基于互相关分析的车辆消磁信号自动分割方法的研究

刘耐特，李耀仲

（1.武汉理工大学 汽车工程学院，湖北 武汉 430070；2.华中科技大学 机械科学与工程学院，湖北 武汉 430074）

基于互相关分析的车辆消磁信号自动分割方法的研究

刘耐特1，李耀仲2

（1.武汉理工大学 汽车工程学院，湖北 武汉 430070；2.华中科技大学 机械科学与工程学院，湖北 武汉 430074）

车辆消磁过程中三分量磁场测量仪所记录的空间磁场数据需要按消磁周期进行自动分割，以便实现数据分析的自动化。以大量实测数据为依据，在分析空间磁场三分量的相关性以及函数积分阈值分割法的基础上，提出了基于互相关分析的车辆消磁信号自动分割方法，自动估算合理阈值，判定消磁信号起止时刻，实现了复杂噪声环境下消磁测量数据的精确分割。经过反复实用证明了该方法的可行性和有效性。

消磁信号；互相关分析；阈值分割；函数积分

1 引言

在地磁及环境电磁场的长期作用下，车辆会被磁化形成固定的磁场特征，会招致磁性探测和磁敏武器攻击，对车辆消磁可消除该特征，从而提高其生命力[1-3]。目前，车辆消磁主要由专用消磁车完成，其消磁系统采用消磁线圈[4]，消磁系统提供脉冲电流以产生车辆消磁所需的冲击磁场，使车体磁性材料中的磁畴处于无序状态，从而达到车辆消磁的目的[5]。为评估消磁作业系统，需要记录消磁过程中的空间磁场分布及变化情况。由于需要消磁的车辆种类多，且同一辆车需要进行多次消磁作业才能完全消磁，因此，需要对测量数据进行自动处理与分析。

图1 所示为同测点空间磁场三分量（也称X 通道、Y 通道、Z 通道）的实测信号曲线。由图1 可知，与消磁作业过程对应的三段衰减震荡曲线肉眼清晰可辨，但由于杂乱且明显的噪声信号给自动数据带来了阻碍。要想实现对磁场测量数据的自动分析，需要先按消磁作业周期将测量数据中的有效信号段分割出来。

图1 消磁站现场三通道消磁信号

对于信号分割方法的探讨常见于表面肌电信号分割、心音信号分割、语音分割等领域[6-9]。李琳等人[6]在信号能量阈值分割算法的基础上，通过估算初始能量阈值，利用小波去噪技术进行信号滤波，同时根据分割点特征动态调节阈值并重新确定分割点方法完成了对表面肌电信号的有效分割；郭兴明等人[7]基于维奥拉积分方法[8]的原理，首先对信号进行小波去噪预处理，采用结合香农能量改进后的维奥拉积分波形方法完成信号包络，并自适应选取阈值对正常和异常心音进行分段；吕苗荣等人[9]基于自相关分段方法，当分段长度在一定范围内波动时捕获最大自相关系数下的分段长度作为截取长度完成对准周期离心泵振动信号的分割。将上述方法用于图1 所示的实测消磁数据时，都存在准确率不高、容易误判及漏判的情况，需要手工干预，在面对大量的车辆消磁数据时，费时费力。

但经过验算，上述方法在面对消磁作业测量数据时的处理效果均不好。针对上述车辆消磁信号具有分段重复、单段震荡衰减以及非冲击磁场段信号无效等特性，本文在能量阈值分割方法的基础上，基于三分量（通道）信号特征提出一种以互相关法消除信号噪声及低频成分，并针对互相关函数自动获取阈值并分割的方法。

2 基于互相关分析的阈值分割方法实现

2.1 互相关分析

互相关分析方法广泛应用于地震波信号分析[10]、多通道雷达信号分析[11]等领域，能有效抑制噪声、脉冲抖动并增强有效信号。本文所采集的空间磁场三分量为空间正交[12]，具有以下特点：①各通道的测量数据都包含消磁信号（消磁作业段为震荡衰减信号，其余为偏置直流信号）和噪声两部分；②各通道的消磁信号都同时开始和结束；③各通道信号的互相关性高。记录仪记录状态下三通道信号如图1 所示。由此，可任取两通道信号截取t1-t2时段原始数据序列，分别记为X1、X2。

