优化变分模态分解的超声多普勒测流信号误差模型研究

超声多普勒流量计的应用环境复杂多变，因此提高测量精度和误差，精确提取回波信号非常重要。提出了融合变分模态分解(Variational Mode Decomposition，简称VMD)和奇异谱分析(Singular Spectrum Analysis，简称SSA)的降噪模型，以更好地改善回波信号信噪比。该方法首先利用柯西变异算子产生随机迭代过程，克服了海鸥算法(Seagull Optimization Algorithm，简称SOA)容易陷入局部最优的特性；其次，采用包络谱熵值作为适应度函数，自适应优化VMD参数组合，同时引入云相似度值作为有效模态分量(Intrinsic Mode Functions，简称IMF)筛选的标准；最后，针对中低频的二次谐波振荡现象，引入SSA加以解决。通过构造超声波模拟信号和走车实验数据实例，与小波阈值、经验模态分解(Empirical Mod Decomposition，简称EMD)等方法对比，分析CVSOA-VMD-SSA降噪效果。结果表明：对于仿真信号而言，CVSOA-VMD-SSA能克服模态混叠及SOA易陷入局部最优解问题，更有效地抑制噪声干扰，相...