[发明专利]一种基于奇异值分解中值法的瓦斯浓度数据降噪方法

说明书

技术领域

本发明属于信号处理技术领域，具体涉及一种基于奇异值分解中值法的瓦斯浓度数据降噪滤波方法。

背景技术

由于煤矿井下环境十分恶劣，布置在井下的瓦斯传感器经常受到各种干扰的影响，如烟尘、高温、水气等，并且还会受到电磁干扰的影响，致使采集到的瓦斯浓度数据普遍含有噪声。如果用含有噪声的瓦斯浓度数据直接进行分析处理，不仅不能准确预测瓦斯涌出量，及时预警危险，而且浪费时间，做大量无用工作。因此，对瓦斯浓度数据必须进行去噪处理还原其真实的发展变化趋势。

目前对瓦斯信号降噪的主要方法有小波变换降噪方法和支持向量回归机降噪方法，由于采集到的瓦斯信号数据往往具有混沌特征，其频谱散布于整个频率空间，这时，采用小波变换很难将有用信号和噪声频谱严格区分开来并且小波阈值和支持向量回归机的核函数无法准确选择。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于奇异值分解中值法的瓦斯浓度数据降噪方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种基于奇异值分解中值法的瓦斯浓度数据降噪方法，包括以下步骤：

步骤1：导入含噪瓦斯浓度监测数据{X_t,t＝1,2,…,N}；

步骤2：检测含噪瓦斯浓度数据中是否含有单个异常数据和缺失数据；

若含有单个异常数据和缺失数据，则通过移动平均线法处理单个异常数据，通过三次指数平滑法处理缺失数据；若不含有单个异常数据和缺失数据，则无需处理；

步骤3：将步骤2中的瓦斯浓度数据构造成Hankel矩阵并进行svd(Singular Value Decomposition，奇异值分解)变换；

步骤4：基于奇异值中值滤波策略选出有效奇异值，选取λ₁,λ₂,…,λ_r/2作为有效奇异值；

步骤5：通过svd逆变换、重建Hankel矩阵并进行信号重构，得到降噪后的信号。

优选地，在步骤2中，当有数值满足式(1)时，表示数据中含有单个异常数据；当有数值满足式(2)时，表示数据中含有缺失数据；

||x_t-x_t-1|-|x_t-x_t+1||>0.02％(1)；

式中：x_t表示当前采样点的瓦斯浓度；x_t-1表示当前采样点前一个点的瓦斯浓度；x_t+1表示当前采样点后一个点的瓦斯浓度；0.02为判定是否有单个异常数据的阈值；％为导入的含噪瓦斯浓度监测数据单位；

x_t＝NULL||x_t＝？||x_t＝*(2)；

式中：NULL表示为空；？和*表示特殊符号；

对单个异常数据使用移动平均线法进行处理：

若采样点t＝b时满足式(1)即出现单个瓦斯数据异常高或异常低的现象，则通过式(3)计算移动平均数值x_b，单个异常数据用x_b表示；

式中：K表示b点之前的瓦斯浓度数据的采样点；

对缺失数据使用三次指数平滑法进行处理：

监测数据{X_(t),t＝1,2,…,N}中间含有缺失数据，先确定插入数据点数与平滑处理的步距L，以缺失数据之前的瓦斯浓度数据为基础数据，按照式(4)-式(8)进行平滑处理：

x_t+L＝a_t+b_tL+c_tL²/2(4)；

式中：X_t+L为L步平滑值即得到的缺失数据；a_t,b_t,c_t为三次指数平滑法的预测参数；

a_t,b_t,c_t的计算公式如下：

a_t＝3S″_t-3S″_t+S″″_t(5)；