《气相监测信号的处理方法研究---修改20190529》由会员分享，可在线阅读，更多相关《气相监测信号的处理方法研究---修改20190529（30页珍藏版）》请在金锄头文库上搜索。
1、单位代码：11414学 号：2012010255题目气相监测信号的处理方法研究院名称地球科学学院专业名称资源勘查工程学生姓名李国平指导教师刘杰教授起止时间： 年 月 日 至 年 月 日摘 要摘 要气相监测由于具有分析速度快、分离效能高、选择性好等优点被广泛应用于石油、化工、医疗、环保、食品等诸多领域。在实际工作中，由于设计原理、背景干扰、检测条件等因素的影响，气相色谱信号中除了包含真实信号之外，同时还存在噪声，从而对分析结果的准确性造成不良影响。气相监测信号的滤噪处理对于确保分析结果的准确性和有效性具有重要意义。但是，气相监测系统是一个复杂的非线性动态系统，气相目标又是与其所处的环境含气和非含
2、气信号的时频特性进行比较分析，目前，关于如何利用现代化的信息获取与处理手段，快速准确地进行气体两相辨识的研究热点之一。经验模态分解法(Empirical mode deposition, EMD)是一种全新的信号处理方法，由美籍华裔博士Norden E. Huang于1998年提出的，在非线性、非平稳信号的处理方面，有独特的优势，被认为是信号处理领域的划时代变革。EMD是将复杂信号分解成一系列的包含原始信号局部特征的本征模函数，再经过一定的变换，得到有物理意义的频率，它能够使非平稳信号平稳化处理。虽然EMD已经在实际工程中得到了比较广泛的应用，本文对经验模态分解法在气相监测信号处理方面进行了深
3、入的理论研究，并给出了它在实际工程中的一些应用。关键词：气相监测；滤波处理；经验模态分解；信号处理- III -ABSTRACTResearch on Processing Method of Gas Phase Monitoring SignalABSTRACTGas phase monitoring is widely used in petroleum, chemical, medical, environmental, food and many other fields due to its fast analysis speed, high separation efficienc
4、y and good selectivity. In actual work, due to the influence of design principles, background interference, detection conditions and other factors, in addition to the real signal, the gas chromatographic signal also has noise, which adversely affects the accuracy of the analysis results. The noise f
5、iltering of the gas phase monitoring signal is important to ensure the accuracy and validity of the analysis results. However, the gas phase monitoring system is a complex nonlinear dynamic system. The gas phase target is compared with the time-frequency characteristics of the gas and non-gas signal
6、s in the environment. At present, how to use modern information acquisition and processing methods One of the research hotspots for gas two-phase identification quickly and accurately.Empirical Mode Deposition (EMD) is a new signal processing method proposed by Dr. Norden E. Huang, a Chinese-America
7、n doctor, in 1998. It is unique in the processing of nonlinear and non-stationary signals. The advantage is considered to be an epoch-making change in the field of signal processing. EMD is to decompose complex signals into a series of eigenmode functions containing local features of the original si
8、gnal, and then undergo a certain transformation to obtain a frequency with physical meaning, which can make non- Smooth signal smoothing processing. Although EMD has been widely used in practical engineering, this paper has carried out in-depth theoretical research on the empirical mode decompositio
