[发明专利]基于排列熵准测的CEEMD去噪重构信号方法及装置

说明书

本发明公开了一种基于排列熵准测的CEEMD去噪重构信号方法及装置，该方法包括：步骤S1：对原始信号进行预处理，用以提高回波数据的信噪比；步骤S2：CEEMD重构；利用改进型CEEMD分解得到IMF分量，通过排列熵与最大类间方差法来确定IMF分界点，将IMF分界点及IMF分界点之后的IMF分量记作有用分量；步骤S3:重构信号；利用CEEMD重构之后的有用分量进行信号重构。该装置用来实施上述方法。本发明具有原理简单、效果更好、适用范围更广、能够提高信号去噪重构效果等优点。

技术领域

本发明主要涉及到超宽带雷达技术领域，特指一种基于排列熵准测的CEEMD去噪重构信号方法及装置。

背景技术

超宽带雷达是一种具有强穿透性、高分辨率、全天候性的探测雷达，经过多年发展，广泛应用于巷战反恐、灾害救援以及医护监测等领域。在实际应用中，超宽带雷达虽然能够检测人体的呼吸、心跳等信号大部分分布于低频分段，但传统的低通滤波器和小波变换都能起到保留大部分目标信号，从而抑制噪声；但现有方式仍然有平滑突变信号、缺乏自适应性等问题，进而影响到处理噪声的效果。

由于经验模态分解(Empirical mode decomposition, EMD)具有自适应地处理非线性和非平稳性信号的特点，并广泛应用到分析信号、检测信息、提取特征等领域，现已成为雷达用于去除噪声后重构信号的新方法。该方法为：首先利用EMD方法将信号分解为若干固有模态函数(Intrinsic mode function，IMF)，然后通过分析各个分量，揭示原信号的多尺度振荡变化特征。它既能使信号分解具有唯一性，又能在时域和频域同时具有良好的局部化性质。利用EMD分解对信号分解完毕之后，可以根据工程问题的需要灵活地对信号实现去噪重构。

但是，上述EMD方法也存在一些问题：在分解信号中，容易出现相似尺度的信号出现在不同的IMF分量或者单一IMF包含不同尺度的信号的情况，也就是模态混叠问题，其不仅对噪声抑制效果造成一定的影响，还会产生虚假的目标信号。

为了解决这个问题，有学者提出集合经验模态分解方法(Ensemble EmpiricalMode Decomposition, EEMD)，即：通过加入多次正态白噪声到原始信号后进行EMD分解，求得的IMF做平均处理后作为最终结果，进而可以有效的减少模态混叠问题。但是，采用这种方式之后也带来其他问题：

1、加入白噪声需要人工设置；

2、加入白噪声次数为百量级导致耗时长；

3、平均处理得到的IMF不满足要求、信号重构后仍有白噪声残留等。

有从业者提出了中国专利申请（CN107480619A），参见图1，公开了一种基于EEMD和排列熵的探地雷达B扫描图像的降噪方法及系统，首先获取探地雷达二维B扫描图像信号，然后对获取的每一道B扫描图像信号均进行去噪，以获取改道B扫描图像信号抑制噪声后的信号，最后对各道去噪后的信号进行重新组合，得到抑制噪声后的二维B扫描图像信号；其中，对于任意一道B扫描图像信号进行EEMD分解，得到从高频到低频排列的K个IMF分量，计算各个IMF分量的排列熵值，选取排列熵不大于预设值的IMF分量来重构，得到去噪后的信号。本发明解决了EMD分解中存在的信号模态混叠问题，能够有效降低噪声。

虽然EEMD有效的解决EMD带来的模态混叠问题，但是其效果依赖于所加入白噪声的类型，这往往需要依照经验人为地输入白噪声；总体平均的次数在几百次以上，计算时间极长；添加的白噪声在信号重构后仍有残留，不可忽略。利用固定阈值作为来确定IFM分量分界点的方法，容易将包含目标的分量当做噪声分量，导致信号去噪重构效果差。