基于小波變換融合盲源分離算法的泄漏聲波特征提取方法
【專利摘要】本發(fā)明公開(kāi)了一種基于小波變換融合盲源分離的泄漏聲波特征提取方法，包括以下步驟：利用聲波傳感器采集泄漏聲波信號(hào)，獲取泄漏聲波采集信號(hào)；利用小波變換對(duì)泄漏聲波采集信號(hào)進(jìn)行多層小波分解，每一層小波分解依次獲得對(duì)應(yīng)的近似信號(hào)，將所述泄漏聲波采集信號(hào)和近似信號(hào)作為觀測(cè)信號(hào)，并對(duì)觀測(cè)信號(hào)采用盲源分離算法進(jìn)行處理，獲取目標(biāo)信號(hào)；對(duì)步驟二中的目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，并對(duì)觀測(cè)信號(hào)組成進(jìn)行優(yōu)選。本發(fā)明的有益效果是：本發(fā)明通過(guò)泄漏時(shí)刻采樣點(diǎn)偏差和幅值損失兩個(gè)評(píng)價(jià)參數(shù)對(duì)目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，該方法能夠?qū)π孤r(shí)刻進(jìn)行準(zhǔn)確定位，同時(shí)對(duì)微弱信號(hào)的泄漏幅值的補(bǔ)償作用明顯。
【專利說(shuō)明】
基于小波變換融合盲源分離算法的泄漏聲波特征提取方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及油氣管道聲波法泄漏監(jiān)測(cè)領(lǐng)域，尤其是一種基于小波變換融合盲源分離算法的泄漏聲波特征提取方法。
【背景技術(shù)】
[0002]目前可以應(yīng)用于油氣管道的泄漏監(jiān)測(cè)方法有許多種，其中，聲波法與傳統(tǒng)的質(zhì)量平衡法、負(fù)壓波法、瞬態(tài)模型法等相比具有諸多優(yōu)點(diǎn):靈敏度高、定位精度高、誤報(bào)率低、檢測(cè)時(shí)間短、適應(yīng)性強(qiáng);測(cè)量的是管線流體中的微弱動(dòng)態(tài)壓力變化量，與管線運(yùn)行壓力的絕對(duì)值無(wú)關(guān);響應(yīng)頻率更寬，檢測(cè)范圍更寬等。
[0003]輸氣管道發(fā)生泄漏時(shí)產(chǎn)生聲波信號(hào)，隨著傳播距離的增加泄漏信號(hào)產(chǎn)生衰減，波形特征被噪聲覆蓋，為提取有效的泄漏特征，國(guó)內(nèi)外學(xué)者進(jìn)行了大量的研究，根據(jù)調(diào)研結(jié)果，現(xiàn)階段國(guó)內(nèi)外涉及輸氣管道泄漏聲波特征提取方法的專利主要有:
[0004]美國(guó)專利US6389881公開(kāi)了一種利用音波技術(shù)進(jìn)行管道泄漏檢測(cè)的技術(shù)，該技術(shù)利用傳感器采集管內(nèi)動(dòng)態(tài)壓力，采用模式匹配濾波技術(shù)對(duì)信號(hào)進(jìn)行濾波處理，排除噪聲，降低干擾，提高了定位精度；
[0005]中國(guó)專利200710177617.0公開(kāi)了一種基于壓力和聲波信息融合的泄漏檢測(cè)方法，該方法分別采集管道上下游壓力和聲波信號(hào)(0.2-20HZ內(nèi))，經(jīng)過(guò)數(shù)據(jù)濾波、特征級(jí)融合和決策級(jí)融合三個(gè)層次的處理獲得最終檢測(cè)結(jié)果，并利用基于相關(guān)分析、小波分析等融合的定位方法進(jìn)行泄漏定位，提高了泄漏檢測(cè)的準(zhǔn)確性和定位精度。
[0006]中國(guó)專利201510020155.6公開(kāi)了一種基于聲波幅值的油氣管道泄漏定位方法，該方法采用經(jīng)過(guò)小波分析處理后得到低頻段聲波幅值來(lái)進(jìn)行泄漏檢測(cè)和定位，提出了一種不考慮聲速及時(shí)間差的泄漏定位方法。