先消去测量数据中的直流成分：

式（1）中：x1、x2分别为消去直流分量后的序列。

考虑到信号由冲击磁场信号和通道白噪声叠加合成，不妨令：

式（2）中：si（t）为信号中消磁信号；ni（t）为噪声，i=1，2。

对序列x1、x2求互相关函数可得：

考虑到消磁信号与噪声互不相关，互相关序列为0，噪声的互相关序列也为0，可将（3）式化简为：

由此可以看出，两路在t1-t2时段内作信号互相关运算后，得到的互相关序列只与信号中消磁信号相关，与噪声无关。互相关函数中含周期信号段幅值大、震荡效果明显，噪声段幅值基本为0。

2.2 基于序列积分的阈值分割

空间磁场三分量同步记录了消磁作业中空间磁场在X、Y、Z 三轴方向上的变化。通过对实测数据的分析发现，通道互相关序列曲线中，在消磁作业阶段仍为衰减震荡型，能量集中，信号幅值逐渐减小；而在非消磁段接近于水平直线，能量和幅值接近于0。因此，如果为互相关曲线设定合理阈值，当曲线幅值高于阈值时，判定为消磁作业结束。为避免对不同信号反复设定分割阈值，自适应给定分割阈值对分割效果至关重要。

本文通过消磁信号互相关函数f（t）的能量来确定阈值参数，f（t）在消磁信号测量时间段0-T 时间段内的能量为：

根据（5）式求得的序列积分，确定信号分割阈值为：

首先判断消磁信号起始点。为避免将非冲击磁场段单一峰值识别为冲击磁场段起始点，采用定长滑动窗遍历互相关数据序列，采用窗口起始点幅值与分割阈值比较来确定分割点。所以，如果：

且之后的连续k 个窗口起始点幅值均满足式（7），即：

则可将ti判定为消磁信号起始点。然后判断消磁信号结束点，若满足：

当信号幅值低于阈值小于λ时，且之后的连续k 个窗口起始点幅值均满足（9）式，即：

则可将ti判定为消磁信号结束点，如果不满足起始点和结束点的判定条件，则：

式（11）中：△t 为窗口固定长度。

窗口继续滑动，直至遍历整个信号。

2.3 消磁信号分割实现

根据上述相关理论分析，拟定了如图2 所示的消磁信号自动分割的流程图，该流程图主要包括以下几个主要步骤：①计算互相关序列。分别取同测点的两分量数据，以固定步长计算互相关序列。②获取分割阈值。对互相关函数，根据函数积分计算分割阈值λ。③判断消磁周期起始、结束时刻。用定长滑动窗口遍历整个互相关数据序列，按阈值判定起始点、结束点。④确定分割方案。对三次不同的互相关函数分别获取分割点，输出数据长度最大组L，避免分割不完全。

图2 消磁信号自动分割流程图

为了提高阈值分割准确率，本分割方法加入了分割阈值自适应调节算法。经计算求得的分割阈值λ大小适合与否直接影响分割效果。如果阈值λ偏小，将导致将多段消磁信号划分为一段有效信号；如果阈值λ偏大，将导致部分消磁信号不能被有效识别或将单段有效消磁信号划分多段。因此，在自动分割过程中需要对阈值λ进行适当调整，使分割出的消磁信号趋于合理。

根据初始分割结果，确定单段冲击磁场信号长度为：

式（12）中：i 为分段序号，i=1，2，…，K[K=size（L）]。

消磁信号平均长度为：

3 仿真与分析

3.1 信号处理及分割

为了验证本方法有效果，本文考虑了另外2 种典型的分割算法。

首先，采用文献[6-8]的信号分割法，对同样的实测消磁数据进行分割处理，由于该方法所述小波降噪不能消去直流分量，本文选用高通滤波对消磁信号进行预处理。对图1 所示X 分量进行高通滤波、维奥拉积分特征包络，结果如图3所示，结果表明，高通滤波后的信号能较好地去除噪声和直流分量并保留其时频特性，维奥拉方法可有效地提取滤波后消磁信号的特征包络。

