小波方法的自动化沉降传感器数据处理范文

本站小编为你精心准备了小波方法的自动化沉降传感器数据处理参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要:在自动化沉降监测数据处理中，针对自动化沉降传感器得到的信号会包含有噪声成分的问题，提出基于动态选取阈值的小波去噪方法进行数据处理。本文采用首先通过实验获得合适的小波基函数，并在实时处理中采用动态选取阈值的方法进行自动化沉降传感器数据的去噪。运用时间滑动窗口构建实时处理的框架，将数据预处理和基于小波及拟合的数据处理方法嵌入其中。并将结果与人工监测数据进行对比，验证了该自动化沉降传感器数据的处理方法与流程的可靠性，符合变形监测要求，为以后的研究提供了一些借鉴和参考。

关键词:自动化监测;动态选取;阈值;人工监测;实时处理 

引言

变形监测是建筑物沉降监测的重要内容，通常采用人工精密水准测量与自动化监测两种方式。随着技术的发展，自动化监测技术的应用更趋普遍。随着传感器技术的发展，现场监控量测技术由不成熟走向成熟，由单一的测量逐渐形成一个有机的监测系统，监测系统也由人工值守监测转换为自动监测［1］。在各种建筑物的监护项目中，自动化沉降监测技术应用越来越广泛，连续实时可靠的自动化监测数据，在保障建筑物稳定方面发挥了重要作用［2－6］。自动化沉降传感器的运用虽然提供了数据的来源，但由于环境综合原因的影响，会影响自动化沉降传感器分析得到的沉降结果的可靠性。只有采用系统的数据处理方法，才能更好地发挥自动化沉降传感器的优势。一套系统的测量数据处理方法不仅能够使数据量的提取更加真实和可靠，而且可以对测量结果给出准确的评定，并且进一步提高测量系统的精度和可靠性。传统的处理测量数据的方法运用到由传感器获取的数据中会出现一定的不足［7－8］，如假设数据正态分布、计算繁琐等，应结合传感器数据的数据量大、实时获取等特点，对数据的处理方法进行探索并实现传感器数据的实时处理。小波变换具有良好的时频特性，现阶段小波去噪是一种运用比较广泛的方法。小波去噪具有多分辨率、小波基选取多样性、去相关性等优点。故本文根据裘伟等［9］利用小波及曲线拟合对瞬时电信号进行处理的思路，对自动化沉降传感器的数据，采用动态的阈值选取方法对数据进行去噪，运用滑动窗口构建实时处理框架，并与人工监测数据进行对比分析，验证其精度。

1自动化沉降传感器数据的实时处理方法

1．1基于小波及拟合的实时数据处理方法

阈值选取是小波去噪中重要的一步，考虑到要实现的是自动化沉降传感器的实时处理，在每个窗口的数据会有各自的特点，如果单一的使用某一种阈值，与实时处理不能很好地契合。故在沿用了裘伟等处理瞬时电磁信号方法的同时，针对阈值选取问题采取动态处理的方法。1．1．1阈值选取在该方法中，首先确立4个阈值，其获取是从阈值估计的两种方法中分别选择了两种具体的阈值，构成本文方法的预选项，分别为penalty阈值和Birge－Massart阈值，固定阈值和基于史坦的无偏似然估计原理的自适应阈值。前两种penalty阈值和Birge－Massart阈值主要基于数据本身进行阈值选取;固定阈值则是通过公式λ=2ln(M槡)，M为信号的长度;基于史坦的无偏似然估计原理是对一个给定的阈值t，得到它的似然估计，再将非似然t最小化，就得到了所选的阈值。1．1．2去噪效果评定小波分析由于其理论的完善与发展，在众多方面得到广泛地运用，已经不仅仅局限在数学领域，在信号处理［10－11］、图像处理［12］、语音识别［13］、地震勘察［14］等方面也有很多实用价值。但由于各个领域不同，一个针对小波去噪精度的评价指标尚无法给出一个确切的评价指标，可通过均方根误差与信噪比进行判断信号去噪的效果。在本文中，由于处理的是自动化沉降监测数据，具有物理意义，故在利用均方根误差与信噪比两个指标判定完之后，可以将其得到的沉降量与实测数据进行对比分析，可进一步判断其去噪效果。1)均方根误差均方根误差是原信号与去噪后的信号的方差的平方根，其公式为: 其中，f(n)为原信号，f^(n)为去噪后信号。2)信噪比信噪比是信号与噪声的比例，单位是分贝，表达式为:1．1．3基于滑动窗口的实时数据处理由于自动化沉降传感器得到的数据具有数据量大、连续、在线等特点，为了对数据进行在线处理，需要构建一个在线处理的方案，将数据预处理和基于小波及拟合的数据处理方法嵌入其中。传统的静态数据，需要数据全部到达，进行统一的处理，没有时效性，需要通过建立缓冲区，对数据进行处理。缓冲的建立通过滑动窗口来实现，通过数据在滑动窗口上的移动来得到更新的目的。滑动窗口根据得到数据不同的方式可以分为两种［15］，一种是基于时间间隔的滑动窗口;一种是基于元组数量的滑动窗口。基于时间间隔的滑动窗口是指在过去的t=t1－t0时间内所获得数据，基于元组数量的滑动窗口是指过去所进入系统的n个数据。鉴于自动化传感器数据是按时间顺序到达的，选取的基于时间间隔的滑动窗口，如图1所示。滑动窗口的宽度是根据时间来确定的，对于不同采用频率的系统，相同宽度滑动窗口内的观测数据的数量是不一样的。当t1时刻数据达到时，对应的t0数据将会被移出滑动窗口，通过数据的不断流入与输出实现实时处理。1．1．4基于小波及拟合的数据处理流程基于小波及拟合的数据处理框架概述如图2所示。1)建立滑动的数据窗口，进行小波去噪。2)根据信噪比和均方根误差动态选取阈值进行自动化沉降传感器数据的去噪。3)自动化沉降传感器数据去噪之后，在对该段自动化沉降传感器数据进行多项式拟合并通过均方根误差选择最好的拟合参数。4)获取该窗口内沉降曲线输出沉降量。5)滑动窗口移动到下个时间段，重复2)、3)、4)步。

