CN107461611A - 基于小波和emd重构相结合的泄漏检测方法及泄漏检测装置 - Google Patents

Abstract

本发明公开了一种基于小波和EMD重构相结合的泄漏检测方法及泄漏检测装置，该装置中，管道泄漏检测装置以STM32单片机为核心，主要包括传感器、放大器、滤波器、A/D转换模块及传输模块的设计。管道泄漏检测装置采集到数据后，通过无线通讯模块将数据传输到计算机；计算机则使用Matlab软件采用多方位邻域模式的小波通用阈值去噪和EMD重构相结合对采集的数据进行去噪处理，并通过相关分析进行定位，进而得到管道泄漏点的位置。本发明能有效的去除噪声，提取有用信号，从而显著地提高对管道泄漏点定位的精度。

Description

基于小波和EMD重构相结合的泄漏检测方法及泄漏检测装置

技术领域

本发明涉及一种基于小波和EMD重构相结合的泄漏检测方法及泄漏检测装置，特别涉及一种基于多方位邻域模式的小波通用阈值去噪和基于EMD重构的相关时延估计相结合的泄漏检测装置及方法，属于管道泄漏检测定位领域。

背景技术

在运输大量石油、天然气、化学品和水时，管道运输是最经济的运输方案。它具有运输总量大，不间断传送，不受气候等其他因素影响的优势。因此，管道运输成为继公路运输、铁路运输、水上运输、航空运输后的第五种主要运输方式。

据调查，2014年时全球用于运输的管道总长度已接近3800000km。目前，许多管道项目正处于构建中，并且都处于人口密集的区域。随着管道运输的普及，管道事故也随之而来，例如：管道爆裂、管道泄漏、非法钻井和进管盗油等现象，这类事故给社会和环境造成很大的影响。

除去一些人为因素，管道事故多是由管道老化、施工缺陷、管道腐蚀等因素引起的。因此，建立一个有效的管道泄漏检测系统是非常有必要的。在供水集输过程中，管道是主要的运输方式之一，但随着使用时间的增加，管道不可避免的会因为老化、腐蚀等原因而发生泄漏，从而导致周围环境的破坏和巨大的经济损失。

然而目前我国在城市供水管道检测监测技术方面非常落后，在泄漏检测方面，没有能够快速确定管道泄漏部位的技术和仪器。有些管道一旦发生泄漏，往往需要花费大量的物力、人力和时间来寻找泄漏点，为管道的安全运行带来事故隐患。

发明内容

针对供水管道泄漏时的信号比较微弱且混有大量噪声的问题，本发明提出提出城市供水管道连续泄漏声信号相关分析定位技术，研制便携式供水管道泄漏点检测装置，以提高供水管道检测技术水平，特别是提出一种基于多方位邻域模式的小波通用阈值去噪和EMD重构相结合的管道泄漏定位检测装置及方法。

本发明为解决上述技术问题采用以下技术方案：

一方面，本发明提供泄漏检测装置，该装置包括：

传感器，安装在待测管道上，用于检测所述待测管道的振动信号，并将所述振动信号转换成模拟信号；

放大器，与所述传感器连接，用于将所述模拟信号放大为放大模拟信号；

带通滤波器，与所述放大器连接，用于滤除所述放大模拟信号中的噪声信号；

模数转换模块，与所述滤波器连接，用于将滤波后的所述放大模拟信号转换为数字信号；

主处理器，与所述模数转换模块连接，用于将所述数字信号放入存储盘中进行存储；通过无线通讯模块与计算机连接，用于根据计算机的指令将所述数字信号传输至计算机；

全球定位系统时钟同步控制模块，与所述主处理器连接，用于高时间精度的数据采集的控制和实现；

供电模块，与所述主处理器连接，用于为所述主处理器提供电源。

作为本发明的进一步技术方案，所述传感器为压电式加速度传感器；所述放大器的频带宽度在1千赫到250千赫范围内，在通频带内增益的变动量不超过3分贝；所述滤波器为带通滤波器，通带范围为20hz-2khz；所述主处理器为STM32单片机；所述全球定位系统时钟同步控制模块包括分别与所述STM32单片机连接的用于检测前对时钟进行同步的全球定位模块和用于检测中对时钟进行同步的实时时钟芯片；所述无线通讯模块釆用码分多址CDMA无线技术或无线分组业务GPRS无线技术或第四代数字通信4G无线技术与所述主处理器进行无线连接；所述供电模块为锂电池。

