一种基于拐点变换的时序信号到时拾取方法与流程

1.本发明涉及一种基于拐点变换的时序信号到时拾取方法。


背景技术：

2.在信号处理领域，确定时序信号的到时是很重要的一个研究内容。比如在雷达或声纳中，通过测量目标反射波到达的时间，可以估算目标距离；在管道碰撞监测定位中，通过提取的信号到时可以计算管道中发生碰撞的位置；在兵器试验中，根据传感器测得的目标落水信号到时，能够得出目标落点位置；在地震数据处理中，地震信号关联及事件定位都需要准确的信号到时。信号到时拾取以信号和背景噪声之间的特征差异为基础，例如振幅、频率、相位和波形极性等特征值的变化。
3.常用的信号到时拾取方法有cusum(cumulative sum)方法、ar-aic(autoregressive akaike information criterion)方法、小波变换方法、偏振分析方法等，通常的到时拾取思路是以不同方法计算出的特征曲线上的最大值点或最小值点对应时间为信号到时。在信号到时拾取的过程中，对于信噪比较高的信号，拾取的到时较为准确；而对于信噪比较低的信号、信号初动到时附近出现瞬时干扰或拾取时窗内有其他信号的情况，信号到时所在位置在特征曲线上不是最小值点或最大值点，而是特征曲线上的一个极小值点或极大值点或仅表现为拐点，导致拾取的到时可能有较大误差。


