確定在特定頻率段進行尺寸和材質(zhì)識別，相對選用全部數(shù)據(jù)能減小數(shù)據(jù)處理量，有更高的識別效率。

1 反射聲信號優(yōu)化處理原理

1.1 小波降噪原理

在進行高壓水射流實驗時，由于受到閥、噴嘴和周圍環(huán)境等因素影響，所采集的反射聲信號包含多種噪聲，所以必須對反射聲信號進行降噪處理。由于噪聲成分通常屬于高頻成分，可以利用設(shè)置小波分解的高頻系數(shù)門限閾值對含噪反射聲信號進行處理和重構(gòu)，實現(xiàn)降噪［2］的目的。設(shè)含噪反射聲信號為：

其中，yi為噪聲信號；λ是噪聲級；i是信號長度，i＝0，1，2，…，n－1。要從yi中恢復(fù)出原始信號xi，采用小波降噪的算法步驟如下：

（1）對yi進行正交小波變換。選擇合適的小波和小波分解層數(shù)，將yi進行小波分解，得到相應(yīng)的分解系數(shù)，包括低頻和高頻成分。

（2）對分解得到的小波系數(shù)進行閾值處理，根據(jù)文獻［3］的結(jié)果，本文程序中采用軟閾值。

（3）將經(jīng)閾值處理過的小波系數(shù)重構(gòu)，進行逆變換得到恢復(fù)的原始信號估計值。

1.2 小波包分解

小波包變換可以實現(xiàn)對高頻部分提供精細的分解，因此可以對包含大量中、高頻信息的信號進行更好的時頻局部化分析［4］。高壓水射流反射聲信號中含有多種頻率的復(fù)雜成分，所以利用小波包對上述降噪處理后的反射聲信號按頻率分解，能夠準確分解出信號中包含的各種頻率成分，用于后續(xù)的靶物幾何尺寸識別和靶物材質(zhì)分類。本文利用模極大值法對利用小波包分解出的各種頻率范圍信號分量進行處理［5］，分別用于識別靶物幾何尺寸，最終確定可以用于靶物幾何尺寸的反射聲信號分量最佳頻率范圍。

小波包分解以一組正交小波為基，按照如圖1所示的樹形分解原理，按頻率逐階平均分解［6－7］，分解后的成分多少由選取的階數(shù)定義，圖1顯示的是4階16層，即最后按照總頻率將信號平均分成了16份。

圖1 小波包樹形分解圖

尺度函數(shù)是小波包分解的基礎(chǔ)，尺度函數(shù)φ（t）滿足雙尺度方程（2）式，即

其中，h（k）、g（k）是由尺度函數(shù)φ（t）構(gòu)造的、分別具有低通和帶通頻譜特性的濾波器，滿足g（k）＝（－1）1－kh（1－k）。為了表示小波包函數(shù)，設(shè)

將尺度方程φ（t）代入（3）式計算得：

進而可以通過μ0、μ1、h、g將固定尺度的小波包函數(shù)推廣如下：

1.3 短時能量法

高壓水射流反射聲信號是一個時變、非平穩(wěn)信號，在10～30ms的短時范圍內(nèi)，可以近似看作準穩(wěn)態(tài)信號，因此可以通過計算該段時間內(nèi)的能量來反應(yīng)信號的特征。根據(jù)文獻［8］的結(jié)論，對應(yīng)不同高壓水射流靶物的反射聲信號短時能量存在明顯差異，因此可以采用短時能量法提取反射聲信號的短時能量，作為反映靶物不同材質(zhì)的特征值。

反射聲信號x（n）的短時能量（假定加的窗函數(shù)長度為N）可以表示為：

其中，0≤m≤N－1。所加的窗函數(shù)為：

則短時能量可簡化為：

1.4 支持向量機（SVM）原理簡介

由于高壓水射流需要進行探測的靶物具有不同的材質(zhì)和幾何尺寸，本文利用上述靶物對應(yīng)的反射聲信號中提取的短時能量作為分類依據(jù)，應(yīng)用支持向量機（SVM）對地雷、石塊、磚塊3種靶物進行分類，確定識別效率，用于確定上述利用小波包分解的最佳頻率范圍的反射聲信號分量。

