基于時域積分的泄漏聲波信號增強方法

林偉國，王曉東，吳海燕，牟長麗，陳磊（北京化工大學信息科學與技術學院，北京 0009；北京市射線應用研究中心，北京 0005）

?

基于時域積分的泄漏聲波信號增強方法

林偉國1，王曉東1，吳海燕1，牟長麗2，陳磊1
（1北京化工大學信息科學與技術學院，北京 100029；2北京市射線應用研究中心，北京 100015）

摘要：在管道泄漏檢測中，泄漏信號的信噪比是影響誤報和漏報的主要因素。傳統的小波去噪和EMD分解方法受小波基選擇、分解尺度選擇和重構分量選擇的影響難以保證穩定、有效的信號增強效果。通過分析動態壓力變送器的傳遞函數，發現動態壓力變送器的輸出信號中缺失了反映聲波信號低頻響應特性的積分項，提出了基于時域積分的、增益可調的泄漏聲波信號增強方法，現場實測數據的測試結果表明：基于時域積分的泄漏信號增強方法具有穩定顯著的信號增強效果和定位精度，無需復雜的參數尋優，為微小泄漏的檢測以及減少誤報和漏報提供了有效的技術支持。

關鍵詞：泄漏聲波信號；時域積分；增益可調；信號增強

2015-08-13收到初稿, 2015-10-13收到修改稿。

聯系人及第一作者：林偉國（1968—），男，教授。

引 言

管道運輸是化石能源和危化品輸送的主要方式，由于管道老化、腐蝕穿孔及第三方施工破壞等原因，管道泄漏時有發生，造成資源損失、環境污染甚至人員傷亡。因此，管道泄漏檢測技術發展至今，依然是國內外學者研究的熱點問題之一。

在現有的負壓波法、聲波法、質量/體積平衡法、分布式光纖法等多種管道泄漏檢測方法中，由于聲波傳感器頻率響應寬、靈敏度高、相關函數峰尖等特點[1]，在泄漏檢測靈敏度和定位精度方面聲波法是目前最受認可的泄漏檢測方法[2]。

壓電式動態壓力傳感器作為聲波傳感器的一種[3]，在管道泄漏檢測中得到了廣泛應用[4-5]。不同于負壓波法檢測的是管道內部絕對壓力（靜壓），聲波法檢測的是聲壓的變化而非聲壓本身[2]，它反映的是瞬態壓力的變化。對于快速發生的泄漏（如爆管），由于泄漏點產生的聲壓變化非常劇烈，其泄漏檢測靈敏度明顯高于負壓波法；但是對于微小泄漏和緩慢發生的泄漏（如打孔盜油），由于泄漏本身引起的聲壓變化較小且泄漏聲波在傳播過程中存在的傳播衰減[6]，使得首末站的聲波傳感器檢測到的泄漏聲波信號的信噪比較低，加劇了降低誤報和杜絕漏報之間的矛盾。

針對微小泄漏的檢測，文獻[7-8]提出了基于諧波小波分析技術的小泄漏信號識別和負壓波拐點準確提取方法，利用諧波小波時頻圖、時頻等高線圖及時頻剖面圖挖據管道泄漏敏感特征，準確提取負壓波拐點。文獻[9]針對微弱負壓波信號，應用局部投影將背景噪聲和負壓波特征信號分解到不同的子空間，通過子空間重構和小波包分析技術，提取弱特征信號，保留負壓波拐點信息。上述方法都是針對負壓波技術的，并且方法的工程應用效果沒有涉及。

針對泄漏聲波信號，文獻[10-11]對實測信號作EMD分解，針對部分本征分量的疊加信號作希爾伯特黃變換，通過實時監測特征頻帶內信號的Hilbert譜與正常信號相比是否發生明顯變化，實現泄漏的診斷。文獻[12]利用泄漏聲波信號的自相關函數具有的“不可重復”的特征，通過計算自相關函數序列的近似熵，結合Elman神經網絡，實現噪聲淹沒的泄漏聲波信號的辨識。

