高压水射流反射声音信号实时采集与处理
1 小波分析基本原理 11 小波函数 小波在低频部分具有较高的频率分辨率和较低的时间分辨率，而在高频部分具有较高的时间分辨率和较低频率分辨率。通过小波变化可实现信号的降噪和重构。 对于连续情况，小波序列为 水射流冲击靶物目标产生的反射声音信号不但包括有用的靶物材质声信号，也包含了由于环境扰动带来的噪音信号。要准确提取对应材质和几何尺寸的有用信号，必须对采集到的信号进行降噪处理。信号的降噪方法很多种，如ECG信号降噪法、Gabor变换降噪法、小波变换降噪法等等。传统的降噪方法在有用信号和噪声的频谱相互分离时具有良好的效果，但是当有用信号和噪声的频谱相互重叠时，则无法将它们区分开。小波的降噪方法是一种信息保持型的线性运算，可以准确得到信号在细微处的形态，有效的解决了时域频域局部化矛盾，被越来越广泛的应用于工程实际中，其具体原理如下［9-10］。 假定含噪声信号 由此可以看出，阈值的选择很大程度决定着降噪的效果。 阈值的规则包括以下四种： Rigrsure 是一种基于史坦的无偏似然估计原理的自适应阈值选择； Heursure 是一种启发式阈值选择规则，也是最优预测变量阈值选择； Fixed form 采用固定的阈值形式，产生的阐值大小是2lglengh(x)； Minimax 采用的是极大极小原理选择阈值，它产生一个最小均方误差的极值，而不是无误差。当信号的高频部分在噪声域很小时，选用Minimaxi和Rigrsure阈值规则不容易丢失信号中的有用成分，但只除去较少的噪声。选择Fixed form阈值规则可以有效地去除噪声。而Heursure是一种折衷的办法。
阈值也有软阈值和硬阈值之分，两者有比较明显的区别。设w是小波系数的大小，是施加阈值后的小波系数大小，λ是阈值(见图1)。 硬阈值：当小波系数的绝对值小于给定阈值时，令其值为0，当大于阈值时，其值保持不变，如图1a所示。 软阈值：当小波系数的绝对值小于给定阈值时，令其值为0，当大于阈值时，令其减去阈值，如图1b所示。 (a) 硬阈值 (b)软阈值 图1 软、硬阈值图 13 模极大值算法 当水射流冲击不同材质靶物时，传感器采集到的反射声音信号幅值会在靶物的边界产生突变。信号中不规则的突变部分(奇异点)对应着不同的靶物几何形状参数的特征点，因此需要采用有效方法将特征值检测出来。本文采用小波变换模极大值算法实现对特征值的检测。模极大值算法的原理如下： 在某一尺度x0存在一个点(x0，y0)使得wf(x0，y)y=0，则称点(x0，y0)是局部极值点，且wf(x0，y)y在y=y0 上有一个模极大值，如果对y0的某一临域内的任意点y，有|wf(x0，y)≤|wf(x0，y0)||，则称为小波变换模极大值点。尺度空间中所有的模极大值点的连线称为模极大值线。 在通常情况下，信号的奇异性可分为两种情况：一种是信号在某一时刻，幅值发生突变引起信号不连续，信号的突变点是第一种类型的间断点；另一种是信号外观上很光滑，其幅值没有突变，但在信号的一阶微分上有突变产生，且一阶微分是不连续的，称此为第二种类型的间断点。水射流冲击靶物得到的声音信号会在靶物的边界位置幅 值出现突变，所以属于第一类型间断点。借助模极大值算法思想，检测对应材质突变点，用于后续建立相应的特征值数据库及材质和几何尺寸的在线识别。 2 系统硬件和实验设计 图2 试验装置硬件图 3 系统软件调试 在上述实验过程中，系统采集到的数据量达到几十万个，占用的物理空间非常大，给计算机的运算分析带来很大压力，为了便于后续分析，本文对信号进行取平均值处理， 将信号压缩成4万个关键数据便于后续模极大值处理。水射流冲击到不同靶物边缘时，产生的反射声信号会发生突变， 通过模极大值程序运行可以检测到靶物的边缘(见图7)。利用该值计算出的靶物直径为300 mm，与试验中预埋的地雷直径完全相符。 采样点数 (a) 采样原始数据 采样点数 (b) 采样处理后数据 4 结论 从实验结果可以看出，本文设计的高压水射流反射声音信号高速实时采集系统，可以实时采集水射流冲击靶物得到的大容量反射声音信号，利用小波降噪方法有效地将有用信号同环境噪音信号、水射流本底噪音信号分离，获取对应不同靶物材质的特征值。利用模极大值方法获得对应靶物几何尺寸声音突变点的特征值，用于后续的靶物材质和几何尺寸特征值数据库的建立，进而实现高压水射流靶物的准确识别。