SVM的基本思想是構(gòu)造一個超平面作為分類判別平面，使2類數(shù)據(jù)樣本之間的間隔最大［9－11］。對于線性可分樣本集合｛xi，yi｝，i＝1，2，…，l，yi∈｛－1，1｝，xi∈Rd，有判別函數(shù)g＝y(tǒng)i（ωxi＋b）。若分類面對所有樣本都滿足g≥0，則此時分類間隔等于2／‖ω‖，間隔最大可以等價于‖ω‖2最小。滿足g≥0且使‖ω‖2／2最小的分類面就是最優(yōu)分類面H。通過非線性映射將輸入空間變換到一個高維空間，僅使用高維空間中的內(nèi)積，通過引入核函數(shù)，解決算法中復(fù)雜的非線性變換問題，得到的分類函數(shù)為：

其中，ai為對應(yīng)的Lagrange乘子；K為核函數(shù)。常見的核函數(shù)有S形核函數(shù)、徑向基核函數(shù)和多項式核函數(shù)，經(jīng)過試驗，本文采用效果較好的徑向基核函數(shù)作為靶物材質(zhì)分類的核函數(shù)。

高壓水射流反射聲信號處理流程如圖2所示。

圖2 反射聲信號處理流程

2 實驗裝置及反射聲數(shù)據(jù)采集

為了實現(xiàn)實時不失真測量，本文利用具有防水性能的ZL－301型聲音傳感器、PM10B－12型信號調(diào)理器和NI USB－6229型采集卡搭建數(shù)據(jù)采集系統(tǒng)，所搭建的實驗系統(tǒng)如圖3所示。

利用LabVIEW軟件及其控件，根據(jù)上述信號處理流程編制數(shù)據(jù)采集與處理程序，分別對上述3種靶物進行實際探測，實時采集不同靶物的反射聲信號。

圖3 實驗及數(shù)據(jù)采集系統(tǒng)

采集到的一組水射流打擊石塊的反射聲信號及利用小波降噪的結(jié)果如圖4所示，特征明顯的前8層信號小波包分解的結(jié)果如圖5所示。

圖4 反射聲信號的小波降噪結(jié)果

圖5 對降噪后信號進行小波包分解

3 數(shù)據(jù)處理

3.1 靶物幾何尺寸最佳頻率聲音分量的確定

對高壓水射流靶物的幾何尺寸進行精確判斷時，需要利用反射聲信號和模極大值法確定反映靶物邊界的信號突變點。由于降噪過的反射聲音仍然包含多種呈現(xiàn)較大突變的噪聲信號，直接運用模極大值進行運算不能得到有效的反映靶物邊界的信號突變點，必須利用小波包函數(shù)按頻率對信號進行多層分解，對各層信號進行模極大值計算，最終確定邊界最明顯的頻率分量作為最佳的頻率分量。利用小波包函數(shù)對水射流打擊石塊得到的反射聲信號進行4階16層分解，前8層信號分量的模極大值分布如圖6所示。

圖6 小波包分解的各信號分量模極大值分布

利用上述模極大值計算結(jié)果分別找到靶物邊 界點后，利用信號采樣時間計算邊界點之間的時間差，這樣可以根據(jù)射流移動速度計算出靶物尺寸，其中射流移動速度由控制射流移動的計算機編程提供，為勻速80cm／min。經(jīng)過與實際靶物尺寸進行對比分析，根據(jù)圖6a和圖6b識別出的邊界點位置特征明顯，計算出的靶物尺寸與實際尺寸相符。同理對所采集到的另外2種靶物（地雷、磚塊）反射聲信號進行處理，得到的結(jié)論與石塊邊界識別效果一致。

由于所采集的反射聲信號頻率范圍是0～20kHz，小波包按照頻率平均分解反射聲信號，根據(jù)分層數(shù)16可以算出圖6a、圖6b對應(yīng)的頻率是0～2.5kHz，這就是用于判別靶物尺寸的反射聲最優(yōu)頻率段。