微弱泄漏信號檢測更直接的方法是信號去噪，從而提高泄漏信號信噪比。文獻[13]基于噪聲白化準則控制檢測信號的線性預測，提取出與干擾噪聲相關、與泄漏信號無關的信號作為自適應噪聲抵消器的參考輸入，有效抵消噪聲信號。文獻[14]借助EMD分解，迭代計算不同IMF分量疊加信號的信噪比，實現重構信號信噪比的最大化。文獻[15]通過小波基的比較選擇，實現信號的最優分解。上述這些方法都是通過抑制噪聲提高泄漏信號的信噪比，是一種“被動型”的信號增強方法。眾所周知，小波去噪是一種非自適應的信號增強方法，選擇不同的小波基或濾波尺度可能會取得完全相反的信號增強效果；而EMD方法不僅存在邊界效應難以有效克服的問題，而且還要解決選擇哪些IMF分量重構信號的問題。事實上，由于金屬管道及其輸送介質具有的低頻濾波特性[1]、泄漏信號傳播到首末站時其頻域分布與管道內部干擾信號的頻域分布已經基本重疊，在抑制噪聲的同時泄漏信號的有效成分勢必也會受到損失，對于微小泄漏更是如此。

為解決上述問題，本文提出一種泄漏信號“主動”增強方法。首先從動態壓力變送器的組成結構出發，通過分析動態壓力變送器的傳遞函數，發現變送器輸出信號中缺失了反映聲波信號低頻響應特性的積分項。基于此，本文提出基于數值積分的信號增強方法，通過在變送器輸出端增加可調增益系數的積分項實現對低頻信號的放大。基于該方法得到的泄漏信號增強效果明顯，信號增強效果不影響泄漏診斷和定位的準確性。本文所提方法性能穩定，參數選擇簡單，可以避免傳統去噪方法（如小波去噪）中難以進行參數選擇的問題。

1 基于時域積分的泄漏信號增強原理

1.1 動態壓力變送器傳遞函數分析

壓電式動態壓力變送器通常由前置放大、信號調理和信號變送3個部分組成[16]。壓電式動態壓力傳感器利用壓電材料（如石英、壓電陶瓷等）的壓電效應將被測壓力轉換為電信號，因此壓電傳感器可以等效為一電荷源。壓電傳感器輸出阻抗極高且信號微弱，管道泄漏信號分布在較低頻段，前置放大電路通常選用靈敏度高、低頻響應好的電荷放大器。信號調理電路主要完成信號的放大與濾波，電荷信號為微弱信號需要較高的增益，采用二級放大可以有效防止信號的畸變；由于壓電式動態壓力傳感器有較好的高頻響應，通常在信號中混有較多高頻噪聲，因此低通濾波器在變送器中必不可少。信號變送電路主要完成將電壓轉化為標準的4～20 mA電流信號，實現信號遠傳。動態壓力變送器的組成結構如圖1所示。

設電荷放大器傳遞函數為H1(s)，低通濾波電路的傳遞函數為H2(s)，V/I轉換電路只實現信號類型的轉換并不對信號時頻域特性產生影響，因此可以與兩級放大電路結合，其綜合放大倍數設為k。因此動態壓力變送器的傳遞函數H(s)可以表示為

圖1 動態壓力變送器組成結構圖Fig.1 Structure diagram of dynamic pressure transducer

式中，X(s)為變送器的動態壓力輸入信號x(t)的拉普拉斯變換，Y(s)為變送器輸出信號y(t)的拉普拉斯變換。由于泄漏聲波信號主要是低頻（準靜態）信號，高頻成分為干擾信號，通常都是以通過低通濾波器的信號作為處理對象。因此式(1)可以變換為

