本站小編為你精心準備了小波方法的自動化沉降傳感器數據處理參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:在自動化沉降監測數據處理中，針對自動化沉降傳感器得到的信號會包含有噪聲成分的問題，提出基于動態選取閾值的小波去噪方法進行數據處理。本文采用首先通過實驗獲得合適的小波基函數，并在實時處理中采用動態選取閾值的方法進行自動化沉降傳感器數據的去噪。運用時間滑動窗口構建實時處理的框架，將數據預處理和基于小波及擬合的數據處理方法嵌入其中。并將結果與人工監測數據進行對比，驗證了該自動化沉降傳感器數據的處理方法與流程的可靠性，符合變形監測要求，為以后的研究提供了一些借鑒和參考。

關鍵詞:自動化監測;動態選取;閾值;人工監測;實時處理 

引言

變形監測是建筑物沉降監測的重要內容，通常采用人工精密水準測量與自動化監測兩種方式。隨著技術的發展，自動化監測技術的應用更趨普遍。隨著傳感器技術的發展，現場監控量測技術由不成熟走向成熟，由單一的測量逐漸形成一個有機的監測系統，監測系統也由人工值守監測轉換為自動監測［1］。在各種建筑物的監護項目中，自動化沉降監測技術應用越來越廣泛，連續實時可靠的自動化監測數據，在保障建筑物穩定方面發揮了重要作用［2－6］。自動化沉降傳感器的運用雖然提供了數據的來源，但由于環境綜合原因的影響，會影響自動化沉降傳感器分析得到的沉降結果的可靠性。只有采用系統的數據處理方法，才能更好地發揮自動化沉降傳感器的優勢。一套系統的測量數據處理方法不僅能夠使數據量的提取更加真實和可靠，而且可以對測量結果給出準確的評定，并且進一步提高測量系統的精度和可靠性。傳統的處理測量數據的方法運用到由傳感器獲取的數據中會出現一定的不足［7－8］，如假設數據正態分布、計算繁瑣等，應結合傳感器數據的數據量大、實時獲取等特點，對數據的處理方法進行探索并實現傳感器數據的實時處理。小波變換具有良好的時頻特性，現階段小波去噪是一種運用比較廣泛的方法。小波去噪具有多分辨率、小波基選取多樣性、去相關性等優點。故本文根據裘偉等［9］利用小波及曲線擬合對瞬時電信號進行處理的思路，對自動化沉降傳感器的數據，采用動態的閾值選取方法對數據進行去噪，運用滑動窗口構建實時處理框架，并與人工監測數據進行對比分析，驗證其精度。

1自動化沉降傳感器數據的實時處理方法

1．1基于小波及擬合的實時數據處理方法

閾值選取是小波去噪中重要的一步，考慮到要實現的是自動化沉降傳感器的實時處理，在每個窗口的數據會有各自的特點，如果單一的使用某一種閾值，與實時處理不能很好地契合。故在沿用了裘偉等處理瞬時電磁信號方法的同時，針對閾值選取問題采取動態處理的方法。1．1．1閾值選取在該方法中，首先確立4個閾值，其獲取是從閾值估計的兩種方法中分別選擇了兩種具體的閾值，構成本文方法的預選項，分別為penalty閾值和Birge－Massart閾值，固定閾值和基于史坦的無偏似然估計原理的自適應閾值。前兩種penalty閾值和Birge－Massart閾值主要基于數據本身進行閾值選取;固定閾值則是通過公式λ=2ln(M槡)，M為信號的長度;基于史坦的無偏似然估計原理是對一個給定的閾值t，得到它的似然估計，再將非似然t最小化，就得到了所選的閾值。1．1．2去噪效果評定小波分析由于其理論的完善與發展，在眾多方面得到廣泛地運用，已經不僅僅局限在數學領域，在信號處理［10－11］、圖像處理［12］、語音識別［13］、地震勘察［14］等方面也有很多實用價值。但由于各個領域不同，一個針對小波去噪精度的評價指標尚無法給出一個確切的評價指標，可通過均方根誤差與信噪比進行判斷信號去噪的效果。在本文中，由于處理的是自動化沉降監測數據，具有物理意義，故在利用均方根誤差與信噪比兩個指標判定完之后，可以將其得到的沉降量與實測數據進行對比分析，可進一步判斷其去噪效果。1)均方根誤差均方根誤差是原信號與去噪后的信號的方差的平方根，其公式為: 其中，f(n)為原信號，f^(n)為去噪后信號。2)信噪比信噪比是信號與噪聲的比例，單位是分貝，表達式為:1．1．3基于滑動窗口的實時數據處理由于自動化沉降傳感器得到的數據具有數據量大、連續、在線等特點，為了對數據進行在線處理，需要構建一個在線處理的方案，將數據預處理和基于小波及擬合的數據處理方法嵌入其中。傳統的靜態數據，需要數據全部到達，進行統一的處理，沒有時效性，需要通過建立緩沖區，對數據進行處理。緩沖的建立通過滑動窗口來實現，通過數據在滑動窗口上的移動來得到更新的目的。滑動窗口根據得到數據不同的方式可以分為兩種［15］，一種是基于時間間隔的滑動窗口;一種是基于元組數量的滑動窗口。基于時間間隔的滑動窗口是指在過去的t=t1－t0時間內所獲得數據，基于元組數量的滑動窗口是指過去所進入系統的n個數據。鑒于自動化傳感器數據是按時間順序到達的，選取的基于時間間隔的滑動窗口，如圖1所示。滑動窗口的寬度是根據時間來確定的，對于不同采用頻率的系統，相同寬度滑動窗口內的觀測數據的數量是不一樣的。當t1時刻數據達到時，對應的t0數據將會被移出滑動窗口，通過數據的不斷流入與輸出實現實時處理。1．1．4基于小波及擬合的數據處理流程基于小波及擬合的數據處理框架概述如圖2所示。1)建立滑動的數據窗口，進行小波去噪。2)根據信噪比和均方根誤差動態選取閾值進行自動化沉降傳感器數據的去噪。3)自動化沉降傳感器數據去噪之后，在對該段自動化沉降傳感器數據進行多項式擬合并通過均方根誤差選擇最好的擬合參數。4)獲取該窗口內沉降曲線輸出沉降量。5)滑動窗口移動到下個時間段，重復2)、3)、4)步。

