【《基于自适应预测的干涉型光纤水听器降噪研究》5200字（论文）】

基于自适应预测的干涉型光纤水听器降噪研究目录TOC\o"1-3"\h\u28484基于自适应预测的干涉型光纤水听器降噪研究 140701.1系统结构及降噪方案 1102931.2降噪效果分析 2212681.2.1不同有效信号频率的情况下 340291.2.2不同有效信号幅度的情况下 561171.2.3不同噪声强度的情况下 890161.3两种降噪方案对比分析 101.1系统结构及降噪方案针对基于自适应噪声对消的干涉型光纤水听器降噪方案中系统结构复杂、成本较高和计算量较大的问题，本章提出了一种基于自适应预测的干涉型光纤水听器降噪方案。主要是将前者的自适应噪声对消技术替换为自适应预测技术进行降噪处理，并且将系统中的结构进行了相应的简化。系统结构图如图1.1所示。图1.1基于自适应预测的光纤水听器降噪方案的系统结构图激光器输出端与隔离器相连，防止后续光路的反射光对激光器产生干扰。后经2×2耦合器分为两束光信号，分别进入干涉仪的参考臂和信号臂的光纤中，其中，参考臂的一段光纤缠绕在压电陶瓷PZT1上，信号发生器1产生噪声信号并加载在PZT1上，用于模拟引入噪声信号，便于后期降噪效果的分析；信号臂的一段光纤缠绕在PZT2上，信号发生器2产生有效信号即待测信号并加载在PZT2上，用于模拟产生待测信号。两束光信号在3×3耦合器处汇合，并产生干涉效应，同时分为三路信号分别输入至光电探测器转换为电信号。在耦合器分光比理想且无损耗情况下，三路信号强度相等，并且相互之间的相位差为120°。然后，三路信号经过DAQ采集并输入至信号解调模块，采用归一化预处理的3×3耦合器信号解调技术进行解调，提取出目标相位信号，包含有效信号和噪声信号，输入至自适应预测降噪模块。通过将输入信号及其延时信号作为自适应滤波器的期望信号和输入信号，进行滤波处理。采用NLMS算法进行调节自适应滤波器参数，经过多次迭代计算与优化参数后，可得降噪后的解调信号。相比于之前自适应噪声对消的降噪方案，本方案不仅能够实现解调信号的降噪，还简化了系统的结构，减少了干涉仪和光电探测器，降低了系统成本，并且减少了计算量，对于大规模阵列构建和远距离信息传输的光纤水听器应用场景更加适用。1.2降噪效果分析本方案采用自适应预测技术进行信号降噪处理，仍会受到一些系统或环境因素的影响，如系统采样率、自适应滤波器长度及步长参数等。同样经过大量仿真测试，结合测试结果分析，与基于自适应噪声对消的降噪方案的影响效果类似。为了较好地测试本方案的降噪效果，同时，控制变量，与基于自适应噪声对消的降噪方案的关键参数保持一致，便于两种降噪方案的降噪效果进行对比。因此，设系统输出的干涉信号的直流分量幅度为2V，交流分量幅度为2V，无高频载波信号，有效信号为余弦波，噪声信号采用高斯白噪声，通过控制噪声标准差，可改变噪声强度。另外，设系统采样率为100k，保持不变，采样数相同；设自适应滤波器长度为512，步长为0.0008；信号解调过程中的高通滤波器，设其截止频率为20Hz。通过控制其余变量，分别在不同有效信号频率、不同有效信号幅度和不同噪声强度的情况下进行仿真测试，并与经过传统3×3耦合器信号解调方案解调后未降噪的解调信号相比较，可较为全面地分析出本方案的降噪效果。为详细分析本方案的降噪效果，从总谐波失真（THD）、信噪比（SNR）、解调信号及其功率谱方面，总结分析在不同情况下的降噪效果。其中，THD和SNR均取50组测试数据的平均值为比较值，并且用分贝（dB）为单位表示。1.2.1不同有效信号频率的情况下控制其余变量，分别在有效信号频率为50Hz、100Hz、500Hz、1000Hz、2000Hz和5000Hz的情况下，仿真测试本方案与传统方案的滤波表现，即降噪前后的解调信号及其评价指标。降噪前后的解调信号及其功率谱如图1.2和图1.3所示。图1.2不同有效信号频率情况下的解调信号图1.3不同有效信号频率情况下的解调信号的功率谱从图1.2和图1.3可以看出，在不同有效信号频率的情况下，本方案均取得了不错的降噪效果，不仅有效降低了谐波成分，还有效滤除了噪声成分。其中，当有效信号频率小于100Hz时，降噪效果稍差，信号能量有损失，解调信号有一定的失真。主要由于低频信号的抗干扰性弱和谐波成分多，导致滤波难度增大和有效信号能量的损失，降噪效果有所下降。