為了解決強(qiáng)背景噪聲下采集到的管道壓力參數(shù)信號(hào)中泄漏特征信號(hào)難以準(zhǔn)確提取的難
題，本文提出利用獨(dú)立分量分析技術(shù)（ICA）對(duì)負(fù)壓波信號(hào)進(jìn)行處理，提取泄漏信息特征信號(hào)，實(shí)驗(yàn)結(jié)果顯示利用該方法可以有效實(shí)現(xiàn)信號(hào)中弱目標(biāo)信號(hào)和強(qiáng)背景噪聲的分離，使負(fù)壓波信號(hào)信噪比大幅提高，為泄漏診斷打下良好基礎(chǔ)。
關(guān)鍵詞：管道泄漏；特征信號(hào)；負(fù)壓波； ICA；降噪
基于負(fù)壓波特征信號(hào)的管道泄漏檢測(cè)方法不需檢測(cè)流量信號(hào)，只需對(duì)管線兩端的壓力信
號(hào)進(jìn)行檢測(cè)，方法簡(jiǎn)單且具有較高的靈敏度和精度。但實(shí)際管采集到的信號(hào)中混雜有大量的背景噪聲，還存在各種外界因素干擾[1]，這些噪聲和干擾信號(hào)的幅度甚至可以將泄漏引發(fā)的有用信號(hào)淹沒。如果不能對(duì)原始?jí)毫π盘?hào)進(jìn)行有效的濾波，去除干擾噪聲，那么再好的泄漏檢測(cè)方法也將失效。為了給管道監(jiān)測(cè)模型提供可靠的數(shù)據(jù)，降低誤報(bào)警率，需要選用有效的信號(hào)消噪技術(shù)。
對(duì)負(fù)壓波信號(hào)進(jìn)行處理的常用方法有小波降噪、神經(jīng)網(wǎng)絡(luò)降噪和Kalman 濾波等[2-4]，這
些處理方法均能對(duì)原始信號(hào)進(jìn)行一定程度的降噪處理，但是在特征信號(hào)不明顯的情況下，難以將泄漏引發(fā)的負(fù)壓波分離提取。本文提出將獨(dú)立分量分析技術(shù)(Independent ComponentAnalysis，以下簡(jiǎn)稱ICA)應(yīng)用到負(fù)壓波信號(hào)處理中，利用FastICA 算法，對(duì)負(fù)壓波原始信號(hào)進(jìn)行分離降噪和特征提取，以實(shí)現(xiàn)特征不明顯時(shí)負(fù)壓波信號(hào)和強(qiáng)背景噪聲的有效分離。