基于數據特征的級聯小波閾值數據去噪方法及系統

本發明涉及氣體檢測去噪技術，具體涉及一種基于數據特征的級聯小波閾值數據去噪方法及系統。

背景技術：

1、氣體檢測在大氣環境監測、石油化學工業等領域發揮著重要作用。常用的氣體檢測技術中，有離軸集成腔輸出光譜儀(oa-icos)技術和可調諧二極管激光吸收光譜(tdlas)技術等，均具有高靈敏度和高響應速度等優點，在痕量氣體(ch4、nh3等)以及溫室氣體(co2、h2o等)測量方面都有廣泛的應用。在氣體檢測技術中，產生噪聲是不可避免的，這種噪聲來源廣泛，包括激光器固有的不穩定性、環境干擾、光腔內的多重反射等，提高檢測精度會增加痕量氣體分析儀的高昂的成本。因此，研究算法實現對氣體檢測技術的輸出去噪具有重要的現實價值，其中實時去噪具有更小的時間延遲，更好地跟蹤和響應測量環境中氣體的動態變化，具有更佳的應用效果。

2、目前，在氣體檢測去噪領域已經進行了很多科學研究和實驗，并取得了較豐碩的成果。梁文科在文獻(梁文科.tdlas系統中的噪聲抑制研究[d].山東大學,2020.doi:10.27272/d.cnki.gshdu.2019.000201.)中通過抑制tdlas系統的干涉條紋噪聲，使用改進雙頻調制方法時，放松對模型參數控制水平的要求，最大程度地提升信噪比；李志彬等人在文獻(李志彬,馬宏亮,曹振松,孫明國,黃印博,朱文越,劉強.2μm波段高靈敏度離軸積分腔裝置實際大氣co2測量.物理學報,2016,65(5):053301.doi:10.7498/aps.65.053301)中使用小波去噪處理oa-icos技術對co2氣體測量得到的吸收信號，選用coif2小波基以及三層小波分解，處理后co2氣體的吸收信號信噪比提升80％，信號得到了明顯的優化。張海鵬等人在文獻(張海鵬,鄭凱元,李俊豪,劉梓迪,李秀英,鄭傳濤,王一丁.離軸積分腔輸出光譜氣體傳感降噪技術[j].光學學報,2021,41(24):2430002.)為有效抑制oa-icos技術光譜傳感器內存在的系統即腔膜噪聲并提高信噪比和氣體檢測靈敏度，在傳統經驗模態分解(emd)方法的基礎上，提出了一種改進型的emd濾波算法，具有較高的信噪比和較好的去噪效果,有效提升了系統的檢測性能。lixian?liu等人在文獻(c,lixian?liu?ab,et?al."highly?sensitive?broadband?differential?infrared?photoacoustic?spectroscopywith?wavelet?denoising?algorithm?for?trace?gas?detection."photoacoustics?21(2020).)提出了一種具有優化參數的小波域去噪算法，通過對差分光聲測量的非相干環境干擾進行去噪，大大提高了信噪比，對c2h2的敏感性提高了五倍，實現了通過優化的小波域去噪算法對背景噪聲的抑制。

3、上述方法是對完整的氣體數據進行濾波去噪，然而，這些方法無法實時反映測量對象的變化。在實際應用中，氣體檢測設備需要具備實時性，使用完整的氣體數據進行濾波去噪難以保證處理效率。此外，對于具有高動態特征的氣體檢測，氣體檢測設備對于去噪處理也有著不同的要求。

技術實現思路

1、發明目的：本發明的一個目的是提供一種適用高動態特征氣體檢測去噪的基于數據特征的級聯小波閾值數據去噪方法，本發明的另一個目的是提供一種所述方法采用的系統。

2、技術方案：本發明所述的基于數據特征的級聯小波閾值數據去噪方法，包括以下步驟：

3、將實時采集的指標數據輸入一級小波閾值去噪模塊進行一級小波閾值去噪；一級小波閾值去噪模塊包括指標數據序列隊列q、預處理單元和中繼去噪處理單元，指標數據序列隊列q用于存儲歷史指標數據及實時采集的當前時刻的指標數據，預處理單元和中繼去噪處理單元相互獨立，根據q的數據量選擇預處理單元或中繼去噪處理單元進行一次小波閾值去噪，輸出一次去噪結果，同時輸出預設長度的原始指標數據序列；