为详细分析本方案在不同有效信号频率情况下的降噪效果，分别计算降噪前后的解调信号的THD与SNR，取50组测试数据的平均值为比较值。详细测试结果见表1.1所示。表1.1不同有效信号频率情况下的测试结果频率THD（前）THD（后）差值SNR（前）SNR（后）差值50Hz-4.93-4.650.28-18.494.923.39100Hz-4.86-8.67-3.81-14.4110.9521.36500Hz-2.04-17.21-11.17-10.6317.2327.861000Hz-3.16-18.95-11.79-10.7411.1321.872000Hz-4.41-20.51-16.1-10.6810.0420.725000Hz-7.74-22.87-11.13-9.521.811.32由表1.1可知，本方案在不同有效信号频率情况下均取得了不错的降噪效果，THD平均降低约11dB，SNR平均提高约22dB。但是，在有效信号频率小于100Hz时，THD的降低效果较差，主要由于低频段信号易受噪声干扰，并且存在大量谐波信号，滤除谐波难度较大，所以谐波的滤除效果较差。当信号频率大于500Hz时，THD降低效果明显，主要因为系统采样率在不同信号频率情况下始终不变，当有效信号频率较高时，相较于低频信号，采集信号中的谐波成分有所减少，滤波难度降低。当信号频率为5000Hz时，SNR的提升幅度明显下降，主要原因是信号解调过程中的高通滤波器参数与系统采样率一直维持不变，导致高频信号中含有大量的低频噪声，并且采集得到的信号能量有所损失，可通过提高系统采样率和高通滤波器的截止频率进一步改善降噪效果。除此之外，也可调节自适应滤波器的长度和步长进行改善，但系统的实时性可能会受影响。1.2.2不同有效信号幅度的情况下控制其余变量，分别在有效信号幅度为1rad、2rad、3rad、4rad、5rad和10rad的情况下，仿真测试降噪前后的解调信号及其评价指标。降噪前后的解调信号及其功率谱如图1.4和图1.5所示。图1.4不同有效信号幅度情况下的解调信号图1.5不同有效信号幅度情况下的解调信号的功率谱由图1.4和图1.5可以看出，本方案在不同有效信号幅度情况下，均能实现不错的降噪效果，能有效降低谐波和噪声成分。但是，在信号幅度为1rad时，降噪后的解调信号幅度偏大，主要是由于信号解调过程中归一化预处理会导致低幅度信号变大。而当信号幅度大于3rad时，降噪后的信号幅度偏小，主要原因是在信号解调过程中，信号存在一定的能量损失，导致较高幅度的信号幅度偏小。为详细分析本方案在不同有效信号幅度情况下的降噪效果，分别计算降噪前后的解调信号的THD与SNR，取50组测试数据的平均值为比较值。详细测试结果见表1.2所示。表1.2不同有效信号频率情况下的测试结果（单位：dB）幅度THD（前）THD（后）差值SNR（前）SNR（后）差值1rad-3.15-17.16-14.01-11.51.7117.212rad-3.16-18.95-11.79-10.7411.1321.873rad-8.08-23.85-11.77-1.5213.4318.954rad-9.98-26.94-16.96-2.6912.5811.275rad-9.63-26.27-16.64-1.9512.8814.8310rad-14.93-31.69-16.764.9512.127.17由表1.2可以看出，本方案在不同有效信号幅度情况下均取得了不错的降噪效果，THD平均降低约16dB，SNR平均提高约17dB。随着信号幅度的提高，信号受相同强度噪声的影响变小，降噪前的信号的THD减小，SNR增大。由于高幅度的信号对噪声的抗干扰性变强，并且在信号解调过程中存在能量损失，SNR的提升幅度变小，但仍有一定的改善效果。但是，当信号幅度为1rad时，SNR的改善效果稍差，主要由于低幅度信号易受噪声干扰，降噪难度较大并且信号解调过程中会放大信号，导致SNR偏小。1.2.3不同噪声强度的情况下实际应用中，噪声强度相较于目标信号一般不会过强，所以设定噪声标准差小于2。控制其余变量，改变噪声强度，可通过调整噪声标准差的大小实现，分别在噪声标准差为0.5、1、1.5和2的情况下，仿真测试降噪前后的解调信号及其评价指标。