图3 消磁信号处理效果图

其次，考虑文献[9]给出的分割方法。由于该算法仅适用于周期信号，分割前需预设分段信号长度，与本文所述待处理的信号特征不符，本文不予讨论。

最后，采用本文提出的方法对消磁信号进行互相关分析，通道X、Y 两路信号的互相关函数图像如图3 所示。结果表明，互相关函数图像能有效地去除非冲击磁场段噪声和直流分量，保留消磁信号特征。相较于滤波信号，维奥拉包络和互相关分析就能有效地抑制直流分量和噪声，突出消磁信号。然而，维奥拉包络效果取决于高通滤波效果，维奥拉方法对部分消磁信号的包络效果极差以至于无法提取消磁信号。

根据上文分析的阈值分割方法，对三分量数据所计算出的3 个互相关序列，依次确定消磁信号的起始点和结束，并以分割点数据长度最长的一组作为最终的消磁信号。对实测消磁信号图1 的分割处理结果如图4 所示。

3.2 实际应用与结果分析

本文选取了32 组实测消磁数据进行对比测试与验证，经过人工分辨，确定了上述数据中的总有效消磁信号的分段数为110 组。依次采用高通滤波、维奥拉积分法及本文所述互相关法进行自动识别处理，结果如下：采用高通滤波后直接分割的正确分段数为88，采用维奥拉包络的正确分段数为95，互相关法的正确分段数105，分段正确率如表1 所示。互相关分析的分段正确率达到了95.5%，比高通滤波、维奥拉积分法有极大的提高。

图4 基于互相关的三通道消磁信号分割效果

表1 消磁信号分段的正确率

4 结论

对复杂电磁噪声环境中消磁过程空间磁场测量数据的分割问题，对空间磁场三分量进行互相关计算后再处理，能够极大地削减噪声和直流分量对分割的影响。磁场三分量数据两两组合后再进行分割处理，避免了单个分量上的随机噪声导致信号分割错误。结合基于函数积分的阈值分割方法，能够自适应估算阈值，自动完成对消磁信号的分割。与其他分割算法相比，本文提出的方法实现了分割参数设定与数据分割的自动化，正确率高，基本不需要人工干预，大大减轻了人员负担。

［1］VARMA R.Design of degaussing system and demonstration of signature reduction on ship model through laboratory experiments［J］.Physics Procedia，2014（54）：174-179.

［2］裘益钟.船体磁性的工程估算［J］.上海交通大学学报，1980，14（1）：49-70.

［3］刘宏达，李殿璞，马忠丽.基于多种群搜索策略粒子群算法的舰船消磁优化［J］.仪器仪表学报，2006（Suppl 1）：861-863.

［4］张镜照，刘凯，于海宁.舰船消磁系统和设备技术发展初探［J］.船电技术，2006（12）：21-27.

［5］胡文生.双工作线圈同步消磁方法分析［J］.船舶工程，2010，32（2）：134-135.

［6］李琳，王建辉，顾树生.一种改进的基于信号能量阈值的表面肌电信号自动分割方法［J］.计算机科学，2013（20）：188-191.

［7］郭兴明，蒋鸿，郑伊能.基于改进的维奥拉积分方法提取心音信号包络［J］.仪器仪表学报，2016（10）：2352-2358.

［8］YAN Z，JIANG Z，MIYAMOTO A，et al.The moment segmentation analysis of heart sound pattern［J］.Computer Methods and Programs in Biomedicine，2009（98）：140-150.

［9］吕苗荣，丁宇，徐清武.基于自相关分析的离心泵振动信号的分段方法［J］.自动化仪表，2016，37（10）：83-85.

［10］马腾飞.三分量地震记录的互相关分析［J］.地震学报，2016，38（1）：96-102，157.

［11］陈璐，毕大平，余强.MIMO 雷达信号互相关分选算法［J］.现代防御技术，2015，43（5）：184-191.

［12］张朝阳，衣军，虞伟乔.三分量磁传感器倾斜放置时的磁场测量方法［J］.探测与控制学报，2017，39（2）：72-75，80.

TH73

A

10.15913/j.cnki.kjycx.2020.13.008

2095-6835（2020）13-0020-03

〔编辑：张思楠〕