式中，X′(s)為通過低通濾波器后的動態壓力信號的拉普拉斯變換。此時系統的傳遞函數框圖如圖2所示。

圖2 調整后的變送器傳遞函數框圖Fig.2 Transfer function block diagram after adjustment

電荷放大器的反饋電容Cf與電阻Rf決定了電荷放大器的時間常數Tc,，Tc可以表示為

電荷放大器時間常數的影響近似于一個單端輸入的高通濾波器，因此電荷放大器的傳遞函數可以近似為一階RC高通濾波器[16]。電荷放大器的傳遞函數H1(s)為

將式（4）代入到式（2）中，可以得到經過低通濾波后的動態壓力變送器的傳遞函數為

經過拉普拉斯反變換可得

由式（6）可知，經過低通濾波后的動態壓力信號x′(t)是由動態壓力變送器輸出信號y(t)、y(t)的積分與初始值y(0)、x(0)構成的。x′(t)中包含了動態壓力信號的完整信息（高頻成分除外），但經過了動態壓力變送器后（圖1），僅得到了輸出信號y(t)而損失了y(t)的積分項，因此由y(t)來表示x′(t)是不完整的。

由文獻[17]可知，泄漏聲波信號的頻率成分主要集中在1 Hz以內，即使電荷放大器的時間常數Tc較大使得下限截止頻率較低，仍會對泄漏信號產生衰減。對式（6）中的積分項作傅里葉變換可得

由式（7）可見：由于低頻段（尤其是低于0.16 Hz的低頻分量）的w值較小，式（7）中除法運算的效果相當于對低頻分量進行了放大。因此，在動態壓力變送器的輸出信號y(t)的基礎上加上y(t)的積分，有助于克服電荷放大器低頻衰減的缺陷，提高泄漏信號的信噪比，實現泄漏信號的主動增強。

1.2 時域積分信號增強實現方法

基于時域積分的信號增強應在信號去噪（低通濾波）的基礎上進行，實現步驟如下。

（1）信號去噪，消除高頻干擾；

（2）低階次的高通濾波，有效消除趨勢[18]；

（3）時域積分。

在實際處理過程中為進行時域積分，需將式（6）離散化。本文選擇梯形積分方法[19]并對式（6）進行離散化有

式中，Sy(k)為式（6）中積分項的梯形積分離散化形式，fs為采樣頻率，N為信號樣本的數據點數。

與小波去噪等其他信號增強方法不同的是，時域積分方法并不是消除干擾信號，而是對處于低頻段的泄漏信號進行補償，以達到提高信噪比的效果。在泄漏信號較弱的情況下，可以對輸出信號的積分項Sy(k)進行適當的放大，以實現泄漏信號的增強。為實現對信號增強效果的控制，本文引入低頻增益系數m(m≥1)，通過調節m的值實現對泄漏信號期望的增強效果，此時式（8）表示為

式中，k=1,2,…,N, Sy(1)=0。

2 基于時域積分的泄漏信號增強方法的現場應用

2.1 信號增強的有效性檢驗

信號增強的有效性檢驗主要比較基于小波去噪和基于時域積分的信號增強效果。信號增強效果通常采用信噪比作為評價指標。但由于管道泄漏聲波信號為非周期信號，且沒有固定的頻率點，噪聲信號也不符合真正的高斯分布。為了評價信號增強效果，首先根據信號的過零點對信號作正負區間劃分[20]。假設區間劃分共得M個區間，泄漏信號所在區間的信號峰值Peaks，非泄漏信號的區間信號峰值為PeakN(i)，參照信噪比的定義公式，泄漏信號的信噪比可以表示為

圖3 信號增強前后的上下游泄漏信號比較（油田）Fig.3 Signals comparison before and after signal enhancement (up and down station)

