一种用于隧道复杂环境下的激光测振振动信息噪声处理方法、系统及设备与流程

本发明涉及隧道振动信号降噪，尤其涉及一种用于隧道复杂环境下的激光测振振动信息噪声处理方法、系统及设备。

背景技术：

1、隧道复杂环境下施工中围岩表面常处于不稳定状态，传统接触式传感器 (如加速度传感器等) 难以可靠安装，易脱落或损坏。扫描式激光测振仪虽然具有非接触式、高精度和全场监测等优势，但源于隧道复杂施工环境的特殊性与激光测振技术本身的局限性，非接触式振动信息监测装备在隧道中使用存在诸多限制。

2、激光测振设备获取的振动信号中存在高频噪声 (光学散斑、电子噪声)、低频环境干扰 (地面振动) 及同频信号混叠问题。单一信号噪声处理方法虽然能对振动信号进行一定的滤波去噪，但各自还存在着一定的局限性：傅里叶变换适用于周期性信号的滤波去噪，但在处理随机性强、非平稳信号时效果不佳；小波变换能提供不同频率段的分析分辨率，但其去噪效果依赖于阈值函数的选择；经验模态分解 (emd) 由于缺乏系统的数学理论支持，在处理信号采样率和噪声波动时，算法稳定性较差；传统变分模态分解 (vmd) 需人工设定模态数 k 和带宽参数，易导致模态未完全分离或引入冗余模态；传统 k-svd 算法使用omp 基于 l0 范数约束求解稀疏系数，存在 l0 范数非凸性、易陷入局部最优、过拟合等问题。

3、因此，本发明提出了一种用于隧道复杂环境下的激光测振振动信息噪声处理方法、系统及设备来解决上述问题。

技术实现思路

1、本发明针对现有技术的不足，提出了一种用于隧道复杂环境下的激光测振振动信息噪声处理方法、系统及设备，本发明融合自适应变分模态分解与稀疏表示学习字典分析的优势，通过互补增强、多维度分析和鲁棒性提升，实现噪声分离与信号增强，显著提升微振动测量的信噪比与精度。

2、本发明解决技术问题的技术方案为一种用于隧道复杂环境下的激光测振振动信息噪声处理方法，取隧道复杂环境下现场激光测振原始振动信号，该方法包括初次降噪处理和二次降噪处理两级降噪流程，具体步骤如下：

3、（1）初次降噪处理：

4、从原始振动信号中选取典型振动信号作为参数优化样本，以参数优化样本为输入，利用蚁狮优化算法alo对变分模态分解vmd的模态数和惩罚参数进行自适应寻优，输出最优参数组合，为最优模态数，为最优惩罚参数；

5、采用最优参数组合对原始振动信号进行变分模态分解，得到个固有模态函数imf模态分量，以及每个imf模态分量对应的中心频率；

6、计算每个imf模态分量与原始振动信号的皮尔逊相关系数，保留相关系数绝对值大于等于预设阈值的有效信息分量，将所有有效信息分量时域叠加重构，得到初次降噪信号；

7、（2）二次降噪处理：

8、从初次降噪信号中选取典型振动信号作为字典训练样本，将字典训练样本输入改进k-svd字典学习模型，基于l1正则化稀疏表示训练得到优化过完备字典；

9、将初次降噪信号输入优化过完备字典，通过稀疏表示求解与信号重构完成第二次降噪，输出最终滤噪处理的纯净振动信号。

10、初次降噪处理中自适应寻优的具体过程如下：

11、定义优化目标，以模态数和惩罚参数为待优化变量，构建目标函数，优化目标为最小化信号重构误差与模态稀疏性的加权和，目标函数表达式为：

12、，

13、其中，表示对应的适应度值，表示输入的参数优化样本信号，表示分解得到的第个模态分量，表示模态分量的索引；表示l2范数；为l1范数；表示平衡权重系数；

14、设定alo算法的种群参数，包括蚂蚁种群规模、蚁狮种群规模、最大迭代次数；设定优化变量的取值边界，模态数为正整数，取值范围为，惩罚参数为正实数，取值范围为，设定初始搜索步长因子与收敛判定阈值，、分别表示模态数取值的最小值和最大值，、分别表示惩罚参数取值的最小值和最大值；