另一方面，本发明还提供一种基于小波和EMD重构相结合的泄漏检测方法，具体步骤如下：

步骤1：通过三个传感器S1、S2和S3分别采集管道泄漏产生的振动信号s1(t)、s2(t)和s3(t)；

步骤2：对信号s1(t)、s2(t)和s3(t)依次进行放大、滤波、A/D转换后得到采样序列s1(n)、s2(n)和s3(n)，并存储到SD卡；

步骤3：通过无线通讯模块将采样序列s1(n)、s2(n)和s3(n)传输到计算机；

步骤4：对采样序列s1(n)、s2(n)和s3(n)分别进行去噪处理，得到去噪后的采样序列y1(n)、y2(n)和y3(n)；

步骤5：采用基于EMD重构的相关时延估计方法对噪后的采样序列y1(n)、y2(n)和y3(n)进行计算，得到泄漏声波从泄漏点到达传感器S1和S2的时延估计值D₁₂以及泄漏声波从泄漏点到达传感器S2和S3的时延估计值D₂₃；

步骤6：根据步骤5中得到的时延估计值以及泄漏声波在管道介质中的传播速度进行定位：

式中：L1为泄漏点到S1的距离；L2为泄漏点到S2的距离；L₁₂:为S1和S2号之间的距离；V为泄漏声波在管道介质中的传播速度。

作为本发明的进一步技术方案，步骤4中所述的去噪方法的具体过程如下：

步骤4-1：选择小波和并计算小波分解层数K，含噪采样序列被分解至K层，得到各层分解子带所对应的低、高频系数V_k、W_k，方法如下：

1)设置粗调解分解层数为N，保留分解的N-1次小波系数W_N-1和N次小波系数W_N；

2)对N-1层高频系数W_N-1进行重构，计算其模极大值CD_N-1；对N层高频系数W_N进行重构，计算其模极大值CD_N；如果CD_N-1<CD_N，则判定该高频系数为有用信号为主，转到4)，否则该高频系数为噪声信号为主，转到3)；

3)令N＝N+1，进行N层分解，转到2)；

4)放弃最后一次结果，确定最终的分解层数K为N-1；

步骤4-2：对第K层小波低频系数V_K上利用通用阈值对脉冲噪声进行滤除。

1)对于待处理的信号点P，选择t步长的邻域范围；其中，t为自然数，t的最大取值为信号脉宽的一半；

2)以P点为基准点制作t个模式，分别计算这t个模式的邻域范围内数据绝对值的算术平均值，选出其中的最大算术平均值作为P点的特征值，以P点的特征值替代P点的原始幅值；

3)将替代后的P点特征值与通用阈值进行比较，当P点特征值大于通用阈值时，信号点P全部保留原始幅值；当P点特征值小于或等于通用阈值时，对信号点P进行置零；其中，通用阈值δ为噪声标准方差，n为分解得到的小波系数的个数总和；

步骤4-3：将K层小波高频系数中的细节层直接清零，对高频噪声进行清零；

步骤4-4：根据第K层的低频系数和步骤4-3中K层滤噪后的高频系数进行重构，得到去噪后的采样序列。

作为本发明的进一步技术方案，步骤5中时延估计值D₁₂和D₂₃的计算过程为：

步骤5-1：提取y1(n)、y2(n)和y3(n)的前导背景噪声序列b1(n)、b2(n)和b3(n)；

步骤5-2：对y1(n)、b1(n)分别进行离散傅里叶变换得到Y1(w)、B1(w)，将Y1(w)、B1(w)的幅值分别取对数得到再对进行傅里叶逆变换得到y1(n)的倒谱序列y11(n)、b1(n)的倒谱序列b11(n)；

步骤5-3：将y11(n)、b11(n)进行滤波，分别得到y11(n)的声道响应和b11(n)的声道响应对分别进行傅里叶变换得到的频谱包络线和的频谱包络线对做差消除对等噪声，并除以瞬时背景噪声能量(V_b1(w))²获得谱差曲线D1(W)，再对谱差曲线D1(W)进行归一化得到归一化谱差曲线D₁₁(w)；