式中，L為泄漏信號（區間）個數，i為非泄漏信號的序號，i≤M?L。以式（10）定義的信噪比對時域積分方法的信號增強效果進行評判，結果如下文所示。

圖3所示為采集自中石化某油田原油輸送管道的模擬泄漏信號經過時域積分信號增強前后的對比圖（信號經過db9小波去噪，小波分解尺度6）。管道全長26.68 km, 首站壓力1.2 MPa，末站壓力0.2 MPa，管道內徑500 mm, 模擬泄漏孔徑10 mm，模擬泄漏點距離管道首站3.0 km，信號采樣精度為12位，采樣頻率為100 Hz。由圖3（b）可見，下游泄漏信號并不突出，其幾乎被噪聲淹沒。根據式（9）經過時域梯形積分信號增強后（時域積分的增益系數m=1），泄漏信號得到了明顯的增強[圖3（d）]。根據式（10）分別計算得到信號增強前后上、下游信號的信號區間個數M、異常信號個數L及泄漏信號的信噪比SNR對比如表1所示。泄漏信號（在信噪比閾值為5 dB的前提下提取）在信號增強后的信噪比分別提高了3.2 dB 和3.3 dB，信號增強前后的信號區間個數并沒有太大改變，說明在增益系數為1的條件下時域積分對噪聲信號并沒有太大改變，上游異常信號個數下降了一個（多個連續異常信號對應同一個泄漏信號）。

表1 信號區間個數M、異常信號個數L及泄漏信號的信噪比SNR對比Table 1 Comparison of signal intervals M, abnormal signals L and leak signal’s SNR before and after signalenhancement

圖4所示為采集自中石化某管道局原油輸送管道的模擬泄漏信號經過信號增強前后的對比圖（信號經過db9小波去噪，小波分解尺度6）。管道全長70.8 km, 首站壓力4.24 MPa，末站壓力0.12 MPa，管道內徑400 mm, 模擬泄漏點距離管道首站50.8 km，模擬泄漏孔徑為10 mm。信號采樣精度為12位，采樣頻率為100 Hz。由圖4（a）、（b）可見：下游存在兩個明顯的泄漏信號，但上游的兩個泄漏信號都不突出。經過信號增強后（時域積分的增益系數m=100）的信號如圖4（c）、（d）所示，上游的兩個泄漏信號得到了明顯的增強。信號增強前后上、下游信號的信號區間個數M、異常信號個數L及泄漏信號的信噪比SNR對比如表2所示，由表2可見，在信號增強增益系數100的前提下，泄漏信號（在信噪比閾值為5 dB前提下提取）信噪比顯著提高，同時信號區間數大幅減少，異常信號數目有一定程度的減少，但泄漏信號的搜索更加準確。

圖4 信號增強前后的上下游泄漏信號比較（管道局）Fig.4 Signals comparison before and after signal enhancement (up and down station)

表2 信號區間個數M、異常信號個數L及泄漏信號的信噪比SNR對比Table 2 Comparison of signal intervals M, abnormal signals L and leak signal’s SNR before and after signal enhancement

可見，盡管時域積分的增益系數m提高到100，但是在泄漏信號的信噪比得到較大提升的同時，正常背景噪聲信號總體上得到了抑制。因此在對泄漏信號進行增益可調的時域積分信號增強時，并不會根本改變噪聲信號的分布特性。

2.2 信號增強效果的穩定性檢驗

為了檢驗時域積分信號增強效果的穩定性，分別以db9、sym7和coief3 3種小波基和1～6 6種小波分解尺度對含有模擬泄漏信號的動態壓力信號進行小波去噪，在此基礎上再采用時域梯形積分進行信號增強，比較信號增強的效果。其中信號預處理包括通帶頻率為0.2 Hz的切比雪夫高通濾波，時域積分信號增強的增益系數m=50。圖5為包含泄漏信號的原始聲波信號。數據取自中石化某煉化公司乙烯裂解料輸送管道，管道全長12.409 km，首站壓力1.19 MPa，末站壓力約0.48 MPa，管徑159 mm，模擬泄漏孔徑為3 mm，泄漏點距離管道首站0.473 km。信號采樣精度為12位，采樣頻率為50 Hz。由圖5可見，下游聲波信號中的泄漏信號幾乎已被背景噪聲淹沒。計算兩種方法得到的泄漏信號信噪比，得到結果如表3所示。

