《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 無(wú)線探空儀回波信號(hào)的變分模態(tài)分解與降噪研究
無(wú)線探空儀回波信號(hào)的變分模態(tài)分解與降噪研究
2020年電子技術(shù)應(yīng)用第12期
李 俊1，黃開(kāi)明2，帥 晶1
1.湖北經(jīng)濟(jì)學(xué)院 信息與通信工程學(xué)院，湖北 武漢430205； 2.武漢大學(xué) 電子信息工程學(xué)院，湖北 武漢430072
摘要： 無(wú)線電探空儀探測(cè)風(fēng)場(chǎng)數(shù)據(jù)存在著大量強(qiáng)烈的非線性非平穩(wěn)的噪聲，采用一種結(jié)合變分模態(tài)分解的自適應(yīng)和多尺度小波降噪的方法，對(duì)南極洲Syowa站點(diǎn)2019年1月的無(wú)線電探空儀風(fēng)場(chǎng)數(shù)據(jù)進(jìn)行了特征提取和降噪處理。首先利用變分模態(tài)分解法對(duì)信號(hào)進(jìn)行模態(tài)分解，然后利用相關(guān)系數(shù)法確定屬于信號(hào)成分的模態(tài)分量，再利用小波分析法對(duì)剩余模態(tài)中的有效成分和噪聲做了進(jìn)一步的分離，通過(guò)對(duì)全部的有效成分進(jìn)行合并重構(gòu)，實(shí)現(xiàn)信號(hào)的特征提取和降噪處理。仿真實(shí)驗(yàn)和實(shí)際信號(hào)的處理結(jié)果都表明，該方法對(duì)于無(wú)線電探空儀風(fēng)場(chǎng)信號(hào)中的非平穩(wěn)非線性噪聲具有良好的抑制作用，與傳統(tǒng)方法相比，具有更好的特征提取和降噪能力。
中圖分類(lèi)號(hào)： TN911
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200818
中文引用格式： 李俊，黃開(kāi)明，帥晶. 無(wú)線探空儀回波信號(hào)的變分模態(tài)分解與降噪研究[J].電子技術(shù)應(yīng)用，2020，46(12)：103-106，110.
英文引用格式： Li Jun，Huang Kaiming，Shuai Jing. Study on variational mode decomposition and noise reduction of signal of radiosonde[J]. Application of Electronic Technique，2020，46(12)：103-106，110.
Study on variational mode decomposition and noise reduction of signal of radiosonde
Li Jun1，Huang Kaiming2，Shuai Jing1
1.School of Information and Communication Engineering，Hubei University of Economics，Wuhan 430205，China； 2.School of Electronic Information，Wuhan University，Wuhan 430072，China
Abstract： There are a lot of strong non-linear and non-stationary noises in the wind field data detected by radiosonde. In this paper, an adaptive and multi-scale wavelet denoising method combined with variational modal decomposition is used to extract features and denoise the wind field data of radiosonde at Syowa station in Antarctica in January 2019. Firstly, the signal is decomposed by the Variational Mode Decomposition, then modes related to the signal components are determined by the correlation coefficient method, and then the effective components and noise in the remaining modes are further separated by the wavelet analysis method. By merging and reconstructing all the effective components, the signal feature extraction and noise reduction are realized. Simulation experiments and real signal processing results show that this method has a good suppression effect on non-stationary nonlinear noise in radiosonde wind field signals, and has better feature extraction and noise reduction capabilities than traditional methods.
Key words : radiosonde；variational mode decomposition；wavelet analysis；noise reduction

