一种脉冲涡流检测信号处理方法和装置

本发明涉及油气管道无损检测与电磁信号处理，尤其涉及一种脉冲涡流检测信号处理方法和装置。

背景技术：

1、油气管道是能源输送的核心基础设施，其安全运行直接关系到国民经济稳定与人民生命财产安全。在役管道长期受介质腐蚀、应力疲劳、地质灾害等影响，易产生轴向应力集中、局部金属损失等缺陷，电磁阵列检测技术凭借非接触、检测速度快、适用于在役检测等优势，已成为管道缺陷评估的重要手段。

2、然而在实际工程场景中，电磁阵列检测信号普遍受强背景噪声干扰，包括油气流速冲击振动噪声、大覆盖层提离噪声、工频干扰、随机冲击脉冲等多种成分。上述噪声与缺陷有效信号在时域、频域上深度混叠，导致缺陷信号信噪比大幅降低，严重制约缺陷识别与定量评估的准确性。

3、现有电磁信号去噪技术主要存在以下局限：传统滤波、经验模态分解、小波阈值等方法依赖信号与噪声的时频特征差异，当噪声与缺陷信号频域高度重叠时，去噪效果显著下降，且易模糊缺陷突变特征，造成峰值与边沿信息损失。而以 fastica 为代表的盲源分离方法需依赖多通道观测与信号统计独立性，单通道检测场景下难以直接应用，且对非线性、非平稳的复杂工程噪声分离能力有限。此外，基于监督深度学习的去噪方法需大规模“干净 - 含噪”配对样本训练模型，但现场实测中纯净缺陷信号难以获取，合成噪声与真实噪声存在分布差异，导致模型泛化能力不足，难以适配复杂工况。同时，纯数据驱动的深度学习模型存在“黑箱”问题，内部机制缺乏物理解释，小样本条件下易发生过拟合，输出结果可能违背电磁响应基本物理规律，可靠性难以保障。

4、因此，亟需开发一种无需干净标签、适用于单通道观测、融合电磁物理先验的盲去噪方法，解决强背景噪声下油气管道电磁阵列检测信号的高精度去噪难题。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

2、本发明的主要目的在于提供一种脉冲涡流检测信号处理方法，采用自监督掩码学习机制实现无干净标签的盲去噪，结合双向长短期记忆网络建模序列长期依赖，并引入loewner 有理谱物理约束强制输出符合电磁响应规律，显著提升强噪声场景下的去噪精度与物理一致性。

3、本发明的另一个目的在于提出一种脉冲涡流检测信号处理装置。

4、本发明的第三个目的在于提出一种电子设备。

5、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

6、为达上述目的，本发明第一方面实施例提出了一种脉冲涡流检测信号处理方法，包括：

7、采集油气管道电磁阵列检测过程中获得的原始检测信号，所述原始检测信号包含由管道缺陷引起的电磁响应信息以及检测过程中的背景噪声；

8、对所述原始检测信号进行标准化预处理，并在无需获取对应无噪参考信号的条件下，构造基于非对称上下文滑窗掩码的自监督训练样本；

9、将所述自监督训练样本输入卷积—双向长短期记忆网络编解码网络，通过编码器与解码器之间的交叉注意力机制融合上下文时序特征，输出被掩码区域对应的信号重建结果；

10、采用两阶段训练策略对网络参数进行优化，其中第一阶段基于重建损失训练网络的基础信号恢复能力，第二阶段在重建损失基础上引入基于loewner有理谱低秩特性的物理启发约束损失，使网络输出满足电磁响应低阶有理函数表征规律；

11、利用训练完成的网络对原始检测信号进行滑动窗口预测，并通过加窗加权叠加方式进行信号重构，获得与原始检测信号长度一致的去噪结果。

12、在本发明的一个实施例中，基于非对称上下文滑窗掩码的自监督训练样本的构造方法包括：

13、设目标中心片段长度为t，左侧上下文长度为l，右侧上下文长度为r，滑动窗口长度满足：

14、

15、在保持滑动窗口长度不变的条件下，随机调整左侧上下文长度l与右侧上下文长度r的分配比例，形成输入窗口序列：

16、

17、在每个输入窗口内，将中心片段对应采样值进行掩码处理，并生成对应的可见性掩码，同时将归一化时间坐标与信号值通道、可见性掩码通道进行拼接，形成包含信号值、可见性掩码以及时间坐标的多通道输入样本；