步骤5-4：用门限法获取D₁₁(w)幅值高于门限T1的k个频段，该k个频段即为y1(n)中所含泄漏信号成分的主导频段，记为：[W_p11，W_q11]，……，[W_p1k，W_q1k]；

步骤5-5：对y1(n)进行EMD分解，得到h_1i(n)表示第i个基本模式分量，i＝1,2,…,m，r₁(n)为分解后的余量；

步骤5-6：对步骤5-5中的m个基本模式分量分别进行傅里叶变换，计算并获取h₁₁(n)，h₁₂(n)，……，h_1m(n)的功率谱分布曲线H₁₁(W)，H₁₂(W)，……，H_1m(W)；分别计算每组基本模式分量的功率谱分布曲线在频段[W_p11，W_q11]，……，[W_p1k，W_q1k]内的幅值累加与全局幅值累加的比值η₁，如果对应分量计算得到的η₁大于预设门限值TH，则该分量作为y1(n)的重构信号C1(n)的分量之一，否则将该分量丢弃；

步骤5-7：将y2(n)和y3(n)按照步骤5-2至5-6的方法进行处理，获取y2(n)和y3(n)的重构信号C2(n)和C3(n)，将C1(n)和C2(n)进行二次相关得到C1(n)、C2(n)的二次相关序列R(τ)，对二次相关序列R(τ)的峰值进行检测即得到泄漏声波从泄漏点到达传感器S1和S2的时延估计值采用同样的方法，得到泄漏声波从泄漏点到达传感器S2和S3的时延估计值D₂₃。

作为本发明的进一步技术方案，步骤4-2中算术平均值P_α为第α个模式对应的算术平均值，α＝1,2,…,t。

作为本发明的进一步技术方案，步骤6中泄漏声波在管道介质中的传播速度为V＝L₂₃/D₂₃，L₂₃为S2、S3之间的距离。

作为本发明的进一步技术方案，步骤3中无线通讯模块采用的传输协议为TCP通信。

作为本发明的进一步技术方案，步骤4-1中选择sym6小波进行5层分解。

作为本发明的进一步技术方案，步骤5-6中其中，H(w)表示任意基本模式分量的傅里叶变换。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1)本发明通过多方位邻域模式的小波通用阈值去噪和EMD重构相结合的方式对采集的信号进行去噪：首先多方位邻域模式能很好的解决伪吉布斯效应问题，保留了信号细节，有效的分离泄漏信号与噪声；其次通用阈值计算简单，减少了很大的计算量；实验证明：多方位邻域模式的小波通用阈值去噪和EMD重构相结合的方法来处理泄漏信号，比以往单一或结合的处理方法，能实现更加精准地定位；

2)本发明通过在调理电路中加入带通滤波器，并与去噪算法结合的方式进行去噪，比单一使用滤波器或去噪算法进行去噪更加有效，进而使定位结果更加精准。

附图说明

图1为本发明实施例的一种管道泄漏检测装置结构示意图；

图2为本发明实施例的基于多方位邻域模式的小波通用阈值去噪和EMD重构相结合的管道泄漏定位方法的流程示意图；

图3为步长为3的多方位邻域模式示意图；

图4为本发明实施例的互相关漏点定位原理图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

图1是本发明实施例的一种管道泄漏检测装置结构示意图，管道泄漏检测装置包括：用于检测管道泄漏信号的压电式加速度传感器，传感器依次与放大器、带通滤波器、模数转换模块(ADC)连接，模数转换模块将生成的数字信号传送给STM32单片机；STM32单片机通过地址总线和数据总线与存储盘连接，通过I/O线与供电模块连接，通过串口1与无线通讯模块连接，通过串口2与全球定位系统时钟同步控制模块连接。全球定位系统时钟同步控制模块上有GPS天线，用于收发信号；无线通讯模块上包含CDMA(Code DivisionMultipleAccess,码分多址)天线，或其它无线技术的天线，用于收发无线信号，无线通讯模块通过CDMA天线与计算机进行数据交换(图中虚线表示无线连接)。计算机使用Matlab软件采用多方位邻域模式的小波通用阈值去噪和EMD重构相结合对采集的数据进行去噪处理，并通过相关分析进行定位，进而得到管道泄漏点的位置。

