[发明专利]一种基于EWT-SE及小波阈值的叶片声信号降噪方法

权利要求书

1.一种基于EWT-SE及小波阈值的叶片声信号降噪方法，其特征在于，该方法采用下述步骤：

步骤1：利用EWT分解方法对原始风机叶片声信号时间序列进行分解，得到不同频率下的模态函数分量f_i(t)；

步骤2：利用改进的样本熵算法计算各模态函数分量的样本熵值；改进的样本熵算法的计算步骤为：

(1)假设一模态函数分量的声信号长度为L，将声信号分解为帧长为N的M帧，帧移为inc，各帧声信号记为X_k(k＝1,2,…M)，分帧公式为：

M＝(L-N+inc)/inc

(2)确定嵌入维数m，将长度为N的一帧声信号X_k(k＝1,2,…M)重构为m维向量，即：

x_i＝[x_i,x_i+1,…x_i+m-1],i＝1,2,…,N-m

(3)定义两个向量x_i和x_j的距离d_ij为两向量对应元素差值的绝对值最大值，即：

(4)确定相似容限r，统计d_ij小于r的数目B_i，计算B_i与d_ij总数N-m-1的比值，记做并求的平均值，即：

(5)对嵌入维数m+1，重复上述步骤(2)-(4)，得到与B^m+1(r)；

(6)计算该帧声信号X_k(k＝1,2,…M)的样本熵：

SampEn(m,r,N)＝ln B^m(r)-ln B^m+1(r)

(7)重复步骤(2)～(6)，计算M帧声信号的样本熵值并求和，得到相应模态函数分量的样本熵值；

步骤3：将各模态函数分量的样本熵值从大到小排列，选取样本熵突变后的模态函数分量作为信号重构分量，并将样本熵突变后的第一个模态函数分量提取为边界模态函数；

步骤4：利用修改后的小波阈值函数对步骤3中所提取的边界模态函数进行再降噪；修改后的小波阈值函数为：

其中ω_j,k为小波变换得到的低频系数，取阈值式中σ为ω_j,k的方差，L为边界模态函数的声信号长度；

步骤5：对步骤3中所选取的除边界模态函数之外的信号重构分量和经步骤4降噪处理后的边界模态函数进行重构，得到降噪后的叶片声信号。

2.根据权利要求1所述的一种基于EWT-SE及小波阈值的叶片声信号降噪方法，其特征在于，m＝2，r＝0.15Std，inc＝300，N＝1024。

3.根据权利要求1所述的一种基于EWT-SE及小波阈值的叶片声信号降噪方法，其特征在于，步骤1中的不同频率下的模态函数分量f_i(t)的个数为10。