专利汇可以提供一种基于局域均值分解的信号去噪方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于局域均值分解的 信号 去噪方法,该方法步骤包括对带噪信号执行局域均值分解、对所获得的积函数(PF)分量进行幅值 阈值 化滤波处理、重构真实的源信号以实现噪声取消、借助仿真实验进行对比、通过实际信号噪声消除实验验证LMD基信号去噪方法的有效性。本发明消除了观测信号中的噪声干扰,借助一系列仿真及实验,通过与现有的基于 小波变换 (WT)的信号去噪方法以及近年来出现的基于经验模态分解(EMD)的信号去噪方法进行对比,验证了所提出的LMD基信号去噪方法的有效性,方法简单、利用LMD基去噪 算法 的去噪效果优势明显,具有较好的综合性能,可以实现带噪信号的二次精细去噪,噪声消除效果好。,下面是一种基于局域均值分解的信号去噪方法专利的具体信息内容。
1.一种基于局域均值分解的信号去噪方法,其特征在于,该方法步骤包括对带噪信号执行局域均值分解、对所获得的积函数(PF)分量进行幅值阈值化滤波处理、重构真实的源信号以实现噪声取消、借助仿真实验进行对比、通过实际信号噪声消除实验验证LMD基信号去噪方法的有效性;
所述的对带噪信号执行局域均值分解是指利用 LMD算法对带噪信号执行局域均值进行分解,LMD 可用于分析振动、声学、心电仪、磁共振图像以及地震波等不同类型的非稳态信号,本质上,LMD 就是从一个调幅信号中渐进分离出一个调频信号的过程,包括三个基本步骤:(1)原始信号的平滑化处理;(2)从原始信号中减去平滑化处理后的信号;(3)基于包络估计的幅值解调处理;经过LMD 的基本处理,一个原始信号 x(t) 可以分解为 K 个积函数 PFk(t), k = 1, 2, , K,简称 PF 分量, 其重建表达式为
(1)
式中,uk(t) 为残差分量;
进一步地,对所得的 PF 分量执行如下的希尔伯特(Hilbert)变换,可得
(2)
瞬时频率(IF)计算式为
(3)
其中 i(t) = arctan[Hi(t) / PFi(t)];
从而,原始信号 x(t) 可表达为如下的实部形式
(4)
式中, 为包络分量,也称为瞬时幅值(IA);
最终,由 IF 与 IA 共同给出原始信号 x(t) 的时频描述;
所述的对所获得的积函数(PF)分量进行幅值阈值化滤波处理是指对带噪信号经过LMD所得的PF分量进行间隔阈值化处理,即对 M 个期望带噪 PF 分量 PFm(t), m = 1, 2, ¼, M,按照以下取阈规则进行滤波处理;
(i)硬性间隔取阈(HIT):
(1)
(ii)柔性间隔取阈(SIT):
(2)
(i) (i) (i) (i)
式(1)与(2)中,zj = [wj wj+1 ],i = 1, 2, ¼, M,j = 1, 2, ¼, Nz 为第 i 个(i) (i) (i) (i)
期望带噪 PF 分量的过零点区间,其中 Nz 为区间 zj 的个数,wj 与 wj+1 为区间端点;
(i) (i) (i)
p (rj ) 为区间信号的极值,其中 rj 为区间极值点;
(i) (i) (i) (i)
p (zj )、pTO (zj ) 分别为阈值化处理前、后第 i 个期望带噪 PF 分量的区间函数值;
去噪阈值 Ti 如下:
(3)
式中,C 为常数;
Ei 为第 i 个“纯”噪声 PF 分量的能量,可由下式估算:
(4)
2
式中,E1 为 LMD 抽取的第 1 个 PF 分量的能量;
对于某一个特定的 LMD 处理过程,参数 r 与 b 主要取决于 LMD 分解过程的迭代次数;
所述的重构真实的源信号以实现噪声取消是指根据下式进行源信号 s(t) 的重建,进而实现原始带噪信号中的噪声消除;
(1)
在式(1)中,M = M2 - M1 + 1,M 为期望带噪 PF 分量的个数;
通过引入参数 M1 与 M2,可以调节 PF 阈值滤波以及源信号重建过程的灵活性;
