PSO-VMD-SVD 的改进去噪方法研究

吉林大学学报(信息科学版) ›› 2021, Vol. 39 ›› Issue (2): 142-151.

PSO-VMD-SVD 的改进去噪方法研究

杜颖^1a, 李宏^1a, 刘庆强^1a, 路敬祎^1b,1c, 李富²

1. 东北石油大学 a. 电气信息工程学院; b. 人工智能能源研究院; c. 黑龙江省网络化重点实验室, 黑龙江大庆 163318;2. 大庆钻探工程公司钻井一公司, 黑龙江大庆 163318

收稿日期:2020-10-10 出版日期:2021-04-19 发布日期:2021-04-26
通讯作者: 李宏(1969— ), 女, 黑龙江大庆人,东北石油大学教授,硕士生导师,主要从事深度学习研究,(Tel)86-15304893939 (E-mail)853386766@qq.com
作者简介:杜颖(1996— ), 女, 山东潍坊人,东北石油大学硕士研究生,主要从事油气管道泄漏检测研究,(Tel)86-15265627781(E-mail)1123106925@qq.com
基金资助:
国家自然科学基金资助项目(61873058; NSFC51575407); 中国石油科技创新基金资助项目(2018D-5007-0302); 黑龙江省自然科学基金资助项目(LH2020F005); 东北石油大学青年科学基金资助项目(2018QNL-33); 武汉科技大学冶金装备与控制教育部重点实验室开放基金资助项目(MECOF2019B01)

Research on Improved Method for Denoising of PSO-VMD-SVD

DU Ying^1a, LI Hong^1a, LIU Qingqiang^1a, LU Jingyi^1b,1c, LI Fu²

1a. School of Electrical Engineering and Information; 1b. Artificial Intelligence Energy Research Institute;1c. Heilongjiang Provincial Key Laboratory of Networking and Intelligent Control, Northeast Petroleum University, Daqing 163318, China;2. Drilling Company 1, Daqing Drilling Engineering Company, Daqing 163318, China

Received:2020-10-10 Online:2021-04-19 Published:2021-04-26

摘要/Abstract

摘要： 针对 VMD(Variational Mode Decomposition)在处理信号时, 模态个数 K 和惩罚参数α的选择会影响信号分解的效果, 提出一种改进 PSO(Particle Swarm Optimization)优化 VMD(PSO-VMD)的算法, 通过改进阈值相关系数法选择有效模态分量, 根据信号分析对高频噪声进行奇异值去噪重构。对仿真信号和管道泄露信号进行实验, 通过选择多个K 并结合相关系数法选择模态进行重构, 比较不同 K 对应的重构信号与原信号的信噪比(SNR: Signal to Noise Ratio)、相关系数(CC: Coefficient)、平方绝对误差(SAE: Square Absolute Error)、均方误差(MSE: Mean Square Error)证明改进 PSO 优化 VMD 的可靠性。将该方法与改进的 PSO-VMD 结合豪斯特夫距离和奇异值(HD-SVD: HustoffDistance-Singular Value Decompositio)、互信息和奇异值(MI-SVD: Mutual Information-Singular Value Decompositio)、相关系数和小波变换(CC-WT: Correlation Coefficient-Wavelet Transform)等方法对比, 效果更佳。

关键词: VMD 算法, 粒子群优化, 相关系数, 奇异值, 去噪

Abstract: According to VMD(Variational Mode Decomposition) in processing the signal, the selection of mode number K and parameter α will affect the signal decomposition results, an optimized VMD(Variational Mode Decomposition) algorithm improving PSO(Particle Swarm Optimization) (PSO-VMD) was proposed. Based on the analysis of signal, high frequency noise is reconstructed by singular value denoising. Experiments on simulation signal and pipeline leakage signal, by selecting multiple K and combined with proposed the correlation method to select mode and reconstruct signal, compare SNR ( Signal to Noise Ratio ), correlation CC (Coefficient), SAE(Square Absolute Error), MSE(Mean Square Error) of reconstructed signal of different K and original signal, proved the reliability of optimizing VMD by improved PSO. The proposed method is compared with PSO-VMD combined with HD-SVD(Haussteff Distance and Singular Value), MI-SVD(Mutual Information and Singular Values), CC-WT(Correlation Coefficient and Wavelet Transform) and other methods.The proposed denoising method has the best effect.

