[发明专利]一种基于迭代扩展频散模态分解的频散波提取方法

说明书

本发明涉及一种基于迭代扩展频散模态分解的频散波提取方法，包括：获取频散波时域信号；分别进行快速傅里叶变换和离散短时傅里叶变换，获得频域信号和时频表达式；通过双向快速单脊线提取法，初步估计能量最显著的关键时频脊线；通过迭代扩展频散模态分解，分离重构关键频散模态及其群延迟；重复获取残差信号以及分离重构关键频散模态，直至满足停止迭代准则；对重构的所有关键频散模态进行快速傅里叶变换逆变换，得到频散波时域波形。与现有技术相比，本发明在无需预知频散波模态数量的前提下，通过准确提取和分析信号中的频散模态，高效地对多分量非平稳频散波进行分解，在结构健康监测、水下声学、生物医学、地球物理学等领域有重要应用。

技术领域

本发明涉及信号处理领域，尤其是涉及一种基于迭代扩展频散模态分解的频散波提取方法。

背景技术

频散信号在结构健康监测、水下声学、生物医学、地球物理学等领域中都有广泛的研究。与时域调频信号不同，频散信号表现出的是与频率相关的特性，其中最重要的是信息是群延迟(Group Delay)。群延迟定义为相位函数对频率的导数，包含众多有关信号源与系统的重要信息，因此可以利用群延迟进行信号源的定位与系统辨识。然而，当宽带信号通过非线性系统时，每个频率都会产生不同的时间延迟，从而导致群延迟在频率上发生变化，从时频图上来看，信号的时频脊线不再是与频率轴平行的直线，而是与频率轴相关的曲线，这使得窄带滤波方法不再适用。因此，准确分离这些非平稳频散波并提取它们的群延迟曲线对于实际应用至关重要。

虽然众多学者和工程人员提出了有关频散信号的提取方法，但是现有的频散信号提取方法存在着算法计算消耗大、时频分辨率低、计算时间长等问题。目前，国内有关频散信号提取技术的发明专利申请有：

授权日为2021年8月6日，授权公告号为CN110045014B的中国专利中，公开了一种名称为“基于贝叶斯学习的Lamb波频散消除方法及其系统”。其通过构造多模态频散传播字典和非频散传播字典，将频散多模态Lamb波信号进行稀疏表示，并利用贝叶斯学习方法对字典系数进行系数求解，从而得到频散波的稀疏表达并进行频散消除。然而，该方法的计算结果与字典构建的匹配性有非常强的依赖，同时字典系数的稀疏化求解需要耗费大量的计算时间和计算资源消耗。

公开日为2021年5月28日，公开号为CN112858481A的中国专利中，公开了一种名称为“一种基于时间频率域评估板材中裂纹深度的方法”。其采用时频分析方法求解Lamb波频散曲线。然而传统的非参数化时频分析方法，在群延时快速波动时，会造成分辨率降低的现象；参数化时频分析方法虽然能够提高时频分辨率，但是计算复杂度大大提高，给实际工程应用带来巨大困难。

发明内容

本发明的目的就是为了克服上述现有技术存在计算消耗大、时频分辨率低、计算时间长的缺陷而提供一种基于迭代扩展频散模态分解的频散波提取方法。

本发明的目的可以通过以下技术方案来实现：

一种基于迭代扩展频散模态分解的频散波提取方法，包括以下步骤：

步骤1：获取频散波时域信号；

步骤2：对所述频散波时域信号进行快速傅里叶变换，获得对应的频域信号；

步骤3：对所述频散波时域信号进行离散短时傅里叶变换，获得时频表达式；

步骤4：初始化预设的停止迭代准则，设定频散波信号成分数量m＝0；

步骤5：通过双向快速单脊线提取法，初步估计所述时频表达式中能量最显著的关键时频脊线；

步骤6：通过迭代扩展频散模态分解，根据所述频域信号和关键时频脊线的初步估计值，分离重构关键频散模态及其群延迟；

步骤7：根据重构的关键频散模态，从频域信号中得到残差信号，对残差信号重复依次执行步骤5至步骤7，重复获取残差信号以及进行关键频散模态的分离重构，直至满足所述停止迭代准则；