爆炸沖擊波集合分解排列熵時(shí)變峰值降噪算法

杜桂云,崔春生,楊志飛,劉雙峰

(1.中北大學(xué)省部共建動(dòng)態(tài)測試技術(shù)國家重點(diǎn)實(shí)驗(yàn)室,山西 太原 030051;2.中北大學(xué)電氣與控制工程學(xué)院,山西 太原 030051)

0 引言

爆炸沖擊波壓力屬于典型的非平穩(wěn)、非線性的隨機(jī)信號,其特點(diǎn)是上升沿陡峭、帶寬寬、超壓峰值高、正壓時(shí)間短[1]。爆炸沖擊波的殺傷破壞作用主要取決于沖擊波的超壓峰值ΔP,比沖量I+和正壓作用時(shí)間τ+[2]。同時(shí),這3個(gè)參數(shù)也是衡量彈藥爆破及殺傷的重要指標(biāo),可以為武器研制過程中的爆炸過程中的威力對比及其性能評估提供重要的依據(jù)[3]。

由于爆炸沖擊波測試受高溫環(huán)境、磁場干擾、測試設(shè)備等原因的影響存在誤差,實(shí)測沖擊波信號中會(huì)混有大量環(huán)境噪聲及系統(tǒng)自身的高頻噪聲。為減弱上述因素的影響,對實(shí)測沖擊波數(shù)據(jù)進(jìn)行降噪處理成為爆炸沖擊波信號處理中的重要環(huán)節(jié)。處理非平穩(wěn)信號最常用的是小波分析[4]、經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)[5]、變分模態(tài)分解(VMD)[6]等方法。小波分析是一種成熟且廣泛使用的降噪算法,該算法在時(shí)頻域都可以表征局部信號,能較好地保持信號的細(xì)節(jié),但是在降噪過程中,小波基和分解層數(shù)的選擇、閾值的選取準(zhǔn)則、閾值函數(shù)的設(shè)計(jì),都會(huì)對最終的信號去噪效果產(chǎn)生很大的影響。文獻(xiàn)[7]對爆炸沖擊波信號進(jìn)行小波閾值去噪后,雖去噪效果明顯,但小波分解去噪的效果過度依賴小波基及軟硬閥值的選取。EMD是一種能夠自適應(yīng)分解非線性、非平穩(wěn)信號的方法[8],該方法無需先驗(yàn)信息就能凸顯信號的物理特性,但在理論上缺乏嚴(yán)格的數(shù)學(xué)證明,存在嚴(yán)重的模態(tài)混疊、端點(diǎn)效應(yīng)等問題。變分模態(tài)分解(VMD)是一種完全非遞歸變分模態(tài)分解模型,可以很好地抑制EMD方法的端點(diǎn)效應(yīng)問題[9],但其去噪結(jié)果易受分解層數(shù)和懲罰因子的限制。完全集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?complete ensemble empirical mode decomposition,CEEMDAN)算法重構(gòu)誤差很小,消除了添加噪聲對信號的影響[10]。文獻(xiàn)[11]通過CEEMDAN抑制了EMD算法中存在的模態(tài)混疊問題,同時(shí)有效去除了信號的高頻噪聲。

針對上述問題,本文提出了基于集合分解的排列熵時(shí)變峰值爆炸沖擊波降噪算法。

1 基本原理

1.1 CEEMDAN算法

CEEMDAN算法通過在EMD的每個(gè)階段添加自適應(yīng)白噪聲,允許在少量平均次數(shù)內(nèi)實(shí)現(xiàn)微小的重構(gòu)誤差[11]。這種處理方式有效地抑制了模態(tài)混淆,并確保了原始信號的完整性。它也解決了EEMD算法中的噪聲殘留問題,同時(shí)提升了計(jì)算效率。具體步驟如下:

1) 在原始數(shù)據(jù)X(t)中分別多次添加自適應(yīng)白噪聲Zq(t),q表示添加噪聲次數(shù),本文取q=100,則第q次信號可表示為Xq(t)=X(t)+aqZq(t)(q=1,2,…,100),其中aq為第q次加入白噪聲的標(biāo)準(zhǔn)差。CEEMDAN的一階IMF分量為

(1)

