[发明专利]一种星载全波形信号的自适应经验模态分解去噪方法

权利要求书

1.一种星载全波形信号的自适应经验模态分解去噪方法，其特征在于，包括：

步骤S1：获取含噪的全波形信号；

步骤S2：进行EMD分解，以获取所有的IMF成分；

步骤S3：确定每个IMF成分的Hurst指数值；

步骤S4：根据每个IMF成分的Hurst指数值判断该IMF成分是否是高频IMF成分；

步骤S5：根据判断结果，若为高频IMF成分，则进行软阈值处理，得到去噪后的高频IMF成分并保留，否则，直接保留低频IMF成分；

步骤S6：将去噪后的高频IMF成分和低频IMF成分叠加，重构为去噪后的全波形信号。

2.根据权利要求1所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，在所述步骤S2中，在进行EMD分解时，采用spline插值方法对极大值和极小值点进行插值得到上下包络线，直到IMF筛选过程不能再分离出IMF成分，分解项最后剩余一个单调余项；IMF筛选过程的终止条件为：相邻两次迭代之间标准差达到一筛选过程终止阈值。

3.根据权利要求2所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，所述筛选过程终止阈值的取值范围为0.2-0.3。

4.根据权利要求1所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，在所述步骤S3中，通过采用DFA-1方法，来构建Hurst指数，从而确定每个IMF成分的Hurst指数值。

5.根据权利要求4所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，在所述步骤S3中，IMF成分包括长度为N的时间序列{x_t，t＝1，2，3...N}，每个IMF成分的Hurst指数值通过以下方式确定：

步骤S31：计算累计离差；

步骤S32：将累计离差的序列分成长度为L的N_L个不相交的等长的子区间，4≤L≤N/4，N_L＝int(N/L)；

步骤S33：确定每个子区间的局部趋势，并对每个子区间的序列去除其局部趋势，获得去除局部趋势后的累计离差S_L(i)的序列；

步骤S34：确定每一个子区间的方差，并确定整个区间的波动函数；

步骤S35：对波动函数与子区间长度L采用双对数方式进行线性拟合，

步骤S35：对波动函数F(L)与子区间长度L采用双对数方式进行线性拟合，得到斜率α，该斜率α即为IMF成分的Hurst指数值。

6.根据权利要求5所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，在所述步骤S31中，累计离差S(i)为：

其中，x_t为IMF成分的时间序列中第t个值，i为累计离差的序数。

7.根据权利要求5所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，在所述步骤S33中，去除趋势后的每个子区间的累计离差S_L(i)为：

S_L(i)＝S(i)-P_v(i)，

其中，P_v(i)为第v段子区间的局部趋势，S(i)为累计离差。

8.根据权利要求5所述的星载全波形信号的自适应经验模态分解去噪方法，其特征在于，在所述步骤S34中，

每一个子区间的方差为：

其中，S_L为去除趋势后的每个子区间的累计离差，L为每个子区间的长度，v＝1，…，N_L；

整个区间的波动函数F(L)为：

其中，V是子区间序数，N_L是子区间总数，是第v段子区间的方差，N是IMF成分的时间序列长度。