[发明专利]一种基于变分模态分解改进的DAS信号去噪方法

说明书

本发明属于信号处理技术领域，为一种基于变分模态分解改进的DAS信号去噪方法，利用分布式光纤声波传感系统采集实测含噪数据；从中提取需要处理的数据段，并利用提出的基于遗传算法优化的变分模态信号分解方法,根据采集信号的特征，优化得到分解过程中所涉及到的模态数量参数K值和惩罚因子参数α值；并依据优化得到的K参数值和α参数值，对含噪信号进行分解，得到K组模态函数IMF。计算每组模态函数IMF的样本熵数值；利用各组模态函数IMF样本熵数值的大小从中选取出有效信号组；通过对有效信号组进行信号重构，得到降噪后的信号。可以有效抑制模态混叠、端点效应，参数选取复杂等问题，并且不受DAS系统采集信号的平稳性和外部噪声类型的影响。

技术领域

本发明属于信号处理技术领域，尤其涉及一种基于分布式光纤声波传感的信号去噪方法。

背景技术

分布式光纤振动传感系统(DAS)是一种基于相位敏感光时域反射技术的光纤传感器，能够检测光纤沿线的振动信息，通过解调光纤中背向瑞利散射光的强度和相位信息，能够实现对振动事件空间位置的精准定位和振动信号的准确还原。DAS系统具有分布式、灵敏度高、抗干扰能力强、长距离实时测量等优势，在地质勘探、油气资源开发、管道监测、周界安防以及基础设施健康监测等领域具有广泛的应用前景。但由于DAS系统对外部振动事件感应敏感，系统灵敏度较高，所以系统在户外环境下工作时，易受环境噪声的影响，会对振动事件的定位和还原产生一定干扰，导致DAS系统对监测事件产生误报的情况。

发明内容

本发明的目的是提供一种基于变分模态分解改进的DAS信号去噪方法，解决系统在户外环境下工作时，易受环境噪声的影响，会对振动事件的定位和还原产生一定干扰，导致DAS系统对监测事件产生误报的问题，通过引入遗传优化算法对变分模态分解过程中所涉及到的模态数量参数K值和惩罚因子参数α值进行优化处理。实现依据输入信号的不同类型，自适应的选取出最佳的信号分解参数。

本发明是这样实现的：

一种基于变分模态分解改进的DAS信号去噪方法，该方法包括：

利用分布式光纤声波传感系统采集实测含噪数据；

提取需要处理的数据段，并利用基于遗传算法优化的变分模态信号分解算法，根据采集信号的特征，优化得到变分模态分解中所涉及到的模态数量参数K值和惩罚因子参数α值；

并依据优化得到的参数K值和参数α值，对含噪信号进行分解，得到K组模态函数IMF。

计算每组模态函数IMF的样本熵数值；

利用各组模态函数IMF样本熵数值的大小，从中选取出有效信号组；

对有效信号组进行信号重构处理，得到降噪后的信号。

进一步地，利用基于遗传算法优化的变分模态信号分解算法，根据采集信号的特征，优化得到变分模态分解中所涉及到的模态数量参数K值和惩罚因子参数α值，包括：

定义遗传算法种群的优化范围，即K和α的取值范围，并进行参数编码，将每个个体定义为T_i；

定义种群大小i，初始化交叉概率J_g，变异概率B_g，进行种群K＝[T₁,T₂,T₃...T_i]和种群α＝[T₁,T₂,T₃...T_i]初始化赋值，并对初始种群进行交叉、变异、合并变换；

将变换后的种群带入到VMD信号变换中进行信号求解，得到K组模态分解函数IMF；