PSO-DVMD-WT的变形信号去噪方法研究

摘要：

为了滤除变形数据中含有的白噪声,该文提出一种基于粒子群优化算法的双重变分模态分解-小波阈值去噪模型.首先利用VMD对变形数据进行初次分解,初次分解层数K1由频谱图波峰个数确定,根据相关性分析将分量分为噪声分量和信号分量;然后针对信号分量出现模态混叠的现象,首次分解的信号分量再次进行粒子群优化的VMD分解,得到二次信号分量和二次噪声分量;对二次VMD分解得到的噪声分量进行小波阈值降噪;最后重构实现噪声的有效剔除.模拟实验结果显示,利用本文方法去噪得到的均方根误差降低至0.418 0 mm、信噪比提升至10.174 0 dB,对比小波阈值、总体经验模态分解(EEMD)、VMD等方法,降噪效果有明显的提升.在实际变形数据去噪中,相比于其他去噪方法,本文方法能够很好地抑制模态混叠的现象,且均方根误差降低至0.151 0 mm、信噪比提升至23.821 0 dB,验证了本文方法在实际应用中的有效性.

关键词：粒子群优化算法、双重变分模态分解、总体经验模态分解、小波阈值去噪、变形监测、去噪

所属期刊栏目：45

分类号：P258(专业测绘)

资助基金：国家自然科学基金项目;江西省自然科学基金项目

在线出版日期：2020-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：41-50