由表3可見，不同的小波基、小波分解尺度對泄漏信號信噪比的影響很大。對信噪比不同的上、下游原始泄漏信號，并不是小波分解尺度越大或越小，信號增強的效果越好，且很難找到一種小波基和小波濾波尺度的固定組合以獲取最佳的泄漏信號信噪比，這也從側面驗證了小波去噪不是一種自適應的信號增強方法。基于時域積分的信號增強方法是在小波去噪的基礎上實現的，因此信號增強的效果會受到小波去噪效果的影響。由于過高的小波分解尺度可能會削弱某些有用的泄漏信號頻率成分，因此，基于時域積分的信號增強方法在低尺度小波去噪的基礎上能獲得更佳的泄漏信號信噪比。此外，基于時域積分信號增強方法得到的泄漏信號信噪比普遍比小波去噪方法得到的信噪比高，且信號增強效果穩定，信號增強效果與小波基的選擇無明顯的關聯性，體現了較強的魯棒性。

圖5 原始泄漏聲波信號Fig.5 Original leak acoustic signal

表3 小波去噪與時域積分信號增強效果比較Table 3 SNRs comparison between wavelet de-noising and time-domain integration based signal enhancement/dB

2.3 信號增強對泄漏診斷結果的影響

運用文獻[21]所述方法，選取200組正常信號樣本，建立支持向量數據描述（support vector data description, SVDD）泄漏診斷模型1（核參數為0.1，超球體半徑R=0.8287, 支持向量28個），信號預處理包括小波去噪（小波分解尺度5）和通帶頻率0.05 Hz的切比雪夫高通濾波。選用相同的200組正常樣本信號，在前述信號預處理的基礎上，再進一步做增益系數為100的時域積分信號增強，然后建立SVDD泄漏診斷模型2（核參數為0.1，超球體半徑R=0.9587, 支持向量33個）。運用兩個模型分別對2014年3月12日模擬產生的9個泄漏信號進行泄漏診斷（管道、工況及模擬泄漏點位置信息見2.2節，模擬泄漏孔徑全部為3 mm），結果如表4所示。

表4 小波去噪和時域積分信號增強對泄漏診斷結果的影響Table 4 Influence of wavelet de-noising and time-domain integration signal enhancement on leak diagnosis

由表4泄漏診斷結果可以看到：僅采用小波去噪和高通濾波方法，造成了5次漏報；而加入時域積分信號增強方法后，9個模擬泄漏測試信號全部實現報警。

分別運用上述兩個泄漏診斷模型對該管道2014年3月12日至2015年5月31日一年多的數據進行泄漏診斷，僅用小波去噪的泄漏診斷模型的診斷結果共發生了11次誤報；而加入時域積分信號增強后的泄漏診斷模型的診斷結果共發生9次誤報。可見，信號去噪結合時域積分信號增強可以降低泄漏診斷的誤報和漏報警。

2.4 信號增強對定位結果的影響

對上述僅經過小波去噪和加入增益系數為100的時域積分增強后的信號分別作延時互相關，得到延時時間差如表5所示。

表5 小波去噪和時域積分信號增強對泄漏定位結果的影響Table 5 Influence of wavelet de-noising and time-domain integration signal enhancement on leak location /s

由表5可見，經過時域積分信號增強后，基于延時互相關計算的定位精度總體提高。圖6為第6個模擬泄漏信號在不同增益系數下的延時互相關計算得到的時間差，由圖可見，在增益系數m大于16以后，延時互相關時間差就保持恒定。因此增益系數的增加并不影響相關定位精度。

圖6 不同增益系數下的延時互相關時間差Fig 6 Time delay under different gain coefficient

3 結 論

（1）在對壓電式動態壓力變送器的傳遞函數進行分析的基礎上，針對動態壓力變送器輸出中缺失了反映聲波信號低頻響應特性的積分項的缺陷，提出了一種基于時域積分的管道泄漏聲波信號增強方法，從理論上推導了信號增強的原理。

（2）現場實測數據的測試結果表明：該方法對泄漏聲波信號有穩定、顯著的增強效果，對背景噪聲無明顯影響。

（3）基于時域積分的信號增強有助于減少誤報和漏報，且對泄漏定位無負面影響。

（4）該方法是在傳統信號去噪方法的基礎上實現的，且參數選擇簡單、算法實施實時性強，可以得到更為穩定的信號增強效果，降低了傳統去噪方法對參數選擇的依賴，為微小泄漏檢測提供了較好的技術支持。

References

[1] GAO Y, BRENNAN M J, HOSEPH P F, et al. On the selection of acoustic /vibration sensors for leak detection in plastic water pipes [J] . Journal of Sound and Vibration, 2005, 283: 927-941.