Key words: VMD algorithm, particle swarm optimization, correlation coefficient, singular value, denoising

中图分类号:

TN911

杜颖, 李宏, 刘庆强, 路敬祎, 李富. PSO-VMD-SVD 的改进去噪方法研究[J]. 吉林大学学报(信息科学版), 2021, 39(2): 142-151.

DU Ying , LI Hong , LIU Qingqiang , LU Jingyi , LI Fu . Research on Improved Method for Denoising of PSO-VMD-SVD[J]. Journal of Jilin University (Information Science Edition), 2021, 39(2): 142-151.

[1]	李宏, 褚丽鑫, 刘庆强, 路敬祎, 李富. SG-VMD-SVD 的信号去噪方法研究[J]. 吉林大学学报(信息科学版), 2021, 39(2): 158-165.
[2]	路敬祎, 李其浩, 王鑫宇. 基于 BAS-2D-VMD 的图像去噪算法[J]. 吉林大学学报(信息科学版), 2021, 39(1): 22-27.
[3]	张超, 侯男, 路敬祎, 王闯. 改进的 PSO-VMD 算法及其在管道泄漏检测中的应用[J]. 吉林大学学报(信息科学版), 2021, 39(1): 28-36.
[4]	赵航, 岳晓峰, 方博, 袁晓磊, 马国元, 郭宋吾铭. 基于PSO-GA-BP神经网络的视觉伺服控制系统[J]. 吉林大学学报(信息科学版), 2020, 38(2): 172-178.
[5]	高宏宇, 马立园, 董宏丽, 路敬祎, 刘文庆. 基于2D-VMD 与CC 结合的模态重构算法[J]. 吉林大学学报(信息科学版), 2019, 37(6): 603-609.
[6]	康朝海, 王思琪, 任伟建, 王博宇. 基于高斯学习多峰延迟粒子群优化算法[J]. 吉林大学学报(信息科学版), 2019, 37(4): 399-407.
[7]	任伟建, 高梦宇, 高铭泽, 张鹏, 刘丹. 基于混合算法的点云配准方法研究[J]. 吉林大学学报(信息科学版), 2019, 37(4): 408-416.
[8]	尹淑欣, 段玉波, 刘云菲. 基于互信息的变模态分解算法及应用[J]. 吉林大学学报(信息科学版), 2019, 37(3): 260-264.
[9]	郭继坤, 陈司晗. 矿井下分布式光纤定位精度及感测距离研究[J]. 吉林大学学报(信息科学版), 2018, 36(5): 510-515.
[10]	吴佳婧, 贺嘉楠, 王越群, 董立岩. 基于项目属性分类的协同过滤算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 470-474.
[11]	张正超, 姚桂锦, 李月. 基于Hankel 矩阵SVD的均匀线阵信源数估计[J]. 吉林大学学报(信息科学版), 2018, 36(2): 113-120.
[12]	张会珍, 刘宝江, 邵克勇, 任伟建. 不确定分数阶奇异系统鲁棒控制及稳定性分析[J]. 吉林大学学报(信息科学版), 2017, 35(4): 392-397.
[13]	王雪,王秋爽 . 基于混合优化算法的医学图像配准技术[J]. 吉林大学学报(信息科学版), 2016, 34(5): 703-708.
[14]	王刚刚, 廖庆, 徐玉蕊, 刘乐, 侯阿临. 改进型粒子群优化算法的BP 神经网络全息图压缩[J]. 吉林大学学报(信息科学版), 2016, 34(1): 147-151.
[15]	朱兰香, 单泽彪, 单泽涛, 王振, 柳奇凡, 石要武. 基于SVD-TLS的EES-MIMO雷达电磁环境感知算法[J]. 吉林大学学报(信息科学版), 2015, 33(3): 246-250.