专利名称：一种基于平移不变量小波的fbg信号处理方法
技术领域：
本发明涉及光纤传感的信号处理方法，具体涉及一种基于平移不变量小波的FBG信号处理方法。
背景技术：
光纤布拉格光栅(FBG)作为一种光纤无源器件，近几年在光纤传感，光纤通信等领域中得到迅速发展，其波长解调技术是传感应用中的关键技术。而噪声的存在严重影响波长解调精度，从而影响被测物理量的解调精度，因此，高效率的去噪方法结合高精度的FBG寻峰算法才能实现FBG信号的精确解调。
针对信号去噪，基于小波分析的去噪方法在信号处理领域取得了很好的效果。而小波阈值法去噪能让噪声几乎完全得到抑制，并能让原始信号的局部特性得到很好的保留，运算速度快，适应性强，是众多小波去噪方法中应用最为广泛的一种。然而，阈值去噪法的经典软、硬阈值法各有其缺陷。硬阈值法能得到信号的最优估计，但由于函数不连续，会出现伪吉布斯(Pseudo-Gibbs)现象；软阈值法得到的估计信号与原信号一样光滑，但与原信号有恒定的偏差。为了克服这些缺陷，近年来国内外很多研究者有针对性的对阈值函数进行了改进，力求设置一种既连续又能消除恒定偏差的阈值函数。因此研究者们提出了一些软、硬阈值函数折衷的阈值函数，将这些阈值函数用于小波阈值去噪，效果有所改善。但这些改进阈值函数的表达式里含有调节因子，调节因子有一个取值范围，并且在取值范围内，调节因子的最小或最大两个极值对应于硬阈值或者软阈值函数表达式。但是调节因子的最佳取值具有不确定性，实际应用起来具有局限性。近几年的研究表明将小波分析用于FBG传感信号去噪，能取得不错的效果，不仅能处理重叠的峰，还能较好的消除噪声，恢复原始光谱。而作为小波去噪应用最广的阈值量化去噪方法，阈值函数还存在改进的空间，因此针对传统软、硬阈值函数的缺陷及已有的改进阈值函数的不足，本发明提出一种不含调节因子的改进的阈值函数用于小波去噪；针对小波去噪时由于小波与FBG处理信号的断点不匹配而产生的振荡现象，本发明不再采用传统的小波阈值量化去噪法，而是用平移不变量小波(Translation-invarian, TI)变换来处理，并且结合本发明提出的改进阈值函数，提出用基于改进阈值的平移不变量小波对采集的FBG传感信号进行去噪，估计出更接近原始光谱的信号。在FBG信号处理中，完成去噪这个重要步骤后，还需要对去噪后的信号进行寻峰。目前寻峰算法有很多种，由于FBG反射谱的形状近似高斯分布，高斯拟合寻峰具有高精度和良好的稳定性。因此，将小波去噪与高斯拟合相结合，一种基于平移不变量小波去噪的FBG信号处理方法，不仅能有效解决工程测量的噪声问题，还能实现参量的高精度解调
发明内容
有鉴于此，本发明所要解决的技术问题是提供一种基于平移不变量小波的去噪方法和高斯拟合模型的FBG光谱信号处理方法。本发明克服了小波分析传统软阈值去噪产生的估计信号与原始信号的恒定偏差，消除了传统硬阈值法由于函数不连续而产生的附加振荡，解决了目前已有改进阈值函数由于表达式中含有调节因子而带来的不确定性和不稳定性。本发明的目的是这样实现的本发明提供的一种基于平移不变量小波的FBG信号处理方法，包括以下步骤SI :获取长度为 2NWFBG 光谱信号 f(i)=s ⑴+n(i)，i=0，1，···Ν-1 ;其中，s(i)表示去噪信号，n (i)表示高斯白噪声，N表示数据序列的长度；S2 :对FBG光谱信号f(i)进行J层平移不变量小波分解，获得各层小波系数Wj,k，其中，J为最佳分解层数，初值为1，J=J-L k=N/2J ；S3 :对各层小波系数Wj, k进行阈值量化处理；S4 :将经过阈值处理后的小波系数进行重构，获得去噪信号s⑴；S5 :将去噪信号s (i)用高斯公式进行拟合获得近似信号；S6 :找到拟合后的近似信号所形成的近似曲线的峰值点的坐标；S7 :确定峰值点对应的波长值。进一步，所述各层小波系数Wj,k的获取具体通过以下步骤来实现S21 :选择合适的小波基函数；S22 自适应法确定分解层数J ；S23 :将FBG光谱信号f (i)循环左移I位和O位得到第一 FBG光谱信号f (i，I)和第二 FBG光谱信号f(i，O)；S24 :将第一 FBG光谱信号f (i，I)和第二 FBG光谱信号f (i，O)进行离散小波变换，获得各层的第一小波系数和第二小波系数Wtlj,k。进一步，所述阈值量化处理具体包括以下步骤S31 :选择合适的阈值准则，确定阈值；S32:对第一小波系数Wuk和第二小波系数Wtlj,k进行阈值量化处理，获得量化后的量化小波系数；S33 :根据量化后的量化小波系数进行重构，获得重构的第一信号s (i，I)和第二信号 s (i, O)；S34 :将第一信号s(i, I)和第二信号s(i, O)分别循环右移I位和O位；S35 :将右移后的第一信号s (i，I)和第二信号s (i，O)取平均值作为最终去噪信号。