所述的借助仿真实验进行对比是指分别仿真“Doppler”、“Blocks”、“Bumps”和正弦波共四类源信号 si(t), i = 1~4,通过添加不同程度的高斯白噪声,可以获得具有不同信噪比(SNR)的带噪观测 xi(t), i = 1~4,通过改变 M1 与 IM2 参数来调节取阈运算和源信号重建过程,满足关系 M2 = K - IM2,其中 K 为 PF 分量的总数,仿真中,EMD 基去噪算法优选的筛分次数固定为8次,取阈运算和源信号重建参数 M1 = 3,IM2 = 2;LMD 基去噪算法中,则设置为 M1 = 1,IM2 = 1,常数 C在两种算法中均设置为 C = 0.7,采用不同的仿真参数设置,所获得的去噪性能也不同;
所述的通过实际信号噪声消除实验验证LMD基信号去噪方法的有效性是指EMD 与 LMD 基算法所得的去噪结果(SNR2)随着带噪观测信号的信噪比(SNR1)的变化而变化,对于“Doppler”与“Blocks”类信号,当观测信噪比(例如 SNR1 < 13dB左右)较低时采用硬性取阈处理的 EMD 基去噪算法 EMD-H 的表现最好,当 SNR1 进一步增大时,LMD 基算法(包括 LMD-H 和 LMD-S)的去噪性能相继超越了 EMD 基算法,对于“Sin”类信号,这种性能的超越提前到了 SNR1 4dB左右,对于“Bumps”类信号,算法 EMD-H 的性能一直是最好的,其次是 LMD-H 算法,LMD-S 与 EMD-S 两种算法对此类信号的去噪表现则基本相当,而且对于所有四类仿真信号,同一种去噪算法如WT、EMD或LMD 采用硬性阈值化处理(-H)一般比柔性阈值化处理(-S)的去噪效果更好,仿真中还发现:从 SNR1 > 3dB 时 EMD 基算法的去噪性能便开始降低,随着 SNR1 的增加性能下降趋势明显;与 EMD 基算法相反,LMD 基算法对仿真 Sin 信号的去噪性能则不断提高,特别是采用硬性阈值化处理的 LMD-H。
2.如权利要求1所述的基于局域均值分解的信号去噪方法,其特征在于,所述的基于局域均值分解的信号去噪方法在许多实际应用场合中,是很难获得真实的源信号 s 以及噪声分量 n 的,不过通常可以得到带噪观测信号 x,为了对比检验不同的去噪算法,设计了去噪实验装置,该实验装置由标准信号发生器、数字示波器以及 AVANT 一体化数据采集仪构成,实验步骤如下:
(1)连接信号发生器与示波器,调整产生一个幅值为 A、频率为 f 的标准方波信号;
(2)将该信号输入八通道数据采集仪的第一通道“CH1”中,其他通道空置,采集数字信号;
考虑到数据采集系统中可能存在的高频噪声干扰,实验中设定了较高的采样频率为 Fs = 48kHz;
(3)从虚拟的带噪方波观测信号 x(t) 中任意截取一段整周期样本,不失一般性记为 x;
(4)从已知的带噪观测样本 x 出发,根据实验参数(A、 f 以及 Fs 等)构造一个近似“纯净”的方波信号,记为 s;
利用这个参考源信号 s,即可近似计算观测信噪比 SNR1,并依据去噪后的信噪比 SNR2 来考察比较不同算法的去噪性能。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
地震波高灵敏测量装置 | 2020-05-11 | 604 |
一种高分辨率地震波成像方法和装置 | 2020-05-13 | 644 |
一种实现地震波场数值模拟方法 | 2020-05-13 | 376 |
地震波立体演示台 | 2020-05-11 | 111 |
注水激发地震波方法 | 2020-05-11 | 985 |
一种地震波分解方法 | 2020-05-11 | 670 |
井眼地震波接收器 | 2020-05-11 | 31 |
勘测三维地震波的方法及设备 | 2020-05-12 | 120 |
一种增强地震波激发照明的设计方法 | 2020-05-13 | 738 |
地震波采集装置 | 2020-05-12 | 662 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。