2) 構(gòu)造新的待分解信號X(t),X(t)=R1(t)+aqZq(t),進(jìn)行到100次分解,得到CEEMDAN的二階IMF分量:

(2)

余項(xiàng)R2(t)=X(t)-IIMF2。

3) 重復(fù)步驟1)和步驟2),直到程序終止,共產(chǎn)生m個(gè)IIMF,最后的余項(xiàng)為

(3)

1.2 排列熵算法

排列熵(permutation entropy,MPE)是一種判斷信號復(fù)雜度的指標(biāo)[12],能夠檢測信號的突變性和隨機(jī)性。與樣本熵[13](SE)只能檢測一維時(shí)間序列的復(fù)雜度相比,MPE可以從不同的尺度上來評估信號的復(fù)雜性和隨機(jī)性。而爆炸沖擊波信號在不同尺度均包含重要信息,因此MPE更適用于爆炸沖擊波信號分析。具體計(jì)算步驟如下:

1) 對時(shí)間序列X={x1,x2,…,xh}進(jìn)行多尺度粗?；幚?

(4)

N=(h/s-(n-1)t),

(5)

(6)

式中:n為嵌入維數(shù),t為時(shí)間延遲。

3) 計(jì)算排列熵:

(7)

式中:Pj為第j次符號出現(xiàn)的概率。

4) 對式(7)計(jì)算的排列熵進(jìn)行歸一化處理。參考文獻(xiàn)[14],將排列熵閾值設(shè)置為0.6,大于或等于的IMFs分量需要進(jìn)行降噪處理。

(8)

1.3 時(shí)變窗長時(shí)頻峰值濾波算法

時(shí)變窗長時(shí)頻峰值濾波(time-varying window length time frequency peak filtering algorithm, TVWTFPF)算法[15]采用置信區(qū)間交叉準(zhǔn)則來獲得最優(yōu)窗長,從而估計(jì)得到瞬時(shí)頻率。TVW算法具體步驟如下:

1) 對于原始信號x(t),將其編碼為解析信號y(t):

(9)

2) 采用PWVD算法[16]對其進(jìn)行頻率估計(jì)

(10)

式中:f為頻率,h(λ)為窗函數(shù)。

3) 求出瞬時(shí)頻率對應(yīng)的置信區(qū)間。

(11)

4) 當(dāng)置信區(qū)間滿足置信區(qū)間交叉準(zhǔn)則時(shí),求得該時(shí)刻的最優(yōu)窗長h*。

5) 求出在最優(yōu)窗長h*下所對應(yīng)的瞬時(shí)頻率值,最后估計(jì)得到重建信號:

(12)

2 基于集合分解的排列熵時(shí)變峰值爆炸沖擊波降噪算法

2.1 算法實(shí)現(xiàn)

基于集合分解排列熵時(shí)變峰值爆炸沖擊波降噪算法是一個(gè)涵蓋信號分解、含噪分界點(diǎn)分析、去噪處理和重構(gòu)的全面的降噪處理流程,它巧妙地結(jié)合了CEEMDAN算法、MPE分析和TVWTFPF算法,逐步且精確地將噪聲從爆炸沖擊波信號中去除,以重建出清晰、準(zhǔn)確的沖擊波信號。步驟如下:

1)使用CEEMDAN 算法將爆炸沖擊波信號按從高到低頻率分解為有限個(gè)IMF分量(IMF1,IMF2,…,IMFn)與1個(gè)殘基。每個(gè)IMF代表不同的頻率分量。低階IMFs對應(yīng)有效信號或噪聲的尖銳部分,高階IMFs對應(yīng)信號的低頻部分。

2)通過計(jì)算IMFs的多尺度排列熵(MPE)分析含噪分界點(diǎn)。MPE值大小代表時(shí)間序列的隨機(jī)性和復(fù)雜程度,值越接近1,隨機(jī)性越強(qiáng),非平穩(wěn)程度越高。

3)使用TVWTFPF算法對需去噪的IMFs分量進(jìn)行降噪處理。該方法將IMFs分量調(diào)制成單位幅值的解析信號,然后對解析信號進(jìn)行瞬時(shí)頻率估計(jì),提取每個(gè)時(shí)刻在最優(yōu)窗長下的頻率峰值作為該時(shí)刻的瞬時(shí)頻率估計(jì)值從而恢復(fù)有效信號,實(shí)現(xiàn)爆炸沖擊波信號的去噪。