技术实现要素：

4.本发明的目的是解决现有信号到时拾取方法对于信噪比较低的信号、信号初动到时附近出现瞬时干扰或拾取时窗内有其他信号的情况，使信号到时所在位置在特征曲线上为一个极小值点或极大值点或仅表现为拐点，导致拾取的到时有较大误差的技术问题，而提供一种基于拐点变换的时序信号到时拾取方法，针对到时拾取特征曲线上的最小值点作为信号到时的情况，再对到时拾取特征曲线进行拐点变换，将到时拾取特征曲线上的极小值点或拐点变为正峰值点，实现目标信号的到时拾取。
5.为解决上述技术问题，本发明所采用的技术方案为：
6.一种基于拐点变换的时序信号到时拾取方法，其特殊之处在于，包括以下步骤：
7.步骤1：确定包含信号的时序波形；
8.步骤2：对时序波形去除线性趋势，并进行带通滤波；
9.步骤3：计算时序波形的到时拾取特征曲线；
10.步骤4：对到时拾取特征曲线进行拐点变换，得到拐点变换曲线；
11.步骤5：将到时拾取特征曲线上的最小值点与拐点变换曲线上的正峰值点对应时间作为候选到时，从候选到时中选出目标信号的到时。
12.进一步地，步骤4具体为：
13.4.1)建立到时拾取特征曲线f(t)，其中t表示时间；
14.4.2)定义到时拾取特征曲线f(t)上任一点为p(t,f(t))；
15.4.3)在p(t,f(t))点两侧等时间间隔取两个端点a(t δt,f(t δt))、b((t-δt,f(t-δt)))，其中，δt表示时间间隔；
16.4.4)求p(t,f(t))点到ab连线的距离d(t,δt)。
17.进一步地，步骤4.4)中所述的求p(t,f(t))点到ab连线的距离d(t,δt)具体为：
18.当p点在ab连线下方时，d(t,δt)为正值，否则d(t,δt)为负值；
[0019][0020][0021]
其中，κ为p(t,f(t))点到a b连线距离d(t,δt)的斜率。
[0022]
进一步地，步骤2中所述的进行带通滤波具体为：利用数字滤波器进行带通滤波得到滤波波形。
[0023]
进一步地，所述步骤3的计算方法为cusum方法或ar-aic方法。
[0024]
与现有技术相比，本发明技术方案的有益效果是：
[0025]
1、本发明基于拐点变换的时序信号到时拾取方法针对到时拾取特征曲线上目标信号表现为极小值点或拐点的情况，通过拐点变换方法将到时拾取特征曲线上的极小值点或拐点都变为正峰值点，然后将到时拾取特征曲线上最小值点和拐点变换曲线上的正峰值点对应的时间均作为候选到时，后续通过提取候选到时的信号组特征，再经过经验分析方法判断或机器学习方法审核，从候选到时中选出目标信号的到时；解决了对于信噪比较低的信号、信号初动到时附近出现瞬时干扰或拾取时窗内有其他信号的情况下拾取到时误差较大的问题，提高了到时拾取的精度。
[0026]
2、本发明基于拐点变换的时序信号到时拾取方法，保留了cusum方法中灵敏度高的特点，提高了cusum方法和ar-aic方法的到时拾取的精度。
附图说明
[0027]
图1为本发明基于拐点变换的时序信号到时拾取方法实施例一中到拐点变换的示意图，其中f(t)为到时拾取特征曲线，t表示时间，p(t,f(t))为f(t)上任一点，a(t δt,f(t δt))、b((t-δt,f(t-δt)))分别为p(t,f(t))点横坐标左右两侧等间隔的点，δt表示时间间隔，d(t,δt)为p(t,f(t))点到连线ab的距离；
[0028]
图2为本发明基于拐点变换的时序信号到时拾取方法实施例一中时序波形a的原始波形图；
[0029]
图3为本发明实施例一中时序波形a经过去除线性趋势和带通滤波器滤波后的波形图；
[0030]
图4为本发明实施例一中采用cusum方法，计算的似然比曲线图，其中下三角分别表示似然比曲线上的极小值点；
[0031]
图5为本发明实施例一中经过拐点变换得到的拐点变换曲线图，其中方框表示拐点变换曲线上的正峰值点；
[0032]
图6为本发明基于拐点变换的时序信号到时拾取方法实施例二中时序波形b的原
始波形图；
[0033]
图7为本发明实施例二中时序波形b经过去除线性趋势和带通滤波器滤波后的波形图；
[0034]
图8为本发明实施例二中采用ar-aic方法，计算出的aic曲线图，其中下三角表示aic曲线上的极小值点；
[0035]
图9为本发明实施例二中经过拐点变换得到的拐点曲线图，其中方框表示拐点变换曲线上的正峰值点；
[0036]
图10为本发明基于拐点变换的时序信号到时拾取方法实施例三中时序波形c的原始波形图；
[0037]
图11为本发明实施例三中时序波形c经过去除线性趋势和带通滤波器滤波后的波形图；
[0038]
图12为本发明实施例三中采用cusum方法，计算出的似然比曲线图，其中下三角表示似然比曲线上的极小值点；
[0039]
图13为本发明实施例三中经过拐点变换得到的拐点变换曲线图，其中方框表示拐点变换曲线上的正峰值点。
具体实施方式
[0040]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的技术方案，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0041]
本发明一种基于拐点变换的时序信号到时拾取方法，包括以下步骤：
[0042]
步骤1：确定包含信号的时序波形；
[0043]
步骤2：对时序波形去除线性趋势，并进行带通滤波；
[0044]