[2] LIU C, LI Y, WANG W, et al. Study on leak-acoustics generation mechanism for natural gas pipelines [J]. Journal of Loss Prevention in Process Industries, 2014, 32: 174-181.

[3] MURVAY P S, SILEA I. A survey on gas leak detection and localization techniques [J]. Journal of Loss Prevention in the Process Industries, 2012, 25: 966-973.

[4] LIANG W, ZHANG L B, XU Q Q, et al. Gas pipeline leakage detection based on acoustic technology [J]. Engineering Failure Analysis. 2013, (31): 1-7.

[5] LIN W G, ZHENG Z S. Research on pipeline leak detection based on dynamic pressure signal [J]. Chinese Journal of Scientific Instrument, 2006, 27(8): 907-910.

[6] WANG X J, LAMBERT M F, SIMPSON A R, et al. Leak detection in pipelines using the damping of fluid transients [J]. Journal of Hydraulic Engineering, 2002, 128(7): 698-711.

[7] 胡瑾秋, 張來斌, 梁偉,等. 基于諧波小波分析的管道小泄漏診斷方法 [J]. 中國石油大學學報(自然科學版), 2009, 33(4): 118-124.

HU J Q, ZHANG L B,LIANG W, et al. Small leakage detection of long distance pipeline based on harmonic wavelet analysis [J]. Journal of China University of Petroleum (Edition of Natural Science), 2009, 33(4): 118-124.

[8] HU J Q, ZHANG L B, LIANG W. Detection of small leakage from long transportation pipeline with complex noise [J]. Journal of Loss Prevention in the Process Industries, 2011, 24: 449-457.

[9] 余東亮, 張來斌, 梁偉,等. 長輸管道信號降噪及工況識別方法研究 [J]. 石油學報, 2009, 30(6): 937-941.

YU D L, ZHANG L B, LIANG W, et al. Noise reduction of signal and condition recognition of long-distance pipeline [J]. Acta Petrolei Sinica, 2009, 30(6): 937-941.

[10] 楊紅英, 華科, 葉昊,等. 基于Hilbert-Huang變換的輸氣管道泄漏診斷方法 [J]. 化工學報, 2011, 62(8): 2095-2100. YANG H Y, HUA K, YE H, et al. Leak diagnosis of gas transport pipeline based on Hilbert-Huang transform [J].CIESC Journal, 2011,62(8): 2095-2100.

[11] GHAZALI M F,BECK S B M, SHUNCKSMITH J D, et al. Comparative study of instantaneous frequency based methods for leak detection in pipeline networks [J]. Mechanical System and SignalProcessing, 2012, 29: 187-200.

[12] 楊進, 文玉梅, 李平. 基于相關分析和近似熵的管道泄漏聲信號特征提取及辨識方法 [J]. 儀器儀表學報, 2009, 30(2): 272-279.

YANG J, WEN Y M, LI P. Feature extraction and identification of leak acoustic signal in water distribution pipelines using correlation analysis and approximate entropy [J]. Chinese Journal of Scientific Instrument, 2009, 30(2): 272-279.

[13] 文靜, 文玉梅, 李平. 基于噪聲白化準則的自適應噪聲抵消方法[J]. 儀器儀表學報, 2010, 31(8): 1693-1699.

WEN J, WEN Y M, LI P, Adaptive noise cancellation method based on error whitening criterion [J]. Chinese Journal of Scientific Instrument,2010,31(8): 1693-1699.

[14] LIN W G, WANG X Y, FENG X D, et al. Adaptive reconstruction of leak signal of natural gas pipeline under strong interference [J]. Applied Mechanics and Materials, 2011, 48: 143-148,.

[15] ZHANG Y, CHEN S L, JIN S J. Leak detection monitoring system of long distance oil pipeline based on dynamic pressure transmitter [J]. Measurement, 2014, 49(1): 382-389.