4)重構(gòu)經(jīng)過處理的IMFs分量和有效IMFs分量。

該算法流程如圖1所示。

圖1 基于集合分解的排列熵時(shí)變峰值爆炸沖擊波降噪算法流程Fig.1 Algorithm flow for noise reduction of explosive shock waves based on ensemble decomposition with time-varying peak values of arrangement entropy

2.2 含噪模型建立及分析

2.2.1建立含噪模型

沖擊波超壓值隨時(shí)間變換的規(guī)律可采用修正的Friedlander公式,可采用衰減系數(shù)α,超壓峰值采用Sadovskii經(jīng)驗(yàn)公式,正壓作用時(shí)間采用TNT爆炸沖擊波正壓時(shí)間修正公式。

修正的Friedlander 公式:

(13)

(14)

Sadovskii超壓峰值經(jīng)驗(yàn)公式:

(15)

正壓時(shí)間擬合公式:

(16)

近地爆炸時(shí)沖擊波傳播規(guī)律與半無限空中爆炸情況類似,爆炸能量一部分被地面吸收,另一部分被反射到空中,當(dāng)裝藥在地面爆炸時(shí)炸藥質(zhì)量相當(dāng)于原來的2倍并乘以對應(yīng)材料系數(shù)。故馬赫反射區(qū)地面測點(diǎn)的理論超壓值根據(jù)式(5)進(jìn)行轉(zhuǎn)換。

ΔPM=ΔP(1+cosφα)。

(17)

依據(jù)上述公式,構(gòu)建比例距離為1.02,2.04,3.07 m/kg1/3的沖擊波信號含噪模型,其中,P0=0.101 3 MPa,η=1,如圖2所示。

圖2 沖擊波信號含噪模型Fig.2 Noise model of shock wave signal

2.2.2降噪效果評價(jià)方法

本文引入了信噪比(SNR)和均方根誤差(RMSE)作為評價(jià)指標(biāo)來衡量信號降噪效果。信噪比用于衡量信號與噪聲的比值,均方根誤差用于衡量過濾后的信號與原始信號的緊密程度,SNR和RMSE用于說明去噪算法的性能。其計(jì)算公式如下:

(18)

(19)

式中:X為原始信號,Y為降噪后的信號,n為信號的序列長度。一般情況下,降噪后信號SNR越大、RMSE越小,降噪效果越好。但降噪效果不僅要考慮評價(jià)指標(biāo),還要考慮降噪算法對信號超壓峰值、正壓時(shí)間等信號特征的影響較小。

3 算例分析

3.1 含噪模型實(shí)驗(yàn)及分析

分別采用Bessel低通濾波、CEEMDAN濾波、基于集合分解的排列熵時(shí)變峰值爆炸沖擊波降噪算法(以下簡稱TVWTFPF濾波)對文中構(gòu)建的含噪模型進(jìn)行去噪。其中,Bessel 低通濾波階數(shù)選擇6,截止頻率為40 kHz,利用將含噪信號分解成若干個(gè)IMFs分量,利用MPE分析選取前5個(gè)IMFs分量進(jìn)行濾波。而TVWTFPF濾波根據(jù)置信區(qū)間交叉準(zhǔn)則選擇最優(yōu)窗長。

從表1、表2中可以看出:經(jīng)3種降噪方法處理后各模型的SNR指標(biāo)從高到低分別為TVWTFPF濾波、CEEMDAN濾波、Bessel低通濾波。其中,TVWTFPF降噪方法處理的信噪比提升比例最高,與原始含噪模型相比增加了15.58,14.47,14.36 dB;RMSE指標(biāo)中,TVWTFPF濾波后的RMSE是最低的,與原始含噪模型相比降低了147.24×10-4,36.96×10-4,1.60×10-4。

表1 3種降噪法與含噪模型SNR指標(biāo)對比Tab.1 Comparison of SNR indicators between three noise reduction methods and noisy models

表2 3種降噪法與含噪模型RMSE指標(biāo)對比Tab.2 Comparison of RMSE indicators between three noise reduction methods and noisy models

