管道泄漏检测定位系统中的数据压缩研究

《管道泄漏检测定位系统中的数据压缩研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文管道泄漏检测定位系统中的数据压缩研究姓名：廖洪波申请学位级别：硕士专业：光学工程指导教师：文玉梅20060401摘要摘要管道泄漏检测定位系统是目前管道泄漏检测中的一种典型装置，能有效控制管道泄漏引起的资源浪费和环境污染。为了检测微弱泄漏信号与长距离泄漏检测，系统需要长时间进行数据采集，所采集到的数据量较为庞大，而且随着系统采样率或A/D分辨率的提高，数据量将进一步增大。然而数据采集单元的存储器容量非常有限，这给大数据量的存储和处理带来极大的困难。采用适合于管道泄漏信号的数据压缩技术，可解决在有限存储器容量内实现大数据量存储的难题。本文研究和

2、总结了国内外传统和最新发展的各种数据压缩技术，然后分析了管道泄漏信号的特征，包括管道泄漏信号的产生机理、信息熵和相关系数，提出了一种适合于管道泄漏检测定位系统的通用、低复杂度的无损压缩算法。该算法设计了专门的预测器和基于上下文建模的Rice编码。经过无损压缩算法处理，管道泄漏信号压缩后的平均位数达到8.3674bits，比原始信息熵降低了1.2442bits；Rice编码的编码效率达到了98.81％。实验还验证了该无损压缩算法在该管道泄漏检测定位系统中具有实时编码的优点。为了进一步提高管道泄漏信号的压缩比，设计了误差可控的量化方案，在管道泄漏信号无损压缩算法的

3、基础上，提出了一种适合于管道泄漏检测定位系统的近无损压缩算法。该近无损压缩算法设计了基于峰值误差准则的量化方案对管道泄漏信号的失真度进行控制，在量化误差较小时并不影响后续自适应时延估计的定位误差，从而实现对管道泄漏信号的近似无损压缩。实验结果表明，在量化误差设定为5时近无损压缩后的平均位数降低到4.8612bits，即压缩比达到了2.47，突破了无损压缩难以达到2倍压缩比的局限。根据管道泄漏信号局部区域受到突发干扰噪声影响程度的不同，本文进一步优化均匀量化器，将其改进为自适应量化器，提出了基于突发干扰噪声的自适应量化近无损压缩算法。该算法在不影响管道泄漏信

4、号的定位误差下，压缩后的平均位数比量化误差设定为5时降低了0.2728bits，从而进一步提高了管道泄漏信号的压缩比。关键词：管道泄漏，无损/近无损压缩，预测器，Rice编码，自适应量化IAbstractAbstractPipelineleakdetectionlocationsystemisatypicaldeviceforpipelinemaintenance,whichcanefficientlyreducetheresourcewasteandtheenvironmentpollutioncausedbypipelineleak.Inorderto

5、detecttheweakleaksignalsortheleaksignalsemittedfromalongdistance,thesystemneedsalongtimeofdataacquisition.Asaresult,theamountoftheacquireddatawillbeverylarge.WiththeimprovementofthesamplingrateorA/Dresolution,thedatawillbelarger.However,thestoragecapacityindataacquisitionunitisveryl

6、imited,whichturnsouttobeadifficultproblemfordatastoringandprocessing.Soitisdesirabletoadoptdatacompressiontechniquetosortoutthisproblem.Variousdatacompressiontechniquesarestudiedandsummarizedinthispaper,includingthetraditionalandthenewlydevelopedtechniques,thenanalysesthefeaturesofp

7、ipelineleaksignals,suchasthemechanismofproduction,entropyandcorrelationcoefficient,areanalyzed,andfinallyauniversalandlow-complexlosslesscompressionalgorithmisproposedandimplementedinthepipelineleakdetectionandlocationsystem.ThisalgorithmiscomposedofthepredictorandRicecodingbasedonc

8、ontextmodeling.Thee