[0007]中國(guó)專利CN104614069A公開(kāi)了一種基于聯(lián)合近似對(duì)角化盲源分離算法的電力設(shè)備故障音檢測(cè)方法，步驟包括:采用麥克風(fēng)陣列;采用基于聯(lián)合近似對(duì)角化盲源分離算法針對(duì)采用麥克風(fēng)陣列采集的聲音信號(hào)分離各個(gè)獨(dú)立聲源信號(hào)；提取獨(dú)立聲源信號(hào)的Mel頻率倒譜系數(shù)MFCC作為聲音特征參數(shù)，通過(guò)模式匹配算法識(shí)別聲音信號(hào)，將待測(cè)試聲音模板與所有的參考樣本模板進(jìn)行匹配后，匹配距離最小的參考樣本模板就是電力設(shè)備工作音識(shí)別的結(jié)果。
[0008]現(xiàn)有的專利只是小波變換或者盲源分離算法單一處理方法的應(yīng)用，對(duì)兩種方法的融合技術(shù)沒(méi)有描述，具體表現(xiàn)為:
[0009](I)小波變換能夠提取低頻段的信號(hào)特征，是應(yīng)用最為普遍的信號(hào)處理方法，但同時(shí)小波變換在信號(hào)提取時(shí)也存在較為明顯的缺陷，在實(shí)際應(yīng)用中，低頻段信號(hào)特征的獲取需要對(duì)原始信號(hào)進(jìn)行深層分解，在泄漏時(shí)刻的定位以及泄漏幅值的獲得上容易出現(xiàn)較大偏差，容易造成時(shí)間差的計(jì)算誤差，使得定位誤差較大;泄漏幅值損失容易造成泄漏波形的失真，容易造成泄漏的漏判和誤判。
[0010](2)為解決這一問(wèn)題，采用盲源分離算法對(duì)信號(hào)進(jìn)行處理，經(jīng)研究發(fā)現(xiàn)盲源分離能夠準(zhǔn)確定位泄漏時(shí)刻，且在泄漏幅值方面不但沒(méi)有損失，反而有所補(bǔ)償，尤其是在信號(hào)較為微弱時(shí)補(bǔ)償更為明顯，但在應(yīng)用時(shí)，盲源分離同樣存在較為明顯的缺陷:一是處理得到的波形特征相似性變差，幅值變化沒(méi)有規(guī)律;二是盲源分離得到的目標(biāo)信號(hào)順序、種類(lèi)不能確定。

【發(fā)明內(nèi)容】

[0011]本發(fā)明的目的是為克服上述現(xiàn)有技術(shù)的不足，提供一種基于小波變換融合盲源分離算法的泄漏聲波特征提取方法。
[0012]為實(shí)現(xiàn)上述目的，本發(fā)明采用下述技術(shù)方案:
[0013]基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，包括以下步驟:
[0014]步驟一:在被測(cè)管道上設(shè)置傳感器，通過(guò)傳感器對(duì)泄漏點(diǎn)進(jìn)行信號(hào)采集，獲取泄漏聲波采集信號(hào)；
[0015]步驟二:利用小波變換對(duì)泄漏聲波采集信號(hào)進(jìn)行多層小波分解，每一層小波分解依次獲得對(duì)應(yīng)的近似信號(hào)，將所述泄漏聲波采集信號(hào)和近似信號(hào)作為觀測(cè)信號(hào)，并對(duì)觀測(cè)信號(hào)采用盲源分離算法進(jìn)行處理，獲取目標(biāo)信號(hào)；
[0016]步驟三，對(duì)步驟二中的目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，并對(duì)觀測(cè)信號(hào)組成進(jìn)行優(yōu)選。
[0017]優(yōu)選的，所述步驟一中，聲波傳感器采用動(dòng)態(tài)壓力傳感器。
[0018]優(yōu)選的，所述步驟二中，小波變換采用的小波基為sym8，分解層數(shù)根據(jù)傳感器采集的泄漏聲波采集信號(hào)中含有的信號(hào)種類(lèi)決定，所述信號(hào)種類(lèi)包括泄漏聲波信號(hào)，背景噪聲以及流動(dòng)噪聲。
[0019]優(yōu)選的，所述背景噪聲包括動(dòng)力設(shè)備的運(yùn)轉(zhuǎn)，管道外部環(huán)境的噪聲以及硬件設(shè)備、電路產(chǎn)生的噪聲;所述流動(dòng)噪聲包括流體流動(dòng)產(chǎn)生的瑞流噪聲。
[0020]優(yōu)選的，所述步驟二中，觀測(cè)信號(hào)獲取方法具體步驟如下:
[0021]步驟S201:將泄漏聲波信號(hào)作為原始信號(hào)，確定小波分解層數(shù)N，N大于等于2，將原始信號(hào)作為待分解信號(hào)，進(jìn)行小波分解，分解首次分別獲取第一層細(xì)節(jié)信號(hào)和第一層近似信號(hào)；