2實驗

2．1數據準備選取

成貴鐵路大山坳隧道下穿內宜高速地表沉降監測的沉降數據，其中包括050L1到050L9，一共9個監測點的數據，其中包括人工監測數據以及相對應的自動化沉降傳感器獲取的數據。

2．2確立該算法參數———小波函數選取

為了初步確定一個小波基，選取其中一段自動化傳感器數據在保持其他條件都一致的情況下，分別運用Daubechis小波基和Symlets小波基進行實驗，得到結果見表1。利用不同小波基函數去噪，通過比較信噪比以及均方根誤差數據，選擇信噪比最大、均方根誤差最小的sym6小波基來進行后面的小波去噪實驗。

2．3方法對比分析

在實時處理中，本文選擇根據每段窗口內不同數據進行動態選取閾值的方法進行自動化沉降傳感器數據的去噪。為了驗證動態閾值選取的小波去噪在該實時處理框架中的作用，選取同一組數據，將采用動態閾值的小波去噪獲得沉降量與人工監測沉降量的差值和采用固定的閾值小波去噪獲得沉降量與人工監測沉降量的差值進行比較。表2是050L1—050L99個監測點的實驗數據。從上表可以看出，使用動態閾值的小波去噪處理獲得的沉降量與人工監測獲得數據更加接近，與人工監測得到的沉降量的差值降低了大約0．1—0．4mm，可以提高獲得的沉降量的精度。由此可見，動態閾值取值的小波去噪在自動化沉降傳感器數據的實時處理中更加適用。

2．4自動化沉降傳感器數據處理結果與人工沉降監測數據對比分析

為了驗證自動化沉降傳感器數據的處理方法與流程的可靠性，將自動化沉降傳感器數據處理結果與人工沉降監測數據對比分析。050L1－050L99個監測點的人工監測數據與自動化沉降獲得的數據的對比，見表3。從表中可以看出，各監測點人工監測數據與自動化沉降傳感器獲得的數據的沉降量基本一致;各監測點人工監測成果與靜力水準儀監測成果差異值最大為0．9mm，最小為0．3mm，表明自動化沉降傳感器監測相對于人工監測能夠滿足變形精度±1．0mm要求。

3結束語

提出基于動態選取閾值的小波去噪方法進行數據處理，獲得沉降量與人工監測獲得數據更加接近，與人工監測得到的沉降量的差值降低了大約0．1—0．4mm，提高了自動化沉降傳感器數據處理的精度。運用時間滑動窗口構建實時處理的框架，將數據預處理和基于小波及擬合的數據處理方法嵌入其中，并將結果與人工監測數據進行對比，確認自動化沉降傳感器監測能夠滿足變形精度±1．0mm要求，為以后的研究提供了一些借鑒和參考。

參考文獻:

［1］常青．靜力水準自動監測系統的研究［J］．地質裝備，2014，15(1):30－32．

［2］詹龍喜，唐繼民，張少夏．基于自動化監測技術的地鐵沉降數據一致性分析［J］．上海國土資源，2013，34(4):84－86．

［3］楊宏，張獻州，張拯，等．液體靜力水準系統在高速鐵路運營期實時沉降監測中的應用研究［J］．鐵道勘察，2015(6):28－31．

［4］賀麗娟．自動化監測系統在高速鐵路線下工程變形中的應用［J］．自動化與儀器儀表，2015(9):42－43．

［5］于來波．高速鐵路路基常用沉降變形監測方法探究［J］．黑龍江科學，2016，7(19):72－73．

［6］周擁軍．基于小波的運營地鐵隧道自動化變形監測數據處理［J］．勘察科學技術，2010(1):26－29．

［7］高用竹，蔡冬曼．測量中粗大誤差的非統計判定方法［J］．科技資訊，2011(30):59．

［8］張必明，蔣奇云，莫丹，等．電磁勘探數據粗大誤差處理的一種新方法［J］．地球物理學報，2015，58(6):2087－2102．

［9］裘偉，李享元，程衍富．基于小波和曲線擬合對瞬變電磁信號去噪的優化［J］．現代電子技術，2014，37(11):61－64．

［10］易飛，曹源文．小波去噪在振動壓路機振動信號處理中的應用［J］．重慶交通大學學報:自然科學版，2011，30(1):162－165．

［11］蔡劍華，李晉．基于頻率域小波去噪的大地電磁信號工頻干擾處理［J］．地質與勘探，2015，51(2):353－359．

［12］趙曉雷．基于小波變換和均值濾波的圖像去噪研究［J］．信息技術，2017(2):69－71，75．

［13］李洋，景新幸，楊海燕．基于改進小波閾值和emd的語音去噪方法［J］．計算機工程與設計，2014，35(7):2462－2466．

［14］韓松．小波去噪在地震信號處理中的應用［J］．中國勘察設計，2016(3):96－98．

［15］楊仁凱，王坤朋，木偉民，等．一種數據流上基于滑動窗口的點連接查詢處理算法［J］．計算機研究與發展，2014(S1):161－168．

作者：王福貴 張同剛 單位：西南交通大學