3.2 材質(zhì)判別的頻率段確定

高壓水射流靶物材質(zhì)判別要求在復(fù)雜的情況下準確識別出各種靶物的材質(zhì)。將信號進行4階16層分解，并計算各層能量后進行歸一化，然后將結(jié)果導(dǎo)入支持向量機算法進行識別分類，利用各層信號短時能量作為SVM算法的分類依據(jù)。分類結(jié)果見表1所列。

表1 SVM算法分類結(jié)果

從表1可以很明顯地看出最后12層能量作為SVM分類依據(jù)，成功率遠大于其他層數(shù)，所以取最后12層的能量作為材質(zhì)判別的依據(jù)。文中選取的是針對地雷識別環(huán)境中出現(xiàn)的常用材質(zhì)，其他材質(zhì)如木頭、玻璃等，通過多次數(shù)據(jù)計算，確定選取12層都能達到最好效果。根據(jù)采樣定理濾波后的頻率范圍是0～20kHz，由于小波包是按照頻率平均分解的，根據(jù)分層數(shù)16可以計算出后12層對應(yīng)的頻率是5～20kHz，這就是判別靶物尺寸的最優(yōu)頻率段。

4 結(jié)束語

本文利用小波理論對高壓水射流沖擊靶物時產(chǎn)生的反射聲進行信號降噪與分解，對分解后的信號分量分別利用模極大值法進行處理和比較，確定用于識別靶物幾何尺寸的反射聲信號的最優(yōu)頻率段。同時利用短時能量法分別計算不同頻率段信號的能量分布值作為反映靶物材質(zhì)的特征值，利用支持向量機和所提取的特征值進行靶物材質(zhì)的識別，以最高識別率作為判據(jù)，確定了可以用于靶物材質(zhì)的反射聲信號的最優(yōu)頻率段。從結(jié)果中可以看出，靶物尺寸識別適合采用低頻信號，材質(zhì)識別適合采用高頻信號，這樣可以對信號分別濾波，分為2種頻率信號同步處理，可以減少需要處理的數(shù)據(jù)量，進行分時操作，提高靶物材質(zhì)和尺寸的識別效率。

［1］楊洪濤，李 夢，孫玉玲，等.高壓水射流反射聲音信號實時采集與處理［J］.安徽理工大學學報：自然科學版，2011，31（2）：5－10.

［2］聶會星，梁 坤，徐樅巍.基于小波變換和支持向量機的人臉識別研究［J］.合肥工業(yè)大學學報：自然科學版，2011，34（2）：208－211.

［3］楊洪濤，王從東，張東速.高壓水射流反射聲音信號特征值提取 方 法 的 研 究 ［J］.中 國 機 械 工 程，2010，21（20）：2434－2437.

［4］周 偉.基于 MATLAB的小波分析應(yīng)用［M］.西安：西安電子科技大學出版社，2010：10－11.

［5］黃雨青，王友仁，羅 慧，等.分數(shù)階小波包時頻域的信號去噪新方法［J］.儀器儀表學報2011，32（7）：1534－1539.

［6］張德豐.MATLAB小波分析［M］.北京：機械工業(yè)出版社，2009：158－160.

［7］邵忍平，曹精明，李永龍.基于EMD小波閾值去噪和時頻分析的齒輪故障模式識別與診斷［J］.振動與沖擊，2012，31（8）：96－101.

［8］金寶龍，李 輝，趙乃杰，等.一種新的小波閾值去噪方法［J］.彈箭與制導(dǎo)學報，2011，31（1）：167－169.

［9］李建武，陸 耀.一種快速多分類支持向量機實現(xiàn)策略［J］.模式識別與人工智能，2007，20（3）：301－307.

［10］王國鋒，李啟銘，秦旭達，等.支持向量機在刀具磨損多狀態(tài)監(jiān)測中的應(yīng)用［J］.天津大學學報，2011，44（1）：35－39.

［11］郭小薈，馬小平.基于 MATLAB的支持向量機工具箱［J］.計算機應(yīng)用與軟件，2007，24（12）：57－59.