0 引言

    無(wú)線電探空儀是對(duì)流層、平流層進(jìn)行大氣探測(cè)的重要手段之一[1-2]，可以綜合獲得大氣壓強(qiáng)、風(fēng)場(chǎng)、溫度、濕度等信息，具備探測(cè)實(shí)時(shí)性強(qiáng)、時(shí)間空間分辨率較高等特點(diǎn)[3]。目前世界各地運(yùn)行著的龐大而完整的全球探測(cè)網(wǎng)，源源不斷地積累的海量數(shù)據(jù)，不斷促進(jìn)著人們對(duì)與全球氣候變化趨勢(shì)、大氣氣象動(dòng)力學(xué)過(guò)程以及局地大氣暫態(tài)結(jié)構(gòu)等活動(dòng)的理解[4-5]。

    然而實(shí)際的探測(cè)數(shù)據(jù)中往往夾雜著大量的隨機(jī)噪聲，特別是在風(fēng)場(chǎng)數(shù)據(jù)中，存在著強(qiáng)烈的非線性非平穩(wěn)穩(wěn)定噪聲，有時(shí)甚至幾乎能將信號(hào)淹沒(méi)[6]，這些噪聲的存在也影響著后續(xù)科學(xué)研究的真實(shí)可靠性。

    針對(duì)非平穩(wěn)非線性噪聲的存在，科學(xué)家們陸續(xù)發(fā)明了短時(shí)傅里葉變換、小波變換、主成分分析、經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)等一系列手段[7-9]。然而這些方法也各有優(yōu)缺點(diǎn)，小波變換在時(shí)域和頻域都具有較好的表現(xiàn)，然而存在著基函數(shù)的選取問(wèn)題，無(wú)法自適應(yīng)地處理信號(hào)[10]；EMD方法可以按照信號(hào)本身的特點(diǎn)對(duì)于復(fù)雜的原始信號(hào)進(jìn)行分解，得到若干個(gè)尺度不一樣的本征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)，可以分析信號(hào)的瞬時(shí)幅值、瞬時(shí)頻率等實(shí)時(shí)特征，然而卻容易引起模態(tài)混疊、邊界效應(yīng)等問(wèn)題，目前還缺乏良好的理論性論證，計(jì)算效率也有待于進(jìn)一步提高[11]。

    變分模態(tài)分解法(Variational Mode Decomposition，VMD)于2014年被首次提出，這種方法把信號(hào)IMF分量的獲取過(guò)程轉(zhuǎn)移到變分框架內(nèi)進(jìn)行，能夠更好地實(shí)現(xiàn)復(fù)雜信號(hào)的準(zhǔn)確分離，同時(shí)也具備較好的抗噪聲干擾能力，在模態(tài)混疊和邊界效應(yīng)的處理上都有著更好的表現(xiàn)[12]。近年來(lái)，VMD方法也在許多領(lǐng)域內(nèi)取得了很好的效果[13-14]。

    鑒于VMD算法在自適應(yīng)信號(hào)處理方面的優(yōu)點(diǎn)，本文結(jié)合相關(guān)系數(shù)比值、小波包信號(hào)分解等方法的優(yōu)點(diǎn)，先利用VMD方法對(duì)信號(hào)進(jìn)行分解，然后計(jì)算各個(gè)模態(tài)分量與原始信號(hào)的相關(guān)性，從而獲得相關(guān)模態(tài)和非相關(guān)模態(tài)，在此基礎(chǔ)上對(duì)于非相關(guān)模態(tài)進(jìn)行小波分析和提取，提取其中的有用信息，最后將全部有用的信息進(jìn)行重構(gòu)實(shí)現(xiàn)去噪。仿真信號(hào)和實(shí)際信號(hào)的分析，都驗(yàn)證了這種方法應(yīng)用于無(wú)線電探空儀風(fēng)回波信號(hào)特征提取的可靠性，具有良好的降噪和信號(hào)分離能力。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://ihrv.cn/resource/share/2000003264




作者信息:

李  俊1，黃開(kāi)明2，帥  晶1 

(1.湖北經(jīng)濟(jì)學(xué)院 信息與通信工程學(xué)院，湖北 武漢430205；

2.武漢大學(xué) 電子信息工程學(xué)院，湖北 武漢430072)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。