结合图2，本实施例中基于多方位邻域模式的小波通用阈值去噪和EMD重构相结合的管道泄漏定位方法，具体步骤如下：

步骤1：由传感器S1、S2和S3采集管道泄漏产生的振动信号s1(t)、s2(t)和s3(t)。

步骤2：对信号s1(t)、s2(t)和s3(t)进行放大、滤波、A/D转换后得到采样序列s1(n)、s2(n)和s3(n)，并存储到SD卡。

步骤3：通过无线通讯模块将采样序列s1(n)、s2(n)和s3(n)传输到计算机。

步骤4：对采样序列s1(n)、s2(n)和s3(n)进行去噪处理，得到去噪后的采样序列y1(n)、y2(n)和y3(n)，过程如下：

步骤4-1：对采样序列进行小波变换，选取对称性较好的sym6小波进行5层分解。含噪采样序列被分解至5层，得到各层分解子带所对应的低、高频系数V_k、W_k(k＝1,2,.....,5)。

步骤4-2：对第5层小波低频系数V₅利用通用阈值对脉冲噪声进行滤除。

噪声阈值的估计是小波阈值去噪的重要因素，大部分信号中噪声小波分解的各层系数都基本对称分布在零附近，且在零点形成一个尖峰。因此，可以用零均值的广义高斯分布(GGD模型)来描述。利用Sqtwolog规则(通用阈值规则)，设含噪信号f(t)在尺度l-m(l<m<K，K为分解的层数)上通过小波分解得到小波系数的个数总和为n，附加噪声信号的标准差是δ，则通用阈值为：其中：δ为噪声标准方差；n为信号的长度。

t为自然数，t的最大取值为信号脉宽的一半，具体取值限定方法如下：

多方位邻域模式的原理是高位幅值点上拉低位幅值点，因此邻域区间(即t的取值)只需在半个波形脉宽左右。步长t的估计模型为：式中：T是信号脉宽：依据过零点特性求出波形脉宽分布，取前面所有大脉宽的均值作为信号脉宽T；M是信号峰值：求出所有大于通用阈值的幅值的均值作为信号峰值；将Μ/σ的值作为sigmoid函数(一个阈值函数)的自变量，γ为自变量取值范围控制参数，由于步长t在T/2左右，sigmoid函数的输出合理范围为[0.4,0.6]，设置γ＝0.1。

滤除的方法具体步骤为：

1)对于待处理的信号点P，选择t步长的邻域范围；

2)以P点为基准点制作t个模式，如图3所示(以t＝3为例)，图中用圆圈标出的点为待处理的点P，分别计算这t个模式的邻域范围内数据绝对值的算术平均值，选出其中的最大平均值作为P点特征值，以P点特征值替代P点的原始幅值；

3)将替代后的P点特征值与通用阈值进行比较，当P点特征值大于通用阈值时，信号点全部保留原始幅值；当P点特征值小于或等于通用阈值时，对信号点进行置零；

其中：t为自然数，t的最大取值为信号脉宽的一半；算术平均值计算公式为：

步骤4-3：将5层小波高频层的细节层直接清零，对高频噪声进行清零。

步骤4-4：根据第5层的低频系数和5层滤噪后的高频系数进行重构，得到去噪后的采样序列，将该采样序列作为下一步基于EMD重构的相关时延方法的输入信号。

步骤5：基于EMD重构的相关时延估计方法对重构的信号进行计算，求出泄漏声波从泄漏点到达传感器S1和S2的时延估计值D₁₂以及泄漏声波从泄漏点到达传感器S2和S3的时延估计值D₂₃，过程如下：

1)经过以上步骤处理后，将获得去噪后的三个采样序列y1(n)、y2(n)和y3(n)，并提取y1(n)、y2(n)和y3(n)的前导背景噪声序列b1(n)、b2(n)和b3(n)。因为振动信号到达传感器S1、S2时存在时延差D₁₂，因此采样序列y1(n)与y2(n)之间也存在时延D₁₂。同理，采样序列y2(n)与y3(n)之间也存在时延D₂₃。