[0022]步驟S202:將第一層近似信號(hào)作為待分解信號(hào)，對(duì)待分解信號(hào)進(jìn)行小波分解，分別獲取待分解信號(hào)對(duì)應(yīng)的第二層細(xì)節(jié)信號(hào)和第二層近似信號(hào)；
[0023]步驟S203:將第N-1層近似信號(hào)作為待分解信號(hào)，重復(fù)執(zhí)行步驟S203，直至達(dá)到分解層數(shù)N，第N-1層近似信號(hào)小波分解對(duì)應(yīng)第N層細(xì)節(jié)信號(hào)和第N層近似信號(hào)；
[0024]步驟S204:選取第一層至第N層對(duì)應(yīng)的各層近似信號(hào)以及原始信號(hào)作為觀測(cè)信號(hào)。
[0025]進(jìn)一步優(yōu)選的，所述根據(jù)信號(hào)種類(lèi)確認(rèn)分解層數(shù)的方法為:分解層數(shù)等于傳感器采集獲取的泄漏聲波采集信號(hào)含有的信號(hào)種類(lèi)數(shù)值減I。
[0026]優(yōu)選的，所述步驟二中，采用盲源分離算法進(jìn)行處理獲取目標(biāo)信號(hào)的數(shù)目的方式有兩種:一是目標(biāo)信號(hào)的總數(shù)等于觀測(cè)信號(hào)的總數(shù)，即當(dāng)觀測(cè)信號(hào)有m個(gè)，則目標(biāo)信號(hào)也有m個(gè);二是直接定義目標(biāo)信號(hào)數(shù)目為一個(gè)，即當(dāng)觀測(cè)信號(hào)有m個(gè)，目標(biāo)信號(hào)有且只有一個(gè)。
[0027]優(yōu)選的，所述步驟三中，利用泄漏時(shí)刻采樣點(diǎn)偏差和幅值損失作為評(píng)價(jià)參數(shù)。
[0028]所述泄漏時(shí)刻采樣點(diǎn)偏差指目標(biāo)信號(hào)的泄漏時(shí)刻采樣點(diǎn)與原始信號(hào)的泄漏時(shí)刻采樣點(diǎn)之差。所述泄漏時(shí)刻采樣點(diǎn)偏差越小代表泄漏時(shí)刻定位更準(zhǔn)確。
[0029]所述幅值損失指目標(biāo)信號(hào)的泄漏幅值與原始信號(hào)的泄漏幅值的差值與原始信號(hào)泄漏幅值的絕對(duì)值之比。幅值損失為負(fù)值，且該值絕對(duì)值越大，代表幅值補(bǔ)償越顯著。
[0030]本發(fā)明的有益效果是:
[0031]1.本發(fā)明提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法通過(guò)泄漏時(shí)刻采樣點(diǎn)偏差和幅值損失兩個(gè)評(píng)價(jià)參數(shù)對(duì)目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，該方法能夠?qū)π孤r(shí)刻進(jìn)行準(zhǔn)確定位，同時(shí)對(duì)微弱信號(hào)的泄漏幅值的補(bǔ)償作用明顯；
[0032]2.本發(fā)明解決了現(xiàn)階段小波變換在泄漏時(shí)刻定位以及泄漏幅值偏差誤差較大，盲源分離目標(biāo)信號(hào)順序、種類(lèi)不能確定的問(wèn)題，提高了聲波法泄漏檢測(cè)與定位技術(shù)的適用性；
[0033]3.本發(fā)明方法簡(jiǎn)單，操作方便，對(duì)提取油氣管道聲波法泄漏檢測(cè)與定位方法中的泄漏聲波特征適用性強(qiáng)。
【附圖說(shuō)明】
[0034]圖1是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法的原理圖；
[0035]圖2是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法步驟二的流程示意圖；
[0036]圖3是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法處理前的原始信號(hào)示意圖；
[0037]圖4a是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法處理后得到的第一個(gè)目標(biāo)信號(hào)示意圖；