15、在变量取值范围内随机生成组蚂蚁位置，每组蚂蚁位置对应一组参数组合；从所有蚂蚁位置中选取组适应度最优的位置作为初始蚁狮位置；适应度由目标函数值判定，目标函数值越小则适应度越优;

16、以为当前迭代次数，执行的循环迭代，表示最大迭代次数；

17、迭代终止后，将全局最优蚁狮对应的参数组合作为最优参数组合输出。

18、迭代优化过程具体如下：

19、每只蚂蚁围绕对应蚁狮进行随机游走实现位置更新，更新公式为：

20、，

21、其中，为第次迭代的蚂蚁位置，为第次迭代的全局最优蚁狮位置，为第次迭代随机选取的蚁狮位置，、为 [0,1]区间内的均匀随机数，为第次迭代的搜索步长因子；

22、随迭代次数增加线性缩小搜索步长，逐步从全局搜索转向局部精细搜索，步长更新公式为：

23、；

24、对更新后超出取值范围的参数进行截断修正，将模态数限制在范围内并做取整处理，将惩罚参数限制在范围内；

25、对每只蚂蚁对应的参数组合执行vmd分解，代入目标函数计算对应适应度值；

26、将适应度更优的蚂蚁位置替换为对应蚁狮位置，同时保留全局最优蚁狮位置作为历史最优解；

27、若连续预设次数迭代的目标函数值改进量均小于收敛判定阈值，则提前终止迭代。

28、初次降噪信号的求解过程如下：

29、以原始振动信号为输入，采用最优参数组合执行变分模态分解，将原始信号分解为个具有有限带宽的imf模态分量，并同步得到每个imf分量对应的中心频率；

30、计算第个imf模态分量与原始振动信号的皮尔逊相关系数，计算公式为：

31、，

32、其中，表示数学期望算子，表示方差算子；

33、设定皮尔逊相关系数阈值，若，则对应的imf分量为有效信息分量，将不满足该条件的imf分量判定为噪声主导分量并直接剔除；

34、将所有有效信息分量进行时域逐点叠加，重构得到初次降噪信号，完成首次噪声模态剔除。

35、二次降噪处理操作中改进k-svd字典学习模型，采用l1正则化lasso替代传统k-svd算法中的l0范数稀疏约束；改进后的k-svd全局优化目标函数为：

36、，

37、其中，为训练样本矩阵，为单段振动信号的采样长度，为训练样本总数量；为待学习的过完备字典，为字典原子数量，；为稀疏矩阵，为第个训练样本对应的稀疏系数向量，为训练样本的索引；为frobenius范数；为l1范数；为正则化系数；为取最小值操作。