步骤3：采用cusum方法或ar-aic方法计算时序波形的到时拾取特征曲线；
[0045]
步骤4：对到时拾取特征曲线进行拐点变换，得到拐点变换曲线；
[0046]
4.1)设定到时拾取特征曲线f(t)，其中t表示时间；
[0047]
4.2)定义到时拾取特征曲线f(t)上任一点为p(t,f(t))；
[0048]
4.3)在p(t,f(t))点两侧等间隔取两个端点a(t δt,f(t δt))、b((t-δt,f(t-δt)))，其中，δt表示时间间隔；
[0049]
4.4)求p(t,f(t))点到ab连线的距离d(t,δt)；
[0050]
当p点在ab连线下方时，d(t,δt)为正值，否则d(t,δt)为负值；
[0051][0052][0053]
其中，κ为计算p(t,f(t))点到ab连线距离d(t,δt)的斜率；
[0054]
步骤5：将到时拾取特征曲线上的最小值点与拐点变换曲线上的正峰值点对应时间作为候选到时，从候选到时中选出目标信号的到时。
[0055]
实施例一
[0056]
本实施例中，假设有一段包含信号的时序波形；
[0057]
首先，对原始波形的数据去除线性趋势，再使用数字滤波器进行带通滤波；如图2、图3所示，时序波形a的原始波形的波长为60s，采样率为100hz。对时序波形a的原始波形去除线性趋势，并利用数字滤波器进行带通滤波得到的滤波波形，人工拾取目标信号的到时为30.70s。
[0058]
其次，对滤波后的波形计算到时拾取特征曲线。本实施例采用cusum方法得到似然比曲线，计算似然比曲线上的最小值点对应的时间。如图4所示，采用cusum方法计算出滤波波形的似然比曲线，似然比曲线中的下三角表示似然比曲线上的极小值点，时间分别为30.97s和46.27s，以似然比曲线中的最小值点对应时间为目标信号到时，则目标信号到时为46.27s。
[0059]
然后对到时拾取特征曲线进行拐点变换；如图1所示，将到时拾取特征曲线表示为f(t)，t表示时间，取f(t)上任一点p(t,f(t))，在p(t,f(t))点左右两侧的横坐标上等间隔取a(t δt,f(t δt))、b((t-δt,f(t-δt)))两点，将a(t δt,f(t δt))、b((t-δt,f(t-δt)))作为端点，其中δt表示时间间隔，连接a、b，再求p(t,f(t))点到连线ab的距离d(t,δt)，并规定p(t,f(t))点在ab之下时为d(t,δt)为正，p点在ab之上时d(t,δt)为负，d(t,δt)可以通过下式求得：
[0060][0061]
其中
[0062][0063]
经过拐点变换后，到时拾取特征曲线上极小值点都会变为正峰值点，计算正峰值点对应的时间。如图5所示，按式(1)、式(2)求出拐点变换曲线，经过拐点变换，似然比曲线中的极小值点均变为正峰值点，在图5中用方框表示，时间分别为30.79s和46.38s。
[0064]
最后，将到时拾取特征曲线上最小值点和拐点变换曲线上正峰值点分别对应的时间作为候选到时，后续通过提取候选到时的信号组特征、经验分析方法判断或机器学习方法审核，从候选到时中选出目标信号到时。将图4的似然比曲线上最小值点(46.27s)和图5拐点变换曲线上正峰值点(30.79s、46.38s)对应时间作为候选到时，通过提取候选到时的信号组特征，并用bp神经网络方法输出，最终确定目标信号到时为30.79s。
[0065]
实施例二
[0066]
本实施例给出另一段时序波形b的原始波形如图6所示，时序波形b的波长为60s，采样率为100hz。如图7所示，对原始波形去除线性趋势，并利用数字滤波器进行带通滤波得到滤波波形，得其人工拾取目标信号的到时为28.75s。
[0067]
如图8所示，采用ar-aic方法计算出aic曲线，aic曲线上28.88s有一个极小值点，在图8中用下三角形表示，而最小值点在55.90s，则ar-aic方法拾取目标信号到时为55.90s。
[0068]
如图9所示，按式(1)、式(2)求出拐点变换曲线，经过拐点变换，aic曲线中的极小值点变为正峰值点，用图9中的方框表示，时间为29.00s。将aic曲线上最小值点(55.90s)和
拐点变换曲线上正峰值点(29.00s)对应时间作为候选到时，后续通过提取候选到时信号组特征，并用经验分析方法筛选判断，最终确定目标信号到时为29.00s。
[0069]
实施例三
[0070]
本实施例再给出一段时序波形c的原始波形如图10所示，时序波形c的波长为60s，采样率为100hz。如图11所示，对原始波形去除线性趋势，并利用数字滤波器进行带通滤波得到滤波波形，人工拾取目标信号的到时为31.70s，该段波形内还有另外一个信号，其到时为9.50s。
[0071]
如图12所示，采用cusum方法计算出似然比曲线，目标信号在似然比曲线上仅为拐点，似然比曲线中的下三角表示极小值点，时间分别为10.27s和26.13s，以似然比曲线中的最小值点对应时间为目标信号到时，则目标信号到时为10.27s。
[0072]
如图13所示，按式(1)、式(2)求出拐点变换曲线，经过拐点变换，似然比曲线上极小值点或拐点变为正峰值点，用图13中的方框表示，时间分别为9.74s、13.60s、31.60s。将似然比曲线上最小值点(10.27s)和拐点变换曲线上正峰值点(9.74s、13.60s、31.60s)对应时间作为候选到时，再通过提取候选到时信号组特征，并用bp神经网络方法输出，最终确定目标信号到时为31.60s。