[0038]圖4b是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法處理后得到的第二個(gè)目標(biāo)信號(hào)示意圖；
[0039]圖4c是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法處理后得到的第三個(gè)目標(biāo)信號(hào)示意圖；
[0040]圖5是本發(fā)明實(shí)施例提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法處理后得到的一個(gè)目標(biāo)信號(hào)示意圖。
【具體實(shí)施方式】
[0041 ]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明。
[0042]基于小波變換融合盲源分離算法的泄漏聲波特征提取方法的流程圖參考圖1，本發(fā)明根據(jù)
【發(fā)明內(nèi)容】
給出的技術(shù)方案采用下述實(shí)驗(yàn)參數(shù)對(duì)本發(fā)明進(jìn)行實(shí)驗(yàn)驗(yàn)證:
[0043]下面通過(guò)兩個(gè)實(shí)施例對(duì)本發(fā)明的有益效果進(jìn)行說(shuō)明:
[0044]實(shí)驗(yàn)參數(shù)如下:原始信號(hào)為2MPa下0.6mm泄漏孔徑時(shí)距離泄漏點(diǎn)109m的傳感器采集的信號(hào)，參考圖3，分解層數(shù)N為2，采樣頻率f為3000Hz，小波變換分解函數(shù)為sym8或者db40
[0045]實(shí)施例1:該實(shí)施例中，采用的盲源分離算法進(jìn)行處理獲取目標(biāo)信號(hào)的數(shù)目的方式為目標(biāo)信號(hào)的總數(shù)等于觀測(cè)信號(hào)。分解后的各層信號(hào)表示為42 41，02，01，用于盲源分離的觀測(cè)信號(hào)為A2，A1和原始信號(hào)。
[0046]如圖3、圖4a、圖4b、圖4c所不，圖4表不米用本發(fā)明提供的方法獲取的二個(gè)目標(biāo)f目號(hào)。
[0047]實(shí)施例2:該實(shí)施例中，采用盲源分離算法進(jìn)行處理獲取目標(biāo)信號(hào)的數(shù)目的方式為定義目標(biāo)信號(hào)有且只有一個(gè)。圖5表示采用本發(fā)明提供的方法獲取的一個(gè)目標(biāo)信號(hào)。
[0048]參考圖4a、圖4b和圖4c，根據(jù)實(shí)施例1的實(shí)驗(yàn)附圖可以看出，原始信號(hào)幅值為-5.06159kPa，原始信號(hào)泄漏時(shí)刻對(duì)應(yīng)采樣點(diǎn)為46441;由圖4a可以看出，泄漏聲波信號(hào)幅值為-9.53160kPa，泄漏聲波信號(hào)泄漏時(shí)刻對(duì)應(yīng)采樣點(diǎn)為46441。經(jīng)過(guò)發(fā)明得到的3個(gè)信號(hào)中與原始信號(hào)接近的目標(biāo)信號(hào)為泄漏聲波信號(hào)，其余2個(gè)分別為背景噪聲和流動(dòng)噪聲，且泄漏聲波信號(hào)、背景噪聲和流動(dòng)噪聲的排序依次為1、2、3，所以，本發(fā)明將泄漏聲波信號(hào)中含有的信號(hào)種類(lèi)進(jìn)行分類(lèi)，并且對(duì)目標(biāo)信號(hào)的順序進(jìn)行了確認(rèn)。該目標(biāo)信號(hào)數(shù)目的確定方式為優(yōu)選方式，因?yàn)楸景l(fā)明考慮到實(shí)驗(yàn)過(guò)程中不僅要從泄漏聲波采集信號(hào)中獲取泄漏聲波信號(hào)，還要對(duì)從泄漏聲波采集信號(hào)中獲取的背景噪聲和流動(dòng)噪聲進(jìn)行進(jìn)一步的研究，為此，優(yōu)選上述目標(biāo)信號(hào)數(shù)目確認(rèn)方式。
