联合收割机损失谷粒检测中盲信号分离算法研究

摘要

联合收割机可以一次性完成对谷物类作物的收割、脱粒、分离茎秆和清除杂物的全部工序，联合收割机是农业机械中结构最复杂的现代化大型农业自动化设备，谷物损失率是衡量联合收割机性能的重要标准之一。有效检测损失谷粒信号确定谷物损失率一直是提高联合收割机技术指标的瓶颈。传统损失谷粒信号检测方法存在检测精度低、准确性差，易漏检等问题，易造成谷物损失率难以精确检测。近年来，盲信号分离技术的研究与应用，对于损失谷粒信号的检测有着很大的帮助。
　　 联合收割机作业环境恶劣，损失谷粒冲击传感器产生的信号十分微弱，导致损失谷粒信号基本被杂草、秸秆、颖壳、石子和强烈的机组噪声湮没。分析谷粒信号及其它干扰信号可知，联合收割机工作时所采集到的混合观测信号可以看成是多个信号源混合而成的。因此，可以通过选取合适的独立分析算法来提高损失谷粒信号的识别精度，减少谷粒的损失量。本文的主要研究内容和结果有:
　　 1、创建信号检测平台，采用压电晶体矢量传感器阵列式敏感板来替代单一的压电传感器采集数据，通过网格形成的作用点的动态响应程度来确定传感器阵列的位置，实现了从多区域多角度获取信息，减小了信息的不确定度，获取的信息满足独立分量分析 ICA(Independent Component Analysis)信号源数目估计的超定条件算法要求。
　　 2、考虑到要保证谷粒和机组振动信息的线性相位以及降低源数估计的难度，用 FDATool构建FIR带通滤波器，让谷粒信号通过并尽可能的抑制噪声干扰。通过Simulink仿真可知滤波器可以在很大的程度上抑制噪声的影响，从其噪声背景中提取出损失谷粒信号的信息。在超定的条件下，基于奇异值分解的观测信号使用主特征值估测方法可以有效得到滤波源值。
　　 3、基于峭度的FastICA算法有效的把峭度良好的信号分布统计特性与快速不动点迭代算法的良好特性结合了起来。通过算法稳定且收敛速度较快的特点，找出损失谷粒信号的特征，实现盲信号的分离。对信号进行预处理后，与梯度算法一起进行有噪和无噪的仿真实验表明损失谷粒信号的提取比较完整，算法可以比较准确的检测谷粒损失信号，且算法比梯度算法有更快的收敛性。
　　 4、统计算法实验中检测谷粒数目与实际的谷粒数目。发现多个谷粒同时落下波形重叠，谷粒检测数目存在误差。盲源分离后，谷粒信号波形幅值存在不确定性，难以通过波形图直观识别谷粒信号数目，因此提出检测同时下落的谷粒方法的设想，进一步研究损失谷粒信号检测方法。
　　 研究工作表明，基于峭度的独立分量分析算法能够满足准确的的从盲信号分离提取出损失谷粒信号，具有较快的迭代速度，便于谷粒损失量的统计，通过实验室的损失谷粒信号检测，实验系统达到了实际应用的要求。

目录

声明

摘要

1 绪论

1．1 本课题研究的背景和意义

1．2 国内外研究的现状与发展趋势

1．3 本文的主要内容与安排

2 盲信号分离及独立分量分析算法

2．1 盲信号原理模型

2．2 盲信号分离算法

2．2．1 基于高阶统计量的算法

2．2．2 基于信息论的算法

2．2．3 非线性盲分离算法

2．3 独立分量分析理论

2．3．1 独立分量分析的定义以及系统模型

2．3．2 独立分量分析的假设条件及其不确定性

2．3．3 独立分量分析的指标准则

2．4 独立分量分析的目标函数

2．4．1 峭度

2．4．3 互信息

2．4．4 最大似然估计

2．5 独立分量分析的优化算法

2．5．1 信息最大法

2．5．2 互信息最小法

2．5．3 最大似然估计法

2．6 本章小结

3 损失谷粒信号检测及预处理

3．1 联合收割机损失谷粒信号检测

3．1．1 联合收割机作业流程

3．1．2 损失谷粒信号检测

3．2 谷粒损失检测的ICA算法

3．2．1 ICA算法在损失谷粒信号检测中的适应性分析

3．2．2 ICA算法在谷粒损失信号检测中的模型

3．3 传感器的选择和设计

3．3．1 敏感板的选择

3．3．2 传感阵列数目的估计

3．4 滤波器的设计

3．4．1 FIR带通滤波器

3．4．2 FIR带通滤波仿真

3．5 信号源数值的估计

3．5．1 奇异值分解法

3．5．2 算法仿真实验

3．6 盲源分离算法的预处理

3．6．1 零均值化

3．6．2 白化处理

3．7 本章小结

4 损失谷粒信号检测中ICA算法的研究

4．1 独立分量分析算法

4．1．1 基于峭度的梯度算法

4．1．2 基于峭度的FastICA算法

4．1．3 多个独立分量的估计

4．2 FastICA算法仿真

4．2．1 无噪声情况下的仿真

4．2．2 有噪声情况下的仿真

4．3 重叠谷粒信号的检测

4．3．1 多粒谷粒同时落下时的模型

4．3．2 多粒谷粒同时落下时的识别思路

4．3．3 多粒谷粒同时落下时的识别的难点所在

4．4 本章小结

5 总结与展望

5．1 本文的主要研究成果和结论

5．2 本文的主要创新之处

5．3 有待要进一步改善的问题

参考文献

致谢

读研期间发表的论文

附录A