18、对于超出原始检测信号范围的边界区域，采用零值填充，并通过可见性掩码标识为不可见区域。

19、在本发明的一个实施例中，所述卷积—双向长短期记忆网络编解码架构包括卷积前端、双向 lstm 编码器、瓶颈层与双向 lstm 解码器；

20、输入样本首先经过两层一维卷积与 gelu 激活函数提取局部时域特征，将卷积特征与原始三通道输入拼接后送入多层双向 lstm 编码器；

21、编码器输出按可见掩码进行加权池化，仅汇聚可见上下文信息，生成全局上下文表征；

22、全局上下文表征结合中心片段平均时间位置、左右上下文比例信息输入瓶颈层，得到低维潜变量并映射为解码器的初始隐状态与记忆状态；

23、解码器每步接收相对位置、绝对中心时间与上下文比例条件信息，逐点生成中心片段的预测序列。

24、在本发明的一个实施例中，所述通过交叉注意力机制融合上下文特征，具体为：

25、以解码器各时刻的隐状态作为查询向量q，以编码器各时刻的隐状态分别作为键向量k与值向量v，采用缩放点积注意力计算上下文融合特征，计算公式为：

26、

27、其中，为键向量的维度；

28、所述注意力计算过程中，仅对可见上下文区域进行归一化处理，使各预测采样点根据上下文相关性自适应选择有效信息，并屏蔽中心掩码区域以及零填充区域。

29、在本发明的一个实施例中，基于loewner有理谱低秩特性的物理启发约束损失构造过程包括：

30、对网络第一阶段输出的完整重建序列执行离散傅里叶变换并进行归一化处理，获得对应的归一化频域响应；

31、采用贪心残差准则从频点中自适应筛选支撑集s与行采样集，基于两组采样点构造联合 loewner 差商矩阵，其中单个 loewner 矩阵元素满足：

32、

33、式中，为行采样点，为支撑点，为频域响应函数；

34、对联合 loewner 矩阵进行奇异值分解，得到按降序排列的奇异值，采用阶数加权的低秩损失作为物理约束项，计算公式为：

35、

36、其中，k为奇异值总数目，为阶数权重，p为惩罚力度系数，权重随奇异值序号递增，重点惩罚由噪声引入的尾部高秩奇异分量。

37、在本发明的一个实施例中，所述两阶段训练策略包括：

38、第一阶段采用huber损失函数作为重建损失：

39、

40、其中，为网络预测值，为原始含噪中心片段值，为异常值敏感度超参数；

41、第二阶段在重建损失基础上引入物理启发约束损失，总损失函数表示为：

42、

43、其中，为 huber 重建损失，为 loewner 有理谱约束损失，为物理约束权重系数；

44、其中，物理约束权重采用逐步递增策略，使物理约束项由弱到强参与网络优化，以避免训练初期网络收敛不稳定。

45、在本发明的一个实施例中，油气管道电磁阵列检测信号包括管道轴向应力漏磁检测信号与大覆盖层下局部金属损失脉冲涡流检测信号；

46、所述背景噪声包括油气流速冲击振动噪声、提离噪声、工频干扰与随机冲击脉冲噪声中的一种或多种。

47、为达上述目的，本发明第二方面实施例提出了一种脉冲涡流检测信号处理装置，包括：

48、信号采集模块，用于采集油气管道电磁阵列检测过程中获得的原始检测信号，所述原始检测信号包含由管道缺陷引起的电磁响应信息以及检测过程中的背景噪声；

49、样本构造模块，用于对所述原始检测信号进行标准化预处理，并在无需获取对应无噪参考信号的条件下，构造基于非对称上下文滑窗掩码的自监督训练样本；

50、网络前向模块，用于将所述自监督训练样本输入卷积—双向长短期记忆网络编解码网络，通过编码器与解码器之间的交叉注意力机制融合上下文时序特征，输出被掩码区域对应的信号重建结果；

51、训练优化模块，用于采用两阶段训练策略对网络参数进行优化，其中第一阶段基于重建损失训练网络的基础信号恢复能力，第二阶段在重建损失基础上引入基于loewner有理谱低秩特性的物理启发约束损失，使网络输出满足电磁响应低阶有理函数表征规律；

52、推理重建模块，用于利用训练完成的网络对原始检测信号进行滑动窗口预测，并通过加窗加权叠加方式进行信号重构，获得与原始检测信号长度一致的去噪结果。

53、为达上述目的，本技术第三方面实施例提出了一种电子设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的方法。

54、为达上述目的，本技术第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的方法。

55、本发明实施例的具有以下有益效果：具备无标签盲去噪能力，采用非对称上下文掩码自监督学习机制，无需纯净缺陷信号作为标签，仅从含噪观测数据本身即可学习信号内在结构规律，适配现场实测数据标注稀缺的工程场景，大幅降低数据获取成本；能保障物理一致性，引入基于 loewner 有理谱的低秩物理约束，将铁磁材料脉冲涡流响应的低阶有理函数先验融入网络训练，使输出结果符合电磁物理规律，缓解纯数据驱动模型的“黑箱”问题，提升结果可靠性与可解释性；具有优异的强噪声鲁棒性，结合 huber 损失对异常值的耐受性与交叉注意力的自适应上下文选择机制，对随机冲击脉冲、流速调制噪声等非平稳强干扰具有良好抑制效果，信噪比提升幅度优于传统小波、emd 等方法。