[发明专利]一种混沌信号降噪方法

权利要求书

1.一种混沌信号降噪方法，其特征在于，包括以下步骤：

步骤1，通过自适应噪声完备集合经验模态将原始含噪混沌信号分解为若干个固有模态函数；

步骤2，计算每个固有模态函数的复杂度，并通过复杂度值识别出序列A，序列A为噪声序列；

步骤3，计算除序列A以外的固有模态函数的精细复合多尺度散布熵，根据精细复合多尺度散布熵的不同阈值将剩余的固有模态函数划分为序列B、序列C和序列D，其中序列B为噪声主导序列，序列C为真实信号主导序列，序列D为真实序列；

步骤4，对序列B和序列C分别进行小波软阈值降噪，降噪后的信号通过信噪比和均方根误差确定最优级别，进而确定降噪效果最优的序列B和序列C；

步骤5，去除序列A，将步骤4得到降噪效果最优的序列B、降噪效果最优的序列C和序列D组合重构，获得最终降噪信号。

2.根据权利要求1所述的一种混沌信号降噪方法，其特征在于，步骤1中，自适应噪声完备集合经验模态分解原始含噪混沌信号为若干个固有模态函数时，定义原始信号为x(t)，将自适应噪声完备集合经验模态所产生的第n个模态分量记作最终的余量信号为R(t)，则原始信号x(t)的组成为：

其中：t为时间；将被分解的若干个固有模态函数，依次从高频到低频排列。

3.根据权利要求2所述的一种混沌信号降噪方法，其特征在于，自适应噪声完备集合经验模态通过添加各种白噪声实现原始信号的精确重构。

4.根据权利要求1所述的一种混沌信号降噪方法，其特征在于，步骤2中，计算每个固有模态函数的复杂度，当某个固有模态函数的复杂度值≥p时，该固有模态函数被判定为序列A。

5.根据权利要求4所述的一种混沌信号降噪方法，其特征在于，步骤2中，固有模态函数的复杂度通过非顺序递归法计算，具体包括以下步骤：

(2-1)将输入时间序列转换为符号序列，令输入序列为s₁,...,s_n，n为序列总数；

(2-2)执行第一次迭代，当出现最大次数的符号时，该符号会被新的符号代替；

(2-3)继续进行第二次迭代；

(2-4)按照上述算法对剩余序列s₂,...,s_n分别进行迭代，直到变换后的字符串长度缩小到1或字符串变为常数序列，变换后的字符串的熵为零，算法停止，得到将输入序列转换为常数序列所需的算法次数N；

(2-5)定义复杂度为ETC，其计算式为：

上式中，L代表符号序列的长度，取值为正整数；N为将输入序列转换为常数序列所需的算法次数，取值为0到L-1的非负整数；其中0≤ETC≤1。

6.根据权利要求4所述的一种混沌信号降噪方法，其特征在于，当混沌信号为水声混沌信号时，p为0.85。

7.根据权利要求1所述的一种混沌信号降噪方法，其特征在于，步骤3具体包括以下步骤：

(3-1)计算除序列A以外的固有模态函数的精细复合多尺度散布熵值，若固有模态函数的精细复合多尺度散布熵值≥阈值q，则将此固有模态函数划分在序列B的范围内；此时，所有的固有模态函数被划分为序列A、序列B和其他固有模态函数；

(3-2) 将步骤(3-1)中的其他固有模态函数中精细复合多尺度散布熵值≥阈值r的划分在序列C的范围内，剩余的固有模态函数划分在序列D的范围内；其中序列C为真实信号主导序列，序列D为真实序列。

8.根据权利要求7所述的一种混沌信号降噪方法，其特征在于，当混沌信号为水声混沌信号时，阈值q为1.85，阈值r为1.10。