38、改进k-svd字典学习模型的训练执行步骤如下：

39、步骤1：构建字典训练样本矩阵y，从训练样本中随机选取个样本作为初始字典原子，；对每个原子进行l2范数单位化处理，得到初始字典，单位化公式为：

40、，；

41、其中，表示字典的第个原子；

42、步骤2：固定当前字典，针对每个训练样本，求解l1正则化的lasso优化问题，得到对应稀疏系数，单样本优化问题表达式为：

43、，

44、其中，为第个训练样本，为待求解的稀疏系数向量；

45、采用坐标下降法求解上述凸优化问题，遍历所有训练样本后得到完整的稀疏系数矩阵；

46、步骤3：固定稀疏系数矩阵，逐列更新字典原子；针对第个字典原子，执行以下操作：

47、1）定使用第个原子的样本索引集合，为第个样本稀疏系数向量的第个元素；

48、2）计算全局误差矩阵，剔除第个原子的贡献，得到对应残差矩阵：

49、，

50、其中，为原子索引，表示字典的第个原子，表示稀疏系数矩阵中第个行向量的转置；

51、3）从残差矩阵中提取索引集合对应的列，得到子矩阵，对进行奇异值分解svd：

52、，

53、其中，为左奇异矩阵，为奇异值对角矩阵，为右奇异矩阵，表示转置操作；

54、4）取的第一列作为更新后的第个字典原子，取的第一个奇异值与的第一列的乘积作为对应稀疏系数行，完成单个原子的最优更新；

55、步骤4：对更新后的字典原子进行l2范数单位化处理，并对应调整稀疏系数的幅值；

56、步骤5：重复执行步骤2至步骤4操作，直到字典更新前后的全局重构误差变化量小于预设收敛阈值，或达到预设的最大迭代次数，输出训练完成的优化过完备字典d。

57、所述方法还包括对降噪后的信号进行评估，评估指标包括信噪比snr和均方根误差rmse；

58、信噪比snr计算公式如下：

59、；

60、均方根误差rmse计算公式如下：

61、；

62、其中，表示降噪后信号的第个采样点，表示参考纯净信号的第个采样点，为信号的总采样点数，为采样点索引；

63、信噪比越高、均方根误差越小表示降噪效果越好。

64、本发明还提供了一种用于隧道复杂环境下的激光测振振动信息噪声处理系统，执行如一种用于隧道复杂环境下的激光测振振动信息噪声处理方法，包括：

65、信号获取模块，被配置为获取隧道复杂环境下现场激光测振原始振动信号，并从原始振动信号中选取典型振动信号，分别作为参数优化样本与字典训练样本输出；

66、参数寻优模块，被配置为接收参数优化样本，利用蚁狮优化算法对变分模态分解的模态数和惩罚参数进行自适应寻优，输出最优参数组合；

67、分解重构模块，被配置为接收原始振动信号与最优参数组合，执行自适应变分模态分解，通过相关系数筛选有效imf分量并重构信号，输出初次降噪信号；

68、二次降噪模块，被配置为接收字典训练样本与初次降噪信号，先基于改进k-svd模型训练优化过完备字典，再基于l1正则化稀疏表示对初次降噪信号进行二次降噪，输出最终纯净振动信号；

69、评估输出模块，被配置为计算降噪效果的信噪比与均方根误差指标，并输出最终纯净振动信号与量化评估结果。

70、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如一种用于隧道复杂环境下的激光测振振动信息噪声处理方法的步骤。

71、本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如一种用于隧道复杂环境下的激光测振振动信息噪声处理方法的步骤。

72、 技术实现要素： 中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案具有如下优点或有益效果：

73、本发明公开了一种用于隧道复杂环境下的激光测振振动信息噪声处理方法、系统及设备，利用蚁狮优化算法alo对vmd的模态数和惩罚参数进行全局寻优，以重构误差与模态稀疏性加权和为适应度函数，自动匹配隧道振动信号的频域分布特性，从根本上解决传统vmd参数依赖经验设定导致的模态分离不彻底或冗余问题，进而提升分解精度；采用皮尔逊相关系数定量评估各imf分量与原始信号的关联程度，设定统一阈值剔除噪声主导模态，保留有效特征分量，实现频域噪声的快速滤除，且计算复杂度可控，适合现场实时处理；引入l1正则化lasso替代传统l0范数稀疏约束，将非凸优化转化为凸优化问题，采用坐标下降法稳定求解，避免局部最优和过拟合；同时通过奇异值分解逐原子更新字典，使学习到的过完备字典更贴合隧道微弱振动信号的固有形态；

74、初次降噪去除大部分频域噪声，二次降噪利用字典稀疏表示剥离残余时域噪声，两者协同作用，在模拟实验中可以使信噪比大幅提升，且本方法不依赖信号先验模型，对隧道内高粉尘、低照度、强振动等复杂工况具有良好的鲁棒性。