2)对采样序列y1(n)进行离散傅里叶变换得到Y1(w)，将Y1(w)的幅值取对数得到再对进行傅里叶逆变换得到采样序列y1(n)的倒谱序列y11(n)；通过同样的方式得到目标信号信道前导背景噪声序列b1(n)的倒谱序列b11(n)；

3)将y11(n)、b11(n)进行滤波，分别得到y11(n)的声道响应和b11(n)的声道响应对分别进行傅里叶变换得到的频谱包络线和的频谱包络线对做差消除对等噪声，并除以瞬时背景噪声能量(V_b1(w))²获得谱差曲线D1(W)，再对谱差曲线D1(W)进行归一化得到归一化谱差曲线D₁₁(w)；所述的谱差曲线所述的归一化谱差曲线D₁₁(w)为：D₁₁(w)＝D₁(w)/|D₁(w)|；

4)用门限法获取D₁₁(w)幅值高于门限T1(范围为0.8-0.9，优选0.85)的频段区域，假设满足条件的频段区域有k个，这k个频段即为目标信号y1(n)中所含泄漏信号成分的主导频段。k的数值跟信号频谱能量的分布有关，不同环境条件下得到的数值不同，对应目标信号y1(n)中所含泄漏信号成分主导频段记为：：[W_p11，W_q11]，……，[W_p1k，W_q1k]；

5)对采样序列y1(n)进行EMD分解，依次得到m个基本模式分量，记为：h₁₁(n)，h₁₂(n)，……，h_1m(n)，和一个分解后的余量r1(n)，这样y1(n)就可以表示为基本模式分量和余项的和，即EMD分解得到的分量是自适应的，因此m的数值与采样序列y1(n)本身的频谱分布情况有关，采样序列y1(n)频率成分越丰富，m的数值越大；

6)对m个基本模式分量进行傅里叶变换，计算并获取每组分量h₁₁(n)，h₁₂(n)，……，h_1m(n)的功率谱分布曲线H₁₁(W),H₁₂(W)，……，H_1m(W)；计算每组分量的功率谱分布曲线在频段[W_p11，W_q11]，……，[W_p1k，W_q1k]内的幅值累加与全局幅值累加的比值η₁，如果对应分量计算得到的η₁大于预设门限值TH(TH值为0.6)，则该分量作为采样序列y1(n)组成重构信号C1(n)的分量之一，否则将该分量丢弃；所述的比值η₁为：其中H(w)表示任意基本模式分量函数的傅里叶变换。

7)将采样序列y2(n)和y3(n)按照(2)-(6)进行同样的操作，获取采样序列y2(n)和y3(n)的重构信号C2(n)和C3(n)。假设y1(n)、y2(n)和y3(n)重构后的信号分别表示为C1(n)、C2(n)和C3(n)，将C1(n)和C2(n)进行二次相关得到C1(n)、C2(n)的二次相关序列R(τ)，对二次相关序列R(τ)的峰值进行检测可得到泄漏声波从泄漏点到达传感器S1和S2的时延估计值同理可得泄漏声波从泄漏点到达传感器S2和S3的时延估计值D₂₃。

步骤6：结合图4，根据上、下游三个传感器接收到同一声波的时间差以及该声波在管道介质中的传播速度进行定位：

式中：L1：泄漏定位值，即泄漏点到1号传感器的距离(m)；L2：泄漏定位值，即泄漏点到2号传感器的距离(m)；L₁₂：1、2号传感器之间的距离(m)；V：声波在泄漏燃气管道中的传播速度(m/s)，V的计算公式为V＝L₂₃/D₂₃；L₂₃：2、3号传感器之间的距离；D₁₂：泄漏声波从泄漏点到达上、下游1、2号传感器之间的时间差(S)；

经过验证，本发明提出的基于多方位邻域模式的小波通用阈值去噪和EMD重构的相关时延估计相结合的管道泄漏定位检测装置及方法是可行的，并且能有效的消除泄漏声信号中的噪声，对管道泄漏点的位置进行更加精准地定位。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (10)