4、將一級小波閾值去噪模塊輸出的一次去噪結果和預設長度的原始指標數據序列，輸入基于自適應折扣因子的二級小波閾值去噪模塊，根據預設長度的原始指標數據序列的數據特征，進行自適應二級小波閾值去噪，輸出最終去噪結果。

5、進一步的，一級小波閾值去噪方法為：

6、(1)設定指標數據序列隊列q的參數，包括：最大數據量s、離散小波閾值算法a1輸入序列長度n和一級小波閾值去噪模塊輸出序列長度m；

7、(2)當q中數據量l小于離散小波閾值算法a1的輸入序列長度n時，從q中取出長度為l的指標數據序列at輸入預處理單元，計算指標數據序列at的均值mt，預處理單元輸出一次去噪結果mt；

8、(3)當q中數據量l達到或者超過離散小波閾值算法的輸入序列長度n時，從q中取出長度為n的指標數據序列st輸入中繼去噪處理單元，在中繼去噪處理單元中引入離散小波閾值算法st首先輸入到離散小波閾值算法得到重構指標數據序列之后計算重構指標數據序列的均值mt，中繼去噪處理單元輸出一次去噪結果mt；

9、(4)計算重構指標數據序列的極差r與的均值m之比離散小波閾值算法的小波基信息熵ha1，進一步確定中繼去噪處理單元所引入的離散小波閾值算法的參數；

10、(5)一級小波閾值去噪模塊的輸出為：預處理單元或者中繼去噪處理單元的輸出mt和指標數據序列隊列q中取出的長度為m的指標數據序列xt。

11、進一步的，指標數據序列隊列q包含三種工作過程為：

12、(1)實時讀取當前時刻的指標數據xt，將其存放至指標數據序列隊列q；包括：

13、(i)實時讀取當前時刻的指標數據xt；

14、(ii)q當前的數據量是l，判斷l是否與s相等；

15、(iii)若是，刪除q的第一個數據，將數據xt添加到q作為最后一個數據；跳轉到步驟(i)；

16、(iv)若否，將數據xt添加到q作為最后一個數據，同時，l＝l+1。跳轉到步驟(i)；

17、(2)從指標數據序列隊列q中提取序列數據；包括：

18、(i)確定所需要提取的指標數據序列長度為t，t<s；

19、(ii)初始化當前讀取的數據索引j＝t；初始化長度為t的指標數據序列

20、

21、(iii)從指標數據序列隊列q讀取索引為j的數據q，并賦值oj＝q；

22、(iv)判斷是否滿足j＝0或者j＝t-t；若滿足，進入步驟(v)；若不滿足則更新j＝j-1，進入步驟(iii)；

23、(v)得到長度為t的指標數據序列

24、(3)修正指標數據序列隊列q存儲數據；包括：

25、(i)刪除q的第一個元素；

26、(ii)q當前的存儲數據量l＝l-1。

27、進一步的，基于自適應折扣因子的二級小波閾值去噪模塊包括：突變特征處理單元和自適應折扣因子去噪處理單元，突變特征處理單元和自適應折扣因子去噪處理單元相互獨立，根據預設長度的原始指標數據序列的數據特征，選擇突變特征處理單元或自適應折扣因子去噪處理單元進行二次小波閾值去噪，輸出最終去噪結果。

28、進一步的，二級小波閾值去噪方法為：

29、(1)判斷預設長度的原始指標數據序列xt是否存在突變特征；

30、(2)針對具有突變特征的原始指標數據序列xt，xt通過二級小波閾值去噪模塊的突變特征處理單元處理得到mt，mt＝xt，同時將選通變量λ＝0；

31、(3)針對具有非突變特征的原始指標數據序列，mt和xt通過二級小波閾值去噪模塊的自適應折扣因子去噪處理單元得到mt，mt＝αmt-1+(1-α)mt，同時將選通變量λ＝λ+1；mt是一級小波閾值去噪模塊的輸出，α是折扣因子，mt-1是基于自適應折扣因子的二級小波閾值去噪模塊所存儲的上一時刻t-1輸出的去噪結果；