[16] 張宇, 靳世久, 何靜菁,等. 基于動態壓力信號的管道泄漏特征提取方法研究 [J]. 石油學報, 2010, 31(2): 338-342.

ZHANG Y, JIN S J, HE J Q, et al. Extraction method for pipeline leakage feature based on dynamic pressure signal [J]. Acta Petrolei Sinica, 2010, 31(2): 338-342.

[17] 連龍杰, 林偉國, 吳海燕. 基于功率譜比對的液氯輸送管道泄漏檢測方法 [J]. 化工學報, 2013, 64(12): 4461-4467.

LIAN L J, LIN W G, WU H Y. Liquid-chlorine leak detection method based on power spectrum comparison [J]. CIESC Journal, 2013, 64(12): 4461-4467.

[18] 溫廣瑞, 李楊, 廖與禾,等. 基于精確信息重構的故障轉子系統振動加速度信號積分方法 [J]. 機械工程學報, 2013, 49(8): 1-9.

WEN G R, LI Y, LIAO Y H,et al. Faulty rotor system vibration acceleration signal integration method based on precise information reconstruction [J]. Journal of Mechanical Engineering, 2013,49(8): 1-9.

[19] YAROSLAVSKY L, MORENO A, CAMPOS J. Frequency responses and resolving power of numerical integration of sampled data [J]. Optics Express, 2005, 13(8): 2892-2905.

[20] 林偉國, 鄭志受. 基于動態壓力信號的管道泄漏檢測技術研究 [J].儀器儀表學報, 2006, 27(8): 907-910.

LIN W G, ZHENG Z S. Research on pipeline leak detection based on dynamic pressure signal [J]. Chinese Journal of Scientific Instrument, 2006,27(8)：907-910.

[21] 戚元華, 林偉國, 吳海燕. 基于時域統計特征的天然氣管道泄漏檢測方法 [J]. 石油學報, 2013, 34(6): 1195-1199.

QI Y H, LIN W G, WU H Y. A leak detection method for natural gas pipeline based on time-domain statistical features. [J]. Acta Petrolei Sinica, 2013, 34(6): 1195-1199.

研究論文

Received date: 2015-08-13.

Foundation item: supported by the Fundamental Research Funds for the Central Universities(YS0104)，Foundation of State Key Laboratory of NBC Protection for Civilian(SKLNBC2014-10) and the National Natural Science Foundation of China (61403017).

Acoustic leak signal enhancement based on time-domain integration

LIN Weiguo1, WANG Xiaodong1, WU Haiyan1, MU Changli2, CHEN Lei1
(1College of Information Science and Technology, Beijing University of Chemical Technology, Beijing 100029, China;2Beijing Radiation Application and Research Center, Beijing 100015, China)

Abstract:Signal-to-Ratio (SNR) of leak signal is the main factor influencing on missing alarm and false alarm in pipeline leak detection. Traditional de-noising methods, such as wavelet transform and EMD decomposition, are hard to promise stable and effective signal enhancement because of the selection of wavelet base, decomposition scale or reconstruction components. Through analysis of the transfer function of dynamic pressure transducer, it is found that the integral part in the output signal of dynamic pressure transducer, which can reflect the low frequency response characteristics of acoustic signal, is missing. Therefore, a gain-adjustable acoustic signal enhancement method based on time-integration is proposed. The test results with field data show that the proposed method has better performance for the signal enhancement with precise location and no complex parameter optimization, and it also provides an effective technical support for small leak detection and decreasing of the missing and false alarm rate.

Key words:acoustic leak signal; time-integration; gain-adjustable; signal enhancement

DOI：10.11949/j.issn.0438-1157.20151304

中圖分類號：TE 973.6

文獻標志碼：A

文章編號：0438—1157（2016）03—0797—08

基金項目：中央高校基本科研業務費（YS0104）；國民核生化災害防護國家重點實驗室基金項目（SKLNBC2014-10）；國家自然科學基金項目（61403017）。

Corresponding author:Prof. LIN Weiguo, linwg@mail.buct.edu.cn