1.泄漏检测装置，其特征在于，该装置包括：

传感器，安装在待测管道上，用于检测所述待测管道的振动信号，并将所述振动信号转换成模拟信号；

放大器，与所述传感器连接，用于将所述模拟信号放大为放大模拟信号；

带通滤波器，与所述放大器连接，用于滤除所述放大模拟信号中的噪声信号；

模数转换模块，与所述滤波器连接，用于将滤波后的所述放大模拟信号转换为数字信号；

主处理器，与所述模数转换模块连接，用于将所述数字信号放入存储盘中进行存储；通过无线通讯模块与计算机连接，用于根据计算机的指令将所述数字信号传输至计算机；

全球定位系统时钟同步控制模块，与所述主处理器连接，用于高时间精度的数据采集的控制和实现；

供电模块，与所述主处理器连接，用于为所述主处理器提供电源。

2.根据权利要求1所述的泄漏检测装置，其特征在于，所述传感器为压电式加速度传感器；所述放大器的频带宽度在1千赫到250千赫范围内，在通频带内增益的变动量不超过3分贝；所述滤波器为带通滤波器，通带范围为20hz-2khz；所述主处理器为STM32单片机；所述全球定位系统时钟同步控制模块包括分别与所述STM32单片机连接的用于检测前对时钟进行同步的全球定位模块和用于检测中对时钟进行同步的实时时钟芯片；所述无线通讯模块釆用码分多址CDMA无线技术或无线分组业务GPRS无线技术或第四代数字通信4G无线技术与所述主处理器进行无线连接；所述供电模块为锂电池。

3.基于小波和EMD重构相结合的泄漏检测方法，其特征在于，具体步骤如下：

步骤1：通过三个传感器S1、S2和S3分别采集管道泄漏产生的振动信号s1(t)、s2(t)和s3(t)；

步骤2：对信号s1(t)、s2(t)和s3(t)依次进行放大、滤波、A/D转换后得到采样序列s1(n)、s2(n)和s3(n)，并存储到SD卡；

步骤3：通过无线通讯模块将采样序列s1(n)、s2(n)和s3(n)传输到计算机；

步骤4：对采样序列s1(n)、s2(n)和s3(n)分别进行去噪处理，得到去噪后的采样序列y1(n)、y2(n)和y3(n)；

步骤5：采用基于EMD重构的相关时延估计方法对去噪后的采样序列y1(n)、y2(n)和y3(n)进行计算，得到泄漏声波从泄漏点到达传感器S1和S2的时延估计值D₁₂以及泄漏声波从泄漏点到达传感器S2和S3的时延估计值D₂₃；

步骤6：根据步骤5中得到的时延估计值以及泄漏声波在管道介质中的传播速度进行定位：

<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>L</mi> <mn>1</mn> <mo>=</mo> <mfrac> <mrow> <msub> <mi>L</mi> <mn>12</mn> </msub> <mo>+</mo> <mi>V</mi> <mo>&amp;CenterDot;</mo> <msub> <mi>D</mi> <mn>12</mn> </msub> </mrow> <mn>2</mn> </mfrac> </mtd> </mtr> <mtr> <mtd> <mi>L</mi> <mn>2</mn> <mo>=</mo> <mfrac> <mrow> <msub> <mi>L</mi> <mn>12</mn> </msub> <mo>-</mo> <mi>V</mi> <mo>&amp;CenterDot;</mo> <msub> <mi>D</mi> <mn>12</mn> </msub> </mrow> <mn>2</mn> </mfrac> </mtd> </mtr> </mtable> </mfenced>

式中：L1为泄漏点到S1的距离；L2为泄漏点到S2的距离；L₁₂:为S1和S2号之间的距离；V为泄漏声波在管道介质中的传播速度。

4.根据权利要求3所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤4中所述的去噪方法的具体过程如下：

步骤4-1：选择小波和并计算小波分解层数K，含噪采样序列被分解至K层，得到各层分解子带所对应的低、高频系数V_k、W_k，方法如下：

1)设置粗调解分解层数为N，保留分解的N-1次高频系数W_N-1和N次高频系数W_N；

2)对N-1层高频系数W_N-1进行重构，计算其模极大值CD_N-1；对N层高频系数W_N进行重构，计算其模极大值CD_N；如果CD_N-1<CD_N，则判定该高频系数为有用信号为主，转到4)，否则该高频系数为噪声信号为主，转到3)；