32、(4)二級小波閾值去噪模塊的輸出為突變特征處理單元或自適應折扣因子去噪處理單元的輸出mt。

33、更進一步的，判斷預設長度的原始指標數據序列xt是否存在突變特征，具體為：

34、當|xt-mt|≥ε，則存在突變特征；

35、當|xt-mt|<ε，則不存在突變特征；

36、其中，xt是當前時刻的指標數據，mt是一級小波閾值去噪模塊的輸出，ε是突變特征閥值。

37、更進一步的，根據期望輸出與原始指標數據序列xt之間的相似度設計二級小波閾值去噪模塊的突變特征處理單元，其中的表達式為：

38、

39、其中，xt是原始指標數據序列，是期望輸出。和是xt的均值、方差、的均值、方差和xt與之間的協方差，c1和c2是兩個常數。

40、更進一步的，自適應折扣因子去噪處理單元包含一個選通結構，該選通結構將動態導通更新折扣因子α，包括以下兩種情況：

41、a)當選通變量λ與選通標志常量i整除，則選通結構選擇導通，即xt先通過所引入的離散小波閾值算法接著通過以下公式更新折扣因子α：

42、

43、其中，是離散小波閾值算法a2輸出的重構指標數據序列的極差，為折扣因子計算函數，p是折扣因子計算函數的分段數，是p+1個分段閾值參數，h(i)是海維塞德階躍函數，是p個系數參數；

44、最后使用公式mt＝αmt-1+(1-α)mt，計算得到mt；

45、b)當選通變量λ與選通標志常量i無法整除，則選通結構選擇不導通，即自適應折扣因子去噪處理單元直接使用計算公式mt＝αmt-1+(1-α)mt，計算得到mt；

46、其中，選通標志常量i為設定值，而選通變量λ的更新包括以下兩種情況：

47、1)在突變特征處理單元，當mt計算完成之后，更新λ＝0；

48、2)在自適應折扣因子去噪處理單元，當mt計算完成之后，更新λ＝λ+1。

49、上述方法對應的系統，包括：

50、一級小波閾值去噪模塊，用于將實時采集的指標數據進行一級小波閾值去噪；一級小波閾值去噪模塊包括指標數據序列隊列q、預處理單元和中繼去噪處理單元，指標數據序列隊列q用于存儲歷史指標數據及實時采集的當前時刻的指標數據，預處理單元和中繼去噪處理單元相互獨立，根據q的數據量選擇預處理單元或中繼去噪處理單元進行一次小波閾值去噪，輸出一次去噪結果，同時輸出預設長度的原始指標數據序列；

51、二級小波閾值去噪模塊，用于將一級小波閾值去噪模塊輸出的一次去噪結果和預設長度的原始指標數據序列，根據預設長度的原始指標數據序列的數據特征，進行自適應二級小波閾值去噪，輸出最終去噪結果。

52、可選的，基于自適應折扣因子的二級小波閾值去噪模塊包括：突變特征處理單元和自適應折扣因子去噪處理單元，突變特征處理單元和自適應折扣因子去噪處理單元相互獨立，根據預設長度的原始指標數據序列的數據特征，選擇突變特征處理單元或自適應折扣因子去噪處理單元進行二次小波閾值去噪，輸出最終去噪結果。

53、有益效果：與現有技術相比，本發明的優點為：可以做到對氣體檢測技術采集得到的氣體檢測結果實時去噪，尤其是對于oa-icos技術的采集的氣體指標數據，在保留氣體的數據變化特征基礎上噪聲去除率高；且針對較高動態變化特征的環境的氣體檢測結果可以做到實時去除噪聲的同時保留氣體的數據變化特征，去噪效果好，處理效率高。