[发明专利]一种基于自适应滤波的传感器数据在线去噪的方法

说明书

本发明提供一种基于自适应滤波的传感器数据在线去噪的方法。针对土木结构形变参数的数据，首先，根据数据的波动特性建立二阶自适应动力学模型，其次，根据建立的二阶自适应动力学模型对数据的波动特性进行预测，得到数据的状态预测值；然后，根据数据的测量模型和数据的状态预测值计算数据状态测量的预测值；利用kalman滤波器，根据数据的原始值和数据的预测值计算数据的状态估计值；且计算数据的协方差估计值，衡量数据的状态估计值与数据的状态真实值之间的误差；同时，利用Yule‑Walker方法，通过数据的预测值实时更新系统自适应参数，进而实现模型自适应更新，往复下去，利用更新的自适应模型预测下一时间点数据的状态预测值，实现了对数据的在线实时去噪。

技术领域

本发明涉及测量信号处理的技术领域，尤其涉及一种基于自适应滤波的传感器数据在线去噪的方法。

背景技术

随着航天模拟、地质勘查、建筑工程、金融分析等领域的飞速发展，实时信号采集越来越受到人们的关注，与此同时，人们所采集到的数据越来越多，对数据的精度要求也越来越高；但是，由于采集或者传输过程中信号的漂移、放大、遗失等等情况的发生，所有采集到的原始信号都是带有噪音的，与此同时，在实际工业信号采集时，常常需要实时将采集信号进行处理，提高工作效率和信号精度，因此，对实时信号进行在线去噪具有重要意义。

目前相关技术中已经有了很多去噪方法，例如：1.使用大滤波窗口对时序数据进行平滑滤波或者函数拟合，从而得到一条平稳的时间序列，如SG滤波方法；2.根据一定决策判断方法识别噪音点，如果该数据的值不满足该判断条件，则认为该数据为噪音，再将噪音点去除，如BI SE方法；3.将时间序列数据转换到频率域，通过去除高频数据来去除噪音，如频率域滤波法；4.将信号映射到小波域，根据有效信号和噪声的小波系数在不同尺度上具有不同的性质和机理，对含噪信号的小波系数进行处理，如小波去噪。

现如今，城市中处处都有具有土木结构的建筑，是人们生活的安身之所，因此土木结构的安全尤为重要，与此同时，健康监测也越来越多的应用于土木领域，大量的监测数据被测量出来，但是这些由传感器测得数据都含有噪音，所以，为了更加精确快速的判断土木结构的形变参数，并在地震或者险情发生时争分夺秒的测得精确的监测数据，保障在场人员安全，在线去噪是至关重要的。但是，现有的相关技术都难以满足本背景需求。比如，SG滤波方法无法保留土木结构形变参数迅速变化的特征，并且实验证明对于强非线性的数据，该方法不够精确；BISE方法的阈值选取非常困难，如果监测数据具有很强的非线性和突变点，该方法会将突变点处理为噪声信号，所以该方法不适用于本应用领域；而对于频域滤波法和小波去噪而言，无论是在精度上，还是在实时要求上，都难以满足应用的要求。

由此可见，在现阶段还没有适合土木结构监测传感器数据的在线去噪方法，如何选用适合土木结构监测传感器数据的在线去噪方法成为亟待解决的问题。

发明内容

本发明的目的在于针对现有去噪方法的不足，根据土木结构监测数据的特征，提供一种基于自适应滤波的传感器数据在线去噪的方法，来解决传感器测量的土木结构形变参数的在线去噪问题。

该方法基于二阶自适应动力学模型和kalman滤波器。因为土木结构形变参数具有动力学惯性特征，所以可以利用动力学模型来描述其变化过程，实时估计形变参数的状态，并同时利用形变参数的状态预测值更新动力学模型中的自适应参数，实现形变参数的状态估计和动力学参数估计的并行化，最终实现数据的实时去噪。