[0049]參考圖5，根據(jù)實(shí)施例1的實(shí)驗(yàn)附圖可以看出，泄漏聲波信號(hào)幅值為-9.53160kPa，泄漏聲波信號(hào)泄漏時(shí)刻對(duì)應(yīng)的采樣點(diǎn)為46441。根據(jù)上述數(shù)據(jù)可以看出，本發(fā)明提供的方法得到的目標(biāo)信號(hào)的泄漏時(shí)刻采樣點(diǎn)與原始信號(hào)的幅值偏差為0，且本發(fā)明得到的目標(biāo)信號(hào)的泄漏聲波幅值大于原始信號(hào)的幅值，因此本發(fā)明提供的方法對(duì)泄漏時(shí)刻定位較為準(zhǔn)確，且幅值損失為-88.31%，即泄漏幅值補(bǔ)償作用明顯。若本發(fā)明僅僅從泄漏聲波采集信號(hào)中獲取泄漏聲波信號(hào)，可采用實(shí)施例2采用的目標(biāo)信號(hào)數(shù)目確定方式，目標(biāo)信號(hào)定義為有且只有一個(gè)，所以不用考慮目標(biāo)信號(hào)的排序、種類(lèi)區(qū)分的問(wèn)題。
[0050]綜上所述，本發(fā)明提供的方法通過(guò)泄漏時(shí)刻采樣點(diǎn)偏差和幅值損失兩個(gè)評(píng)價(jià)參數(shù)對(duì)目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，該方法能夠?qū)π孤┞暡ǖ男孤r(shí)刻進(jìn)行準(zhǔn)確定位，同時(shí)對(duì)微弱信號(hào)的泄漏幅值的補(bǔ)償作用明顯；同時(shí)由于本發(fā)明提供的方法得到的目標(biāo)信號(hào)與原始信號(hào)的幅值一致，因此，有效降低了現(xiàn)階段小波變化在泄漏時(shí)刻誤差較大的問(wèn)題。
[0051]因此，本發(fā)明盲源分離后可以將目標(biāo)信號(hào)進(jìn)行有效的分類(lèi)，進(jìn)而提高了聲波法泄漏檢測(cè)與定位的實(shí)用性。
[0052]本發(fā)明的有益效果是:
[0053]1.本發(fā)明提供的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法通過(guò)泄漏時(shí)刻采樣點(diǎn)偏差和幅值損失兩個(gè)評(píng)價(jià)參數(shù)對(duì)目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，該方法能夠?qū)π孤r(shí)刻進(jìn)行準(zhǔn)確定位，同時(shí)對(duì)微弱信號(hào)的泄漏幅值的補(bǔ)償作用明顯；
[0054]2.本發(fā)明解決了現(xiàn)階段小波變換在泄漏時(shí)刻定位以及泄漏幅值偏差誤差較大，盲源分離目標(biāo)信號(hào)順序、種類(lèi)不能確定的問(wèn)題，提高了聲波法泄漏檢測(cè)與定位技術(shù)的適用性；
[0055]3.本發(fā)明方法簡(jiǎn)單，操作方便，對(duì)提取油氣管道聲波法泄漏檢測(cè)與定位方法中的泄漏聲波特征適用性強(qiáng)。
[0056]上述雖然結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。
【主權(quán)項(xiàng)】
1.基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，包括以下步驟: 步驟一:在被測(cè)管道上設(shè)置傳感器，通過(guò)傳感器對(duì)泄漏點(diǎn)進(jìn)行信號(hào)采集，獲取泄漏聲波米集?目號(hào)； 步驟二:利用小波變換對(duì)泄漏聲波采集信號(hào)進(jìn)行多層小波分解，每一層小波分解依次獲得對(duì)應(yīng)的近似信號(hào)，將所述泄漏聲波采集信號(hào)和近似信號(hào)作為觀測(cè)信號(hào)，并對(duì)觀測(cè)信號(hào)采用盲源分離算法進(jìn)行處理，獲取目標(biāo)信號(hào)； 步驟三，對(duì)步驟二中的目標(biāo)信號(hào)進(jìn)行評(píng)價(jià)，并對(duì)觀測(cè)信號(hào)組成進(jìn)行優(yōu)選。2.如權(quán)利要求1所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述步驟一中，聲波傳感器采用動(dòng)態(tài)壓力傳感器。3.