以1.02 m/kg1/3模型為例,研究以上3種降噪方法對毀傷評估參數(shù)的影響,見表3。Bessel低通濾波、TFPF濾波降噪后的超壓峰值較模型值的誤差率分別為3.69%,0.93%,0.47%;正壓時(shí)間較模型值的誤差率分別為2.72%,0.99%,0.30%;TVWTFPF降噪算法對毀傷評估指標(biāo)的影響最小。

表3 3種降噪法對毀傷評估參數(shù)的影響Tab.3 Impact of three noise reduction methods on damage assessment parameters

3.2 實(shí)測數(shù)據(jù)驗(yàn)證

實(shí)測沖擊超壓信號來自某60 kg級TNT爆炸沖擊波試驗(yàn),取1.02 m/kg1/3實(shí)測沖擊波信號進(jìn)行降噪處理,信號經(jīng)CEEMDAN分解的部分分量如圖3所示,該模型各個(gè)IMF分量的排列熵值如圖4所示,由此判斷噪聲分類點(diǎn)。將該模型的降噪結(jié)果圖繪制于圖5中,3種降噪方法頻域?qū)Ρ热鐖D6所示,并在表4列出3種降噪方式后的實(shí)測沖擊波超壓峰值、正壓作用時(shí)間等參數(shù)。

表4 3種降噪法對1.02 m/kg1/3實(shí)測信號毀傷評估參數(shù)的影響Tab.4 Impact of three noise reduction methods on the damage evaluation parameters of 1.02 m/kg1/3 measured signal

圖3 1.02 m/kg1/3CEEMDAN分解IMFFig.3 1.02 m/kg1/3CEEMDAN decomposition IMF

圖4 1.02 m/kg1/3IMF分量的排列熵Fig.4 Arrangement entropy of 1.02 m/kg1/3 IMF components

圖5 3種降噪方式對比Fig.5 Comparison of Three Noise Reduction Methods

圖6 3種降噪方法頻域?qū)Ρ菷ig.6 Frequency domain comparison of three noise reduction methods

對比分析3種降噪方法,Bessel濾波后信號出現(xiàn)了明顯的相位失真,而且原始信號中存在的尖峰、突變等重要信息丟失;CEEMDAN濾波雖然能抑制失真問題,但是低頻有效信息未能很好地保留;而本文所提的方法既能去除沖擊波信號中的噪聲,又盡可能地保留有效信息。從毀傷評估參數(shù)來看,TVWTFPF對毀傷評估指標(biāo)的影響最小。綜上所述,基于集合分解的排列熵時(shí)變峰值爆炸沖擊波降噪算法與原始信號的重合度高,對實(shí)際工程具有重要的指導(dǎo)意義。

4 結(jié)論

本文提出了基于集合分解的排列熵時(shí)變峰值爆炸沖擊波降噪算法,通過構(gòu)造不同比例距離下的含噪沖擊波信號模型和實(shí)測數(shù)據(jù)驗(yàn)證了算法的可行性。利用CEEMDAN將原始數(shù)據(jù)按頻率由高到低分解成一系列IMFs,再通過計(jì)算這些IMF分量的樣本熵,確定需濾波模態(tài)分量和保留分量的分界線,將需要進(jìn)行降噪的分量進(jìn)行TVWTFPF處理,再將處理后的分量和原始剩余分量求和得到最終信號。該算法不僅能有效降噪,而且降噪后的波形與原始波形的相似度最高,有效地保留了原始沖擊波信號包含的局部信息,經(jīng)理論模型和實(shí)測數(shù)據(jù)驗(yàn)證,以1.02 m/kg1/3模型為例,在理論模型中與原始含噪模型相比,TVWTFPF算法的SNR值提高了15.58 dB,RMSE值降低了147.24×10-4。在實(shí)測數(shù)據(jù)中,TVWTFPF算法的SNR值提高了13.21 dB,RMSE值降低了133.43×10-4。本文算法在3種算法中表現(xiàn)最優(yōu),而且對毀傷評估參數(shù)的影響最小。綜上,本文提出的沖擊波數(shù)據(jù)降噪方法,展示了顯著的實(shí)用性,為爆炸沖擊波信號處理這一領(lǐng)域的研究提供了有益參考,并且具有廣闊的實(shí)際應(yīng)用前景。