2实验

2．1数据准备选取

成贵铁路大山坳隧道下穿内宜高速地表沉降监测的沉降数据，其中包括050L1到050L9，一共9个监测点的数据，其中包括人工监测数据以及相对应的自动化沉降传感器获取的数据。

2．2确立该算法参数———小波函数选取

为了初步确定一个小波基，选取其中一段自动化传感器数据在保持其他条件都一致的情况下，分别运用Daubechis小波基和Symlets小波基进行实验，得到结果见表1。利用不同小波基函数去噪，通过比较信噪比以及均方根误差数据，选择信噪比最大、均方根误差最小的sym6小波基来进行后面的小波去噪实验。

2．3方法对比分析

在实时处理中，本文选择根据每段窗口内不同数据进行动态选取阈值的方法进行自动化沉降传感器数据的去噪。为了验证动态阈值选取的小波去噪在该实时处理框架中的作用，选取同一组数据，将采用动态阈值的小波去噪获得沉降量与人工监测沉降量的差值和采用固定的阈值小波去噪获得沉降量与人工监测沉降量的差值进行比较。表2是050L1—050L99个监测点的实验数据。从上表可以看出，使用动态阈值的小波去噪处理获得的沉降量与人工监测获得数据更加接近，与人工监测得到的沉降量的差值降低了大约0．1—0．4mm，可以提高获得的沉降量的精度。由此可见，动态阈值取值的小波去噪在自动化沉降传感器数据的实时处理中更加适用。

2．4自动化沉降传感器数据处理结果与人工沉降监测数据对比分析

为了验证自动化沉降传感器数据的处理方法与流程的可靠性，将自动化沉降传感器数据处理结果与人工沉降监测数据对比分析。050L1－050L99个监测点的人工监测数据与自动化沉降获得的数据的对比，见表3。从表中可以看出，各监测点人工监测数据与自动化沉降传感器获得的数据的沉降量基本一致;各监测点人工监测成果与静力水准仪监测成果差异值最大为0．9mm，最小为0．3mm，表明自动化沉降传感器监测相对于人工监测能够满足变形精度±1．0mm要求。

3结束语

提出基于动态选取阈值的小波去噪方法进行数据处理，获得沉降量与人工监测获得数据更加接近，与人工监测得到的沉降量的差值降低了大约0．1—0．4mm，提高了自动化沉降传感器数据处理的精度。运用时间滑动窗口构建实时处理的框架，将数据预处理和基于小波及拟合的数据处理方法嵌入其中，并将结果与人工监测数据进行对比，确认自动化沉降传感器监测能够满足变形精度±1．0mm要求，为以后的研究提供了一些借鉴和参考。

参考文献:

［1］常青．静力水准自动监测系统的研究［J］．地质装备，2014，15(1):30－32．

［2］詹龙喜，唐继民，张少夏．基于自动化监测技术的地铁沉降数据一致性分析［J］．上海国土资源，2013，34(4):84－86．

［3］杨宏，张献州，张拯，等．液体静力水准系统在高速铁路运营期实时沉降监测中的应用研究［J］．铁道勘察，2015(6):28－31．

［4］贺丽娟．自动化监测系统在高速铁路线下工程变形中的应用［J］．自动化与仪器仪表，2015(9):42－43．

［5］于来波．高速铁路路基常用沉降变形监测方法探究［J］．黑龙江科学，2016，7(19):72－73．

［6］周拥军．基于小波的运营地铁隧道自动化变形监测数据处理［J］．勘察科学技术，2010(1):26－29．

［7］高用竹，蔡冬曼．测量中粗大误差的非统计判定方法［J］．科技资讯，2011(30):59．

［8］张必明，蒋奇云，莫丹，等．电磁勘探数据粗大误差处理的一种新方法［J］．地球物理学报，2015，58(6):2087－2102．

［9］裘伟，李享元，程衍富．基于小波和曲线拟合对瞬变电磁信号去噪的优化［J］．现代电子技术，2014，37(11):61－64．

［10］易飞，曹源文．小波去噪在振动压路机振动信号处理中的应用［J］．重庆交通大学学报:自然科学版，2011，30(1):162－165．

［11］蔡剑华，李晋．基于频率域小波去噪的大地电磁信号工频干扰处理［J］．地质与勘探，2015，51(2):353－359．

［12］赵晓雷．基于小波变换和均值滤波的图像去噪研究［J］．信息技术，2017(2):69－71，75．

［13］李洋，景新幸，杨海燕．基于改进小波阈值和emd的语音去噪方法［J］．计算机工程与设计，2014，35(7):2462－2466．

［14］韩松．小波去噪在地震信号处理中的应用［J］．中国勘察设计，2016(3):96－98．

［15］杨仁凯，王坤朋，木伟民，等．一种数据流上基于滑动窗口的点连接查询处理算法［J］．计算机研究与发展，2014(S1):161－168．

作者：王福贵 张同刚 单位：西南交通大学