[发明专利]一种适用于非高斯信号的贝叶斯小波包降噪方法

说明书

本发明属于信号处理技术领域，尤其涉及一种适用于非高斯信号的贝叶斯小波包降噪方法。其适用于非高斯信号的贝叶斯小波包降噪。包括以下步骤：步骤一：获取监测对象的含噪的信号构建时间序列。步骤二：对时间序列进行离散小波包分解，根据小波系数计算各分解层数的定级指标，根据定级指标确定最优分解层数。步骤三：估算各分解层级中真实信号的小波系数。步骤四：根据估算的小波系数利用小波包逆变换公式对原始信号重构，从而得到去噪后的信号。

技术领域

本发明属于信号处理技术领域，尤其涉及一种适用于非高斯信号的贝叶斯小波包降噪方法。

背景技术

为了保证机械设备运行安全稳定，需要对设备的运行状态进行监测，设备的故障特征较小时噪声会严重影响系统识别效果。因此，对测试信号进行有效降噪至关重要。

在使用现有贝叶斯小波包降噪方法时，先验信息通常假定具有高斯性或带有高斯性的混合分布，这无法准确描述非高斯信号，严重影响已有方法的使用范围。

在使用小波包去噪方法时，分解层数是一个重要参数。如果分解层数过少，会导致真实信号与噪声信号分离程度不足；如果分解层数过多，会导致特征信息在小波系数的分布过度分散，降噪后导致真实的特征信息部分丢失，对后续特征提取分析工作有不利影响。现有方法无法摆脱人为干预来选取分解层级，也影响了小波包降噪方法在自动化监测中的使用。

发明内容

本发明就是针对现有技术存在的缺陷，提供一种适用于非高斯信号的贝叶斯小波包降噪方法。

为实现上述目的，本发明采用如下技术方案，包括以下步骤：

步骤一：获取监测对象的含噪的信号构建时间序列y(t_i)。

步骤二：对时间序列y(t_i)进行离散小波包分解，根据小波系数计算各分解层数的定级指标，根据定级指标确定最优分解层数。

步骤三：估算各分解层级中真实信号的小波系数。

步骤四：根据估算的小波系数利用小波包逆变换公式对原始信号重构，从而得到去噪后的信号。

优选的，步骤一中所述的含噪的信号为加速度信号。

优选的，步骤一所述的信号中，真实信号与噪声信号具有不同的概率分布类型。

优选的，步骤二中所用基小波为正交小波。

优选的，步骤二中最大分解层数2J10。

优选的，步骤三中，尽可能精确描述信号及噪声的小波系数概率分布p_G和p_ε，

若步骤二中采用正交小波基，p_G和p_ε可用x(t_i)和ε(t_i)的概率分布表示。

优选的，步骤四中，采用信噪比(SNR)和时域分析两种方法对去噪效果进行评估。

其中，步骤一的具体方式如下：

基于传感器实测的含噪信号，截取包含信号特征的一段构建时间序列y(t_i)。采样频率应符合香农采样定理；为了表述方便，设y(t_i)＝x(t_i)+ε(t_i),i＝1,2,…,2^J，其中x(t_i)和ε(t_i)为真实信号及真实噪声信号的时间序列，J＝log₂N。降噪目的就是获得x(t_i)的预估值。

步骤二的具体方式如下：