《电子技术应用》
您所在的位置：首页 > 其他 > 设计应用 > 无线探空仪回波信号的变分模态分解与降噪研究
无线探空仪回波信号的变分模态分解与降噪研究
2020年电子技术应用第12期
李 俊1，黄开明2，帅 晶1
1.湖北经济学院 信息与通信工程学院，湖北 武汉430205； 2.武汉大学 电子信息工程学院，湖北 武汉430072
摘要： 无线电探空仪探测风场数据存在着大量强烈的非线性非平稳的噪声，采用一种结合变分模态分解的自适应和多尺度小波降噪的方法，对南极洲Syowa站点2019年1月的无线电探空仪风场数据进行了特征提取和降噪处理。首先利用变分模态分解法对信号进行模态分解，然后利用相关系数法确定属于信号成分的模态分量，再利用小波分析法对剩余模态中的有效成分和噪声做了进一步的分离，通过对全部的有效成分进行合并重构，实现信号的特征提取和降噪处理。仿真实验和实际信号的处理结果都表明，该方法对于无线电探空仪风场信号中的非平稳非线性噪声具有良好的抑制作用，与传统方法相比，具有更好的特征提取和降噪能力。
中图分类号： TN911
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200818
中文引用格式： 李俊，黄开明，帅晶. 无线探空仪回波信号的变分模态分解与降噪研究[J].电子技术应用，2020，46(12)：103-106，110.
英文引用格式： Li Jun，Huang Kaiming，Shuai Jing. Study on variational mode decomposition and noise reduction of signal of radiosonde[J]. Application of Electronic Technique，2020，46(12)：103-106，110.
Study on variational mode decomposition and noise reduction of signal of radiosonde
Li Jun1，Huang Kaiming2，Shuai Jing1
1.School of Information and Communication Engineering，Hubei University of Economics，Wuhan 430205，China； 2.School of Electronic Information，Wuhan University，Wuhan 430072，China
Abstract： There are a lot of strong non-linear and non-stationary noises in the wind field data detected by radiosonde. In this paper, an adaptive and multi-scale wavelet denoising method combined with variational modal decomposition is used to extract features and denoise the wind field data of radiosonde at Syowa station in Antarctica in January 2019. Firstly, the signal is decomposed by the Variational Mode Decomposition, then modes related to the signal components are determined by the correlation coefficient method, and then the effective components and noise in the remaining modes are further separated by the wavelet analysis method. By merging and reconstructing all the effective components, the signal feature extraction and noise reduction are realized. Simulation experiments and real signal processing results show that this method has a good suppression effect on non-stationary nonlinear noise in radiosonde wind field signals, and has better feature extraction and noise reduction capabilities than traditional methods.
Key words : radiosonde；variational mode decomposition；wavelet analysis；noise reduction

0 引言

    无线电探空仪是对流层、平流层进行大气探测的重要手段之一[1-2]，可以综合获得大气压强、风场、温度、湿度等信息，具备探测实时性强、时间空间分辨率较高等特点[3]。目前世界各地运行着的庞大而完整的全球探测网，源源不断地积累的海量数据，不断促进着人们对与全球气候变化趋势、大气气象动力学过程以及局地大气暂态结构等活动的理解[4-5]。

    然而实际的探测数据中往往夹杂着大量的随机噪声，特别是在风场数据中，存在着强烈的非线性非平稳稳定噪声，有时甚至几乎能将信号淹没[6]，这些噪声的存在也影响着后续科学研究的真实可靠性。

    针对非平稳非线性噪声的存在，科学家们陆续发明了短时傅里叶变换、小波变换、主成分分析、经验模态分解(Empirical Mode Decomposition，EMD)等一系列手段[7-9]。然而这些方法也各有优缺点，小波变换在时域和频域都具有较好的表现，然而存在着基函数的选取问题，无法自适应地处理信号[10]；EMD方法可以按照信号本身的特点对于复杂的原始信号进行分解，得到若干个尺度不一样的本征模态函数(Intrinsic Mode Function，IMF)，可以分析信号的瞬时幅值、瞬时频率等实时特征，然而却容易引起模态混叠、边界效应等问题，目前还缺乏良好的理论性论证，计算效率也有待于进一步提高[11]。

    变分模态分解法(Variational Mode Decomposition，VMD)于2014年被首次提出，这种方法把信号IMF分量的获取过程转移到变分框架内进行，能够更好地实现复杂信号的准确分离，同时也具备较好的抗噪声干扰能力，在模态混叠和边界效应的处理上都有着更好的表现[12]。近年来，VMD方法也在许多领域内取得了很好的效果[13-14]。

    鉴于VMD算法在自适应信号处理方面的优点，本文结合相关系数比值、小波包信号分解等方法的优点，先利用VMD方法对信号进行分解，然后计算各个模态分量与原始信号的相关性，从而获得相关模态和非相关模态，在此基础上对于非相关模态进行小波分析和提取，提取其中的有用信息，最后将全部有用的信息进行重构实现去噪。仿真信号和实际信号的分析，都验证了这种方法应用于无线电探空仪风回波信号特征提取的可靠性，具有良好的降噪和信号分离能力。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003264




作者信息:

李  俊1，黄开明2，帅  晶1 

(1.湖北经济学院 信息与通信工程学院，湖北 武汉430205；

2.武汉大学 电子信息工程学院，湖北 武汉430072)

此内容为AET网站原创，未经授权禁止转载。

相关内容