输油管道漏磁检测信号自适应滤波的研究

在采用漏磁法对输油管道进行无损检测过程中，信号会受到各种噪声的干扰。介绍了输油管道漏磁检测方法及归一化最小均方自适应滤波方法。通过实验装置采集了含有噪声的漏磁信号。由于各传感器提离值不能保证一致，对信号进行了补偿调整。将一路的传感器输出信号作为主输人信号，与之相邻的传感器输出信号作为参考信号，采用归一化自适应滤波对主输人信号进行处理。结果表明，采用归一化最小均方自适应滤波方法可使缺陷漏磁信号的信噪比得到显著的提高。     

用于管道漏磁数据的小波域自适应及小波系数去噪算法

基于漏磁检测是油气管道在线检测中应用最广泛的无损检测技术,提出了一种去除漏磁数据中无缝管道噪声(SPN)和系统噪声的新算法.首先利用将小波变换和自适应滤波技术相结合而提出的新型小波域自适应滤波方法去除漏磁数据中的SPN,然后再利用小波系数去噪方法去除小波域自适应SPN消除系统输出漏磁数据中的系统噪声.实测漏磁数据所得结果表明,该算法具有良好的去噪效果,极大地提高了漏磁数据中缺陷信号的可检测性.     

基于频率选择性滤波的归一化最小均方算法研究

通过对噪声主动控制技术中广泛应用的归一化滤波最小均方算法的分析,提出了基于频率选择性的归一化滤波最小均方算法并建立了该算法在噪声主动控制中的应用模型;在Matlab/Simulink环境中建立了归一化频率选择性最小均方算法的仿真模型,通过合理地选取自适应滤波器的结构、滤波器长度、收敛因子等控制参数,对单频噪声信号和窄带随机噪声信号进行了自适应抵消仿真分析。仿真结果表明,噪声信号抵消效果明显,与理论分析的结论一致,证明该算法准确并且有效。     

海浪磁噪声背景中动目标航空磁异常检测算法

针对传统正交基分解检测算法不适用于海浪磁噪声背景下动目标检测航空磁异常检测问题,提出了基于自适应海浪磁噪声抑制的动目标航空磁异常检测算法.基于Weaver海浪磁场模型提出以观测海洋风浪谱生成的风浪位移信号作为参考噪声输入,利用最小均方自适应滤波算法对海浪磁噪声进行估计和抑制.基于传统正交基函数分解算法和动目标的航空磁异常探测模型,设计了动目标航空磁异常检测算法.仿真实验数据处理结果表明,该算法具有较好的海浪磁场抑制能力,能极大地提高海浪磁噪声条件下微弱磁异常动目标的检测能力.     

基于自适应滤波地下管道漏水信号去噪处理研究

研究了自适应滤波算法对地下管道漏水信号的去噪处理,对归一化最小均方(Normal Least Mean Square,NLMS)自适应滤波算法与传统的最小均方(Least Mean Square,LMS)算法进行性能比较,并通过MATLAB仿真验证分析,最终采用DSP芯片TMS320C5402在CCS软件平台上实现了NLMS自适应算法对地下管道漏水信号噪声的滤除.     

采用互相关与自适应滤波算法测量流速的比较研究

针对气固两相流固相颗粒流速的测量问题,讨论了可用于流速测量的互相关法和自适应滤波时延估计法.对于安装在气力输送管道上的双电极静电传感器输出信号,利用相关函数进行上下游电极输出信号相似性的比较,相似性最大即相关函数取极大值时的时间延迟,结合传感器电极间距离,计算出固相颗粒流过传感器的平均速度,也可以采用自适应滤波计算输出信号在上下游静电传感器间的时间延迟,测得管道中固体颗粒的流速.实验结果表明,所测得的电极信号与噪声的统计特性受到了环境的影响,互相关算法测量速度的准确性大大降低,而自适应滤波算法由于能根据信号和噪声的相互关系不断地调整自身参数,满足最小均方算法准则的要求,可以精确地跟踪固相颗粒速度.     

