強噪聲上升流弱信號的識別問題的研究

金劉，王勇

(合肥工業(yè)大學(xué)機械與汽車工程學(xué)院，安徽合肥 230009)

0 前言

海洋蘊藏著豐富的資源，有巨大的潛在開發(fā)潛力，近幾年來我們國家對海洋的開發(fā)利用越來越重視，其中深海環(huán)境中上升流的研究具有重要的經(jīng)濟價值，對上升流信號的檢測也出現(xiàn)了越來越多的方法。上升流流動緩慢，作用于海流傳感器產(chǎn)生的信號十分微弱［1］，且信號中往往會產(chǎn)生強烈的噪聲，因而，將隱藏在強噪聲背景下的弱信號，運用信號處理技術(shù)手段抑制甚至去除噪聲，進(jìn)而提取并恢復(fù)有用信號，并為了盡量保證輸出信號的慢變平穩(wěn)性，以便利于傳感器的輸出，為接下來的分析打下基礎(chǔ)，是十分必要的。近些年來，檢測噪聲背景下弱信號的方法主要有兩種:一是從消噪的角度出發(fā)來檢測含噪弱信號，如傅里葉分析、小波去噪、主分量分析和EMD等;二是利用噪聲儀提高信噪比來檢測弱信號，主要是隨機共振理論［2］。傳統(tǒng)的傅里葉分析是基于對信號的全體進(jìn)行分析，要求系統(tǒng)具有嚴(yán)格的周期性和平穩(wěn)性，不適合處理非線性非平穩(wěn)的信號。1998年美籍華人N E HUANG等［3］提出了一種新型的時頻域聯(lián)合數(shù)據(jù)處理方法——經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)，該方法本質(zhì)上是對信號進(jìn)行平穩(wěn)化處理，其結(jié)果是將信號中包含的不同特征時間尺度下的波動或變化趨勢逐級分解開來，產(chǎn)生一系列具有不同特征時間尺度的數(shù)據(jù)序列，每個序列稱為一個固有模態(tài)函數(shù)(Intrinsic Mode Function，IMF)。

但EMD對于強噪聲背景下的弱信號的特征的提取，隨著分解層數(shù)的增加，邊界誤差逐漸積累，且虛假模分量的個數(shù)也增加，降噪的同時也削弱了有用特征信號，而且也會出現(xiàn)嚴(yán)重的模態(tài)混淆，影響檢測效果［4-5］。……