进一步，所述自适应方法确定最佳分解层数具体包括以下步骤S221 :设置分解层数初始值为J=I ；S222 :对获取的FBG光谱信号f(i)进行一层小波分解得到小波系数Wj,,；S223 :对小波系数W」,k进行白化检验；S224 :若小波系数为白噪声，则将分解层数J的值加1，并返回步骤S222 ；S225 :若小波系数不是白噪声，则输出J值作为最佳分解层数。进一步，所述阈值量化处理采用改进的阈值函数处理，所述改进的阈值函数处理具体包括以下步骤S321 :确定各层小波系数Wj,,的阈值λ ;S322 :判断各层小波系数％,k是否满足以下公式wJ；k ^ λ ;其中，Wj-J表示小波系数Wj.,k的模；S323 :如果否，则令Wlk = 0，如果是，则对各层小波系数Wj, k通过以下公式来进行
计算
权利要求
1.一种基于平移不变量小波的FBG信号处理方法，其特征在于包括以下步骤 SI :获取长度为 2l^FBG 光谱信号 f(i)=s(i)+n(i)，i=0，l，. . . N-I ;其中，s(i)表示去噪信号，n (i)表示高斯白噪声，N表示数据序列的长度； S2:对FBG光谱信号f(i)进行J层平移不变量小波分解，获得各层小波系数％,k，其中，J为最佳分解层数，初值为1，j=J-l, k=N/2J ； 53:对各层小波系数％,k进行阈值量化处理； 54:将经过阈值处理后的小波系数进行重构，获得去噪信号s (i)； 55:将去噪信号s (i)用高斯公式进行拟合获得近似信号； 56:找到拟合后的近似信号所形成的近似曲线的峰值点的坐标； 57:确定峰值点对应的波长值。
2.根据权利要求I所述的基于平移不变量小波的FBG信号处理方法，其特征在于所述各层小波系数Wj,k的获取具体通过以下步骤来实现 521:选择合适的小波基函数； 522自适应法确定分解层数J ； 523:将FBG光谱信号f(i)循环左移I位和O位得到第一 FBG光谱信号f(i，I)和第二FBG光谱信号f(i，0)； 524:将第一 FBG光谱信号f(i，I)和第二 FBG光谱信号f(i，0)进行离散小波变换，获得各层的第一小波系数W1^t和第二小波系数W(lj, k。
3.根据权利要求I所述的基于平移不变量小波的FBG信号处理方法，其特征在于所述阈值量化处理具体包括以下步骤 531:选择合适的阈值准则，确定阈值； 532:对第一小波系数wuk和第二小波系数k进行阈值量化处理，获得量化后的量化小波系数； 533:根据量化后的量化小波系数进行重构，获得重构的第一信号s (i，I)和第二信号s(i，0)； 534:将第一信号s (i，I)和第二信号s (i，O)分别循环右移I位和O位；535:将右移后的第一信号s (i，I)和第二信号s (i，O)取平均值作为最终去噪信号。
4.根据权利要求2所述的基于平移不变量小波的FBG信号处理方法，其特征在于所述自适应方法确定最佳分解层数具体包括以下步骤 5221:设置分解层数初始值为J=I ； 5222:对获取的FBG光谱信号f(i)进行一层小波分解得到小波系数Wj,k ； 5223:对小波系数Wj, k进行白化检验； 5224:若小波系数为白噪声，则将分解层数J的值加I，并返回步骤S222 ； 5225:若小波系数不是白噪声，则输出J值作为最佳分解层数。
5.根据权利要求3所述的基于平移不变量小波的FBG信号处理方法，其特征在于所述阈值量化处理采用改进的阈值函数处理，所述改进的阈值函数处理具体包括以下步骤 5321:确定各层小波系数Wj,k的阈值λ ; 5322:判断各层小波系数％,k是否满足以下公式 Wjjk彡λ ;其中，Wjjk表示小波系数Wj,k的模；5323:如果否，则令Wj，k = O，如果是，则对各层小波系数Wj，k通过以下公式来进行计算
全文摘要
本发明涉及一种基于改进阈值的平移不变量小波对FBG信号进行处理的实现方法，包括提供一种改进的阈值函数以及将这种阈值函数与平移不变量小波相结合来对FBG含噪信号进行去噪，还包括将去噪后的FBG光谱信号用高斯拟合公式进行拟合从而对峰值波长定位。小波去噪部分具体包括对FBG含噪信号进行循环平移；对平移后的信号进行离散小波分解提取各层小波系数；用改进的阈值函数对小波系数进行阈值量化；将阈值量化后的小波系数进行重构；将重构的信号进行反循环平移；将平移不同位的重构的信号取平均从而获得最终的去噪信号。高斯拟合寻峰算法具体包括，用高斯公式对去噪信号进行拟合，求出峰值对应的波长，从而完成FBG光谱信号的解调。
文档编号G01D5/26GK102944252SQ20121049565
公开日2013年2月27日 申请日期2012年11月28日 优先权日2012年11月28日
发明者陈勇, 贺明玲, 刘焕淋, 王昆, 陈丽娟, 杨雪 申请人:重庆邮电大学