[发明专利]基于变模态分解加权重构信号结合小波阈值去噪方法

说明书

本发明提供了一种基于变模态分解加权重构信号结合小波阈值去噪方法。该方法首先利用VMD将接收信号分解成K个固有模态函数，然后计算各个固有模态函数和接收信号的相关度，将相关度排序后，选择前m个固有模态函数加权重构信号，根据相关度确定每个IMF的权值，最后利用小波阈值去噪对重构信号二次去噪，得到最终的去噪信号。本发明通过利用相关度来确定重构函数时所用固有模态函数的个数提高算法的准确率，在信号的重构过程中增加权值来实现信号的有效重构，并利用小波阈值方法对信号去噪，实现了噪声的有效去除，得到最终的去噪信号。

技术领域

本发明属于信号去噪技术领域，具体地说，涉及一种基于变模态分解加权重构信号结合小波阈值去噪方法。

背景技术

信号在采集、传输和处理过程中经常受到噪声的污染，这种情况将导致信号质量的下降，对接收端信号的恢复和解调会产生一定的消极影响，为了更高效准确地恢复源信号，在接收端对信号解调之前往往会先对信号进行预处理，包括信号的去噪、增强等过程，信号去噪过程好坏对信号的解调有至关重要的影响。

常用的信号去噪方法有经验模态分解(empirical modal decomposition，EMD)降噪法、递归最小二乘自适应滤波、基于小波变换的信号去噪、基于经验模式分解的信号去噪等。其中EMD方法本身存在模态混叠、抗噪性能较差等缺陷，从而失真率较高。基于小波变换的去噪算法模型简单，几乎不需要含噪信号的任何先验信息，且小波变换具备良好的时频特性，在去噪领域受到了许多学者的重视，然而小波去噪的两种方法分别存在各自优缺点。软阈值法获得的重构信号具有更好的光滑性，但误差相对较大；硬阈值法获得的重构信号具有更好的逼近性，但有附加振荡的问题。

发明内容

本发明的目的是提出一种基于变模态分解加权重构信号结合小波阈值去噪方法，以弥补现有技术的不足。

为实现上述发明目的，本发明采用下述技术方案予以实现：

一种基于变模态分解加权重构信号结合小波阈值去噪方法，包括以下步骤：

S1：接收待去噪的源信号，首先对源信号VMD分解得到k个IMF函数；

S2：计算S1分解得到的每个IMF与源信号的相似度S_i，i＝1，…，k；

S3：对所述相似度S_i排序，选取相似度最大的前m个IMF进行加权后得到重构信号，其他IMF看作噪声信号舍弃；

S4：再对所述重构信号进行小波阈值去噪，得到最终去噪后的信号。

进一步的，所述S1中，所述对源信号VMD分解得到k个IMF函数包括如下：

S1-1：基于代数方法确定要分解的IMF个数K：

变分问题模型的建立是将接收到的信号x(t)分解成K个模态函数u_k(t)，使各模态的和与信号x(t)相等，模态分量的估计带宽和值最小；

利用VMD算法进行去噪处理时，必须确定模态分量的个数K，对信号的频带进行正确的划分，K值设置直接影响分解结果的精度；利用代数方法求K值，对原始信号进行Hilbert变换得到频谱关系，根据频谱结果进行瞬时频率平均值的计算，确定分解层数K，即：

其中，ω_i(t)＝0，i＝i+1，时，此时K值的大小为临界值，得出K值；

S1-2：对信号VMD分解得到IMF:

变模态分解约束模型的表达式为：