3)令N＝N+1，进行N层分解，转到2)；

4)放弃最后一次结果，确定最终的分解层数K为N-1；

步骤4-2：对第K层小波低频系数V_K上利用通用阈值对脉冲噪声进行滤除。

1)对于待处理的信号点P，选择t步长的邻域范围；其中，t为自然数，t的最大取值为信号脉宽的一半；

2)以P点为基准点制作t个模式，分别计算这t个模式的邻域范围内数据绝对值的算术平均值，选出其中的最大算术平均值作为P点的特征值，以P点的特征值替代P点的原始幅值；

3)将替代后的P点特征值与通用阈值进行比较，当P点特征值大于通用阈值时，信号点P全部保留原始幅值；当P点特征值小于或等于通用阈值时，对信号点P进行置零；其中，通用阈值δ为噪声标准方差，n为分解得到的小波系数的个数总和；

步骤4-3：将K层小波高频系数中的细节系数直接清零，对高频噪声进行清零；

步骤4-4：根据第K层的低频系数和步骤4-3中K层滤噪后的高频系数进行重构，得到去噪后的采样序列。

5.根据权利要求3所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤5中时延估计值D₁₂和D₂₃的计算过程为：

步骤5-1：提取y1(n)、y2(n)和y3(n)的前导背景噪声序列b1(n)、b2(n)和b3(n)；

步骤5-2：对y1(n)、b1(n)分别进行离散傅里叶变换得到Y1(w)、B1(w)，将Y1(w)、B1(w)的幅值分别取对数得到再对进行傅里叶逆变换得到y1(n)的倒谱序列y11(n)、b1(n)的倒谱序列b11(n)；

步骤5-3：将y11(n)、b11(n)进行滤波，分别得到y11(n)的声道响应和b11(n)的声道响应对分别进行傅里叶变换得到的频谱包络线和的频谱包络线对做差消除对等噪声，并除以瞬时背景噪声能量(V_b1(w))²获得谱差曲线D1(W)，再对谱差曲线D1(W)进行归一化得到归一化谱差曲线D₁₁(w)；

步骤5-4：用门限法获取D₁₁(w)幅值高于门限T1的k个频段，该k个频段即为y1(n)中所含泄漏信号成分的主导频段，记为：[W_p11，W_q11]，……，[W_p1k，W_q1k]；

步骤5-5：对y1(n)进行EMD分解，得到h_1i(n)表示第i个基本模式分量，i＝1,2,…,m，r₁(n)为分解后的余量；

步骤5-6：对步骤5-5中的m个基本模式分量分别进行傅里叶变换，计算并获取h₁₁(n)，h₁₂(n)，……，h_1m(n)的功率谱分布曲线H₁₁(W)，H₁₂(W)，……，H_1m(W)；分别计算每组基本模式分量的功率谱分布曲线在频段[W_p11，W_q11]，……，[W_p1k，W_q1k]内的幅值累加与全局幅值累加的比值η₁，如果对应分量计算得到的η₁大于预设门限值TH，则该分量作为y1(n)的重构信号C1(n)的分量之一，否则将该分量丢弃；

步骤5-7：将y2(n)和y3(n)按照步骤5-2至5-6的方法进行处理，获取y2(n)和y3(n)的重构信号C2(n)和C3(n)，将C1(n)和C2(n)进行二次相关得到C1(n)、C2(n)的二次相关序列R(τ)，对二次相关序列R(τ)的峰值进行检测即得到泄漏声波从泄漏点到达传感器S1和S2的时延估计值采用同样的方法，得到泄漏声波从泄漏点到达传感器S2和S3的时延估计值D₂₃。

6.根据权利要求4所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤4-2中算术平均值P_α为第α个模式对应的算术平均值，α＝1,2,…,t。

7.根据权利要求3所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤6中泄漏声波在管道介质中的传播速度为V＝L₂₃/D₂₃，L₂₃为S2、S3之间的距离。

8.根据权利要求3所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤3中无线通讯模块采用的传输协议为TCP通信。

9.根据权利要求4所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤4-1中选择sym6小波进行5层分解。

10.根据权利要求5所述的基于小波和EMD重构相结合的泄漏检测方法，其特征在于，步骤5-6中其中，H(w)表示任意基本模式分量的傅里叶变换。