9、n method in gas phase monitoring signal processing, and given its actual engineering. Some applications.Key Words：Gas Phase Monitoring；Filtering；EMD； Signal Processing目 录目 录摘 要IABSTRACTII前 言1第1章 绪论21.1 课题研究的目的意义21.2 国内外研究现状21.3 常用的滤噪方法31.4 本文研究的目的及主要内容4第2章 经验模态分解法的基本原理分析62.1 EMD算法基本概念解析62.2 EMD算法基本原
10、理72.3 EMD算法的主要优点92.4 EMD存在的问题102.5 本章小结12第3章 经验模态信号处理问题分析133.1 EMD边界处理问题及改进133.2 端点效应处理143.3 EMD模态混叠研究153.4 本章小结16第4章 经验模态分解法在气相流中的应用174.1 EMD算法气侵识别分析174.2 气相监测系统174.3 经验模态去噪应用184.4 本章小结20第5章 总结与展望21参 考 文 献22致 谢24中国石油大学（北京）本科毕业设计（论文）前 言随着科学技术和社会经济的发展，气相监测技术的水平也在不断提高。气相监测法由于其独特的分离特性，在化学物的分离分析和物化研究方面产
11、生了重要的作用，因此被广泛应用于石油、化工、医疗、卫生、材料科学、生理生化、环境等诸多领域。由于信号处理技术的广泛应用，促进了分离分析技术的改进，气相监测也更加智能化。目前化学分析的主要就是利用气相监测技术获取浓度、化学成分及活性等信息，由于在单位时间内获取的色谱数据多、信息丰富、谱图量大，气相监测系统需要对各种信号处理辨识，人工解析相当困难，因此需要借助计算机辅助分析。随着计算机软硬件的快速更新，计算机辅助解析技术也得到迅速发展，它不但避免了借助人力进行大量繁琐的数据计算，提高了仪器的使用率，而且极大地提升了分析结果的准确性和可靠性。因此借助信号处理技术已经成为气相监测领域的热点之一。- 1
12、 -中国石油大学（北京）本科毕业设计（论文）第1章 绪论1.1 课题研究的目的意义信号系统中的噪声无处不在，它的存在会极大地影响信号的质量，会对有用信号的特征分析产生影响。当原始信号中含噪声较多时，不仅会对影响人们观察信号的视觉效果，而且会使信号处理的难度加大，导致得到错误的结果。因此在信号处理时，需要首先对含噪信号进行滤噪处理，它是信号后续处理的基础。信号中混有的噪声会给自动数据处理带来困难，影响了数据处理的精度与分析结果准确度，所以有必要对气相监测信号进行滤噪处理，尽可能地除掉信号中的噪声。根据信号和噪声之间的差异，用程序对数字信号进行平滑处理，称为软件滤波。本课题的研究目的是对气相监测系
13、统输出的响应数字信号进行滤噪，利用经验模态分解法能够分析非平稳信号，反映信号的时域和频域特性，实现在低频处自动变宽，高频处自动变窄等特征有效地去除色谱信号中的噪声干扰，便于更好地进行谱峰识别、曲线拟和、重叠峰的解析以及定量定性等后续工作。因此，研究色谱信号滤噪的方法对提高分析结果的准确度和可靠性具有十分重要的意义。1.2 国内外研究现状经验模态分解（EMD）方法的发展至今经历了15年的时间，可以说其研究和发展还处于起步阶段，现在正有越来越多的人们加入到研究EMD的队伍中来，这将在很大程度上促进EMD理论的完善和应用领域的拓展。特别是经过近几年的研究与发展，EMD算法逐步形成了独立的理论体系。作
14、为一种新的数据分析方法，EMD方法在非平稳信号分析中的作用和优势已初见端倪。在一维EMD算法的研究与应用方面，EMD方法最初提出时，Huang(1998)主要建立了EMD方法的基本框架，分析了EMD方法的基本依据，引入了本征模函数以及瞬时频率的概念，给出了EMD具体的分解算法，定义了Hilbert谱和边际谱的概念，讨论了EMD方法的完备性和正交性等问题，比较了EMD算法和小波以及其它信号分解方法的区别，并研究了其在非线性系统、水波分析、风速分析、海洋环流以及地震信号分析等领域的应用。随后Huang等人还进一步完善EMD理论，并研究其在应用领域的发展。1999年，Huang等人将其应用于海洋波纹
15、数据的分析中；2003年，Huang等人研究了EMD的置信限，通过置信限的设定，筛选过程的停止准则区域更加稳定，从而使得EMD的分解结果更加确定，并将其应用于地震波信号的分析中，得到了较好的分析效果；2003年，Huang等人对白噪声进行EMD分解试验，研究了白噪声的IMF特性，得到了白噪声的IMF统计分布规律，认为白噪声的IMF服从正态分布，其能量密度和平均周期也是一个常数，该研究成果为以后人们将EMD应用于信号去噪领域打下了基础；2003年，Gloersen和Huang将其应用于极地冰雪覆盖情况考察的研究2003年法国学者Gabriel Rifling肯定了Huang提出的EMD方法的优势，同时也说明了其不足之处，他指出：EMD方法仅仅是从实验中得出的性质，没有严密的数学论证，仅仅给出了分解算法，因此还期待更多的理论支持。他还改进了原始EMD分解算法的边界条件。在国内，人们对于EMD研究的兴趣也是非常的浓厚。重庆大学的邓建勋、熊忠阳等将该方法与人脸识别技术相结合，为人脸识别技术的发展提供了新思路；装甲兵工程学院的乔新勇、赵秀玉等针对端点效应的问题，提出了端点优化与镜像延拓相结合的方法，取得了明显的效果；大连理工大学的王雷、赵俊龙等通过对