如權(quán)利要求1所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述步驟二中，所述步驟二中，小波變換采用的小波基為sym8，分解層數(shù)根據(jù)傳感器采集的泄漏聲波采集信號(hào)中含有的信號(hào)種類(lèi)決定，所述信號(hào)種類(lèi)包括泄漏聲波信號(hào)，背景噪聲以及流動(dòng)噪聲。4.如權(quán)利要求3所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述背景噪聲包括動(dòng)力設(shè)備的運(yùn)轉(zhuǎn)，管道外部環(huán)境的噪聲以及硬件設(shè)備、電路產(chǎn)生的噪聲;所述流動(dòng)噪聲包括流體流動(dòng)產(chǎn)生的瑞流噪聲。5.如權(quán)利要求1所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述步驟二中，觀測(cè)信號(hào)獲取方法具體步驟如下: 步驟S201:將泄漏聲波信號(hào)作為原始信號(hào)，確定小波分解層數(shù)N，N大于等于2，將原始信號(hào)作為待分解信號(hào)，進(jìn)行小波分解，分解首次分別獲取第一層細(xì)節(jié)信號(hào)和第一層近似信號(hào)； 步驟S202:將第一層近似信號(hào)作為待分解信號(hào)，對(duì)待分解信號(hào)進(jìn)行小波分解，分別獲取待分解信號(hào)對(duì)應(yīng)的第二層細(xì)節(jié)信號(hào)和第二層近似信號(hào)； 步驟S203:將第N-1層近似信號(hào)作為待分解信號(hào)，重復(fù)執(zhí)行步驟S203，直至達(dá)到分解層數(shù)N，第N-1層近似信號(hào)小波分解對(duì)應(yīng)第N層細(xì)節(jié)信號(hào)和第N層近似信號(hào)； 步驟S204:選取第一層至第N層對(duì)應(yīng)的各層近似信號(hào)以及原始信號(hào)作為觀測(cè)信號(hào)。6.如權(quán)利要求5所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述根據(jù)信號(hào)種類(lèi)確認(rèn)分解層數(shù)的方法為:分解層數(shù)等于傳感器采集獲取的泄漏聲波采集信號(hào)含有的信號(hào)種類(lèi)數(shù)值減I。7.如權(quán)利要求1所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述步驟二中，采用盲源分離算法進(jìn)行處理獲取目標(biāo)信號(hào)的數(shù)目的方式為目標(biāo)信號(hào)的總數(shù)等于觀測(cè)信號(hào)的總數(shù)。8.如權(quán)利要求1所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述步驟二中，采用盲源分離算法進(jìn)行處理獲取目標(biāo)信號(hào)的數(shù)目的方式為定義目標(biāo)信號(hào)數(shù)目為一個(gè)。9.如權(quán)利要求1所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，利用泄漏時(shí)刻采樣點(diǎn)偏差和幅值損失作為評(píng)價(jià)參數(shù)。10.如權(quán)利要求9所述的基于小波變換融合盲源分離算法的泄漏聲波特征提取方法，其特征是，所述泄漏時(shí)刻采樣點(diǎn)偏差指目標(biāo)信號(hào)的泄漏時(shí)刻采樣點(diǎn)與原始信號(hào)的泄漏時(shí)刻采樣點(diǎn)之差;所述幅值損失指目標(biāo)信號(hào)的泄漏幅值與原始信號(hào)的泄漏幅值的差值與原始信號(hào)泄漏幅值絕對(duì)值之比。
【文檔編號(hào)】F17D5/00GK105909979SQ201610246762
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月20日
【發(fā)明人】劉翠偉, 張玉乾, 李玉星, 方麗萍, 石海信, 梁金祿, 胡其會(huì), 耿曉茹, 韓金珂, 梁杰
【申請(qǐng)人】中國(guó)石油大學(xué)(華東), 欽州學(xué)院