基于神经网络的多传感器自适应滤波及其应用

讨论了同一噪声源多传感信号神经网络自适应噪声抵消器的设计方法·利用神经网络自适应获取信息融合器LC的权系数,克服了采用基于平均法时可能失去部分信息造成信号估计误差太大的缺陷,较好地解决了多传感器信息融合的问题·该方法不仅能获得信号的最优估计而且能克服信号处理中存在模型扰动和噪声的不确定性等问题·为了检验该滤波方法的有效性,在输油管道的泄漏定位检测与诊断中,利用该滤波方法提高压力信号、流量信号等信噪比·结果表明,神经网络自适应噪声抵消器不仅实现简单,而且能快速、有效地消除流量、压力信号中的各种噪声·     

去除漏磁数据中无缝管道噪声的小波域自适应滤波算法

漏磁(MFL)检测是油气管道在线检测中应用非常成熟的一种无损检测技术。将小波变换与自适应滤波技术相结合,提出了一种去除漏磁数据中无缝管道噪声(SPN)的小波域自适应滤波算法。将该算法用于实测漏磁数据的处理,所得结果说明该算法具有良好的去噪效果,可以极大地提高漏磁数据中缺陷信号的可检测性。     

去除漏磁数据中无缝管道噪声的小波域自适应滤波算法

漏磁(MFL)检测是油气管道在线检测中应用非常成熟的一种无损检测技术。将小波变换与自适应滤波技术相结合,提出了一种去除漏磁数据中无缝管道噪声(SPN)的小波域自适应滤波算法。将该算法用于实测漏磁数据的处理,所得结果说明该算法具有良好的去噪效果,可以极大地提高漏磁数据中缺陷信号的可检测性。     

海水营养盐微弱信号检测技术研究

基于光电检测原理和锁相放大技术,对海水营养盐微弱信号检测技术进行了研究。采用模拟锁相放大电路对光电二极管的微弱电压信号进行前置放大滤波处理,基于STM32F401硬件平台提出了改进的变步长最小均方自适应滤波算法对微弱信号做进一步滤波提取,最终实现海水营养盐微弱信号的精准检测。仿真和实验数据表明,该技术方案能够提高营养盐传感器的数据准确度和精密度。     

Wavelet domain adaptive filtering algorithm for removing the seamless pipe noise contained in the magnetic flux leakage data

With the widespread application and fast development of gas and oil pipeline network in China, the pipeline inspection technology has been used more extensively. The magnetic flux leakage （MFL） method has established itself as the most widely used in-line inspection technique for the evaluation of gas and oil pipelines. The MFL data obtained from seamless pipeline inspection is usually contaminated by the seamless pipe noise （SPN）. SPN can in some cases completely mask MFL signals from certain type of defects, and therefore considerably reduces the detectability of the defect signals. In this paper, a new de-noising algorithm called wavelet domain adaptive filtering is proposed for removing the SPN contained in the MFL data. The new algorithm results from combining the wavelet transform with the adaptive filtering technique. Results from application of the proposed algorithm to the MFL data from field tests show that the proposed algorithm has good performance and considerably improves the detectability of the defect signals in the MFL data.     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

基于自适应Kalman滤波的输油管道状态估计

通过离散化输油管道瞬变流动控制方程,基于扩展Kalman滤波方法,用带有未知时变噪声统计的虚拟噪声补偿线性化模型误差,构造了鲁棒自适应Kalman滤波器,以进出口压力及站间测量点为系统的输入与输出向量,对输油管道进行状态估计,并将状态估计结果与实际运行采集数据进行对比.结果表明,该滤波器迭代收敛速度较快,其误差控制在3%以内.     

自适应最优量化查找表预失真算法

为了在不增加查找表（LUT）长度的前提下,进一步改善功率放大器非线性性能,提出1种自适应最优量化LUT的预失真算法.与已有的最优量化LUT算法不同,该算法综合考虑了预失真器特性和输入信号概率分布,理论分析并得到了最优的LUT量化间隔,并给出了全盲条件下的自适应预失真器LUT参数搜索算法.仿真表明：应用该算法的预失真系统的归一化最小均方误差指标优于均匀量化LUT算法和已有的最优量化LUT算法,尤其是在输入信号功率回退较大的情况下,该算法的预失真效果改善更为显著.     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

基于LS-SVM的管道二维漏磁缺陷重构

针对铁磁材料的无损评估中,漏磁信号描述缺陷的几何特征难点,提出了应用支持向量机对二维缺陷重构的新方法,支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。网络学习采用最小二乘算法,训练样本由实验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与径向基神经网络重构结果进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

基于NLMS线性相位FIR滤波器的自适应设计

在以往具有线性相位的滤波器自适应方法中,最常用的是最小均方（ＬＭＳ）方法。但用此法设计时必须小心地选择迭代步长,同时还可能遇到梯度噪声放大问题。文中提出了一种用于设计具有线性相位的有限冲击响应（ＦＩＲ）滤波器自适应方法。它用经过改进的归一最小均方（ＮＬＭＳ）算法来保证所得结果具有线性相位,且克服了梯度噪声放大问题,同时也不必选择步长。进一步的改进使它的计算更高效,实时实现更方便。     

SG-VMD-SVD的信号去噪方法研究

油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题.为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD: Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结...