降噪前后的解调信号及其功率谱如图1.6和图1.7所示。图1.6不同噪声强度情况下的解调信号图1.7不同噪声强度情况下的解调信号的功率谱由图1.6和图1.7可以看出，本方案在不同噪声强度情况下，均能取得了不错的降噪效果。随着噪声强度的提高，未降噪的解调信号明显变差，信号质量和信噪比下降，经过本方案降噪后，有效滤除了谐波和噪声成分，并能有效提取出目标信号。为详细分析本方案在不同噪声强度情况下的降噪效果，分别计算降噪前后的解调信号的THD与SNR，取50组测试数据的平均值为比较值。详细测试结果见表1.3所示。表1.3不同噪声强度情况下的测试结果（单位：dB）标准差THD（前）THD（后）差值SNR（前）SNR（后）差值0.5-11.12-21.02-9.97.1616.879.711-3.16-18.95-11.79-10.7411.1321.871.5-2.55-18.72-16.17-17.5712.0329.62-2.45-18.81-16.36-20.729.8330.55由表1.3可知，本方案在不同噪声强度情况下均取得了不错的降噪效果，有效滤除了谐波和噪声，THD平均降低约15dB，SNR平均提高约24dB。但是，在噪声标准差为0.5时，降噪效果稍差，主要由于噪声强度较低，对有效信号的干扰较弱，因此对信号的改善效果较差。随着噪声强度的提高，降噪前的信号含有的谐波与噪声越多，THD不断增大，SNR不断减小。经过降噪后，解调信号均有明显改善，THD和SNR均有显著改善。本方案利用归一化预处理的3×3耦合器信号解调技术和自适应预测技术对干涉型光纤水听器进行信号解调与降噪，通过在不同有效信号频率、不同有效信号幅度和不同噪声强度的情况下进行大量仿真测试，从测试结果可以看出，本方案能够有效提取目标信号，不仅滤除了谐波和噪声，还能提高系统的信号质量、抗干扰性和鲁棒性，同时，适用于光纤水听器大规模阵列和远距离传输的应用场景。另外，还可根据实际应用需求，调节系统采样率、自适应滤波器长度与步长参数以及高通滤波器的截止频率进一步改善降噪效果。与基于自适应噪声对消的降噪方案相比，本方案虽然降噪效果稍差，但是系统结构更加简单，并且成本低、计算量小，更适用于大规模阵列的应用场景中。1.3两种降噪方案对比分析针对光纤水听器的系统及环境所产生的噪声问题，本文提出了两种降噪方案，一个是基于归一化预处理的3×3耦合器信号解调技术和自适应噪声对消技术相结合的降噪方案，另一个是基于归一化预处理的3×3耦合器信号解调技术和自适应预测技术相结合的降噪方案。两者均采用同样的信号解调技术，可提高系统的信号质量、动态范围和抗干扰性。并且都采用自适应滤波的方式进行降噪，通过在不同有效信号频率、不同有效信号幅度和不同噪声强度情况下的大量仿真测试，从测试结果可以看出，二者均能实现不错的降噪效果，不仅滤除了谐波和噪声，还进一步地提高了系统的抗干扰性和信号质量，也都适用于光纤水听器的大规模阵列构建和远距离信息传输的应用场景。另外，还可根据实际应用需求，调节系统采样率、自适应滤波器长度与步长参数以及高通滤波器的截止频率能进一步改善降噪效果。但是，两种方案在系统结构、降噪方式、降噪效果和性能等方面各有优劣，主要有：系统结构基于自适应噪声对消的降噪方案通过增加一组与信号干涉仪参数相同但灵敏度较低的干涉仪作为参考干涉仪，用于采集系统和环境所引起的噪声信号。为解调噪声信号，需增加三路光电探测器。然后，分别将解调后的信号干涉仪信号和参考干涉仪信号作为自适应滤波器的期望信号与输入信号，进行降噪处理。而基于自适应预测的降噪方案无需增加光学器件和改变光路结构，只需将系统输出的解调信号及其延时信号分别作为期望信号与输入信号，输入至自适应滤波器中，进行降噪处理。因此，基于自适应预测的降噪方案具有更加简单的系统结构，成本低，计算量小，更适用于大规模阵列的应用场景。降噪方式基于自适应噪声对消的降噪方案不仅需要原始解调信号，还需要与原始解调信号中的噪声信号高度相关的纯噪声信号。因此，需增加一组参考干涉仪采集系统与环境中的噪声。通过输入纯噪声信号，经过自适应滤波器的滤波处理后，输出与原始信号中噪声相近的信号，并与原始信号中的噪声成分相互抵消，从而达到降噪效果。而基于自适应预测的降噪方案，无需对系统结构进行更改，只需将系统输出的解调信号及其延时信号分别作为期望信号