[发明专利]一种生态系统碳通量测量信号的处理方法、装置及电子设备在审
申请号: | 202110989372.1 | 申请日: | 2021-08-26 |
公开(公告)号: | CN113742985A | 公开(公告)日: | 2021-12-03 |
发明(设计)人: | 贾良权;高璐;黄旭;李莉;祁亨年;唐琦哲 | 申请(专利权)人: | 湖州师范学院 |
主分类号: | G06F30/25 | 分类号: | G06F30/25;G06F17/16;G06K9/00;G06N3/00;G06F119/10 |
代理公司: | 合肥市上嘉专利代理事务所(普通合伙) 34125 | 代理人: | 郭华俊 |
地址: | 313000 *** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 生态系统 通量 测量 信号 处理 方法 装置 电子设备 | ||
1.一种生态系统碳通量测量信号的处理方法,其特征在于,包括:
对生态系统碳通量测量信号进行奇异值分解去噪,获得初步降噪处理的第一信号;
对所述第一信号进行经验模式分解获得所述第一信号包括的多个线性稳态信号,并确定其中一个所述线性稳态信号作为待处理信号;
对所述待处理信号进行基于粒子群算法的滤波降噪处理,获得处理后的信号。
2.根据权利要求1所述的生态系统碳通量测量信号的处理方法,其特征在于,所述对生态系统碳通量测量信号进行奇异值分解去噪,获得初步降噪处理的第一信号,包括:
通过奇异值分解算法构造所述生态系统碳通量测量信号的奇异值矩阵;
根据所述奇异值矩阵的对角线元素获得初步降噪处理的第一信号。
3.根据权利要求2所述的生态系统碳通量测量信号的处理方法,其特征在于,所述根据所述奇异值矩阵的对角线元素获得初步降噪处理的第一信号,包括:
对所述奇异值矩阵的对角线上的奇异值元素进行求和作为奇异值和;
基于所述奇异值和获得所述奇异值矩阵的对角线上的各奇异值元素对应的奇异值熵;
根据各所述奇异值熵获得初步降噪处理的第一信号。
4.根据权利要求3所述的生态系统碳通量测量信号的处理方法,其特征在于,所述根据各所述奇异值熵获得初步降噪处理的第一信号,包括:
基于所述奇异值熵和所述奇异值矩阵的对角线上的所有两相邻奇异值元素获得对应各两相邻奇异值元素的奇异值熵商;
获取所有所述奇异值熵商保持变化的奇异值元素作为目标奇异值元素;
确定所述目标奇异值元素对应的所述述生态系统碳通量测量信号的分解信号为第一子信号,
基于所述第一子信号获得初步降噪处理的第一信号。
5.根据权利要求1所述的生态系统碳通量测量信号的处理方法,其特征在于,所述对所述第一信号进行经验模式分解获得所述第一信号包括的多个线性稳态信号,并确定其中一个所述线性稳态信号作为待处理信号,包括:
基于经验模式分解算法将所述第一信号进分解为多个线性稳态信号和一个残余分量;
选择反映信号局部特征最多的一个IMF与残余分量的重构信号作为待处理信号,其中:所述信号局部特征的表示因子的计算如下:
C=(1-DE)+r
其中:C为信号局部特征的表示因子,DE为所述稳态信号的散布熵值,r为所述残余分量与所述第一信号的相关程度。
6.根据权利要求1所述的生态系统碳通量测量信号的处理方法,其特征在于,所述对所述待处理信号进行基于粒子群算法的滤波降噪处理,获得处理后的信号,包括:
以SG滤波算法中的滤波阶数和滤波窗口为粒子群算法的优化对象、以滤波后的信号相对滤波前的信号的信噪比和均方根误差为粒子群算法的适应度函数的构造依据来优化SG滤波算法,得到改进滤波算法;
基于所述改进滤波算法对所述待处理信号进行滤波降噪处理,获得处理后的信号。
7.根据权利要求6所述的生态系统碳通量测量信号的处理方法,其特征在于,所述以SG滤波算法中的滤波阶数和滤波窗口为粒子群算法的优化对象、以滤波后的信号相对滤波前的信号的信噪比和均方根误差为粒子群算法的适应度函数的构造依据来优化SG滤波算法,包括:
以SG滤波算法中的滤波阶数和滤波窗口为改进粒子群算法的优化对象、以滤波后的信号相对滤波前的信号的信噪比和均方根误差为改进粒子群算法的适应度函数的构造依据来优化SG滤波算法;其中:所述改进粒子群算法包括改进粒子群算法的惯性权重和学习因子。
8.一种生态系统碳通量测量信号的处理装置,其特征在于,包括:
初步降噪装置,被配置为对生态系统碳通量测量信号进行奇异值分解去噪,获得初步降噪处理的第一信号;
信号处理装置,被配置为对所述第一信号进行经验模式分解获得所述第一信号包括的多个线性稳态信号,并确定其中一个所述线性稳态信号作为待处理信号;
滤波降噪装置,被配置为对所述待处理信号进行基于粒子群算法的滤波降噪处理,获得处理后的信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖州师范学院,未经湖州师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110989372.1/1.html,转载请声明来源钻瓜专利网。