[发明专利]一种基于短时窗均值-VMD算法的惯导非平稳信号降噪方法

权利要求书

1.一种基于短时窗均值-VMD算法的惯导非平稳信号降噪方法，其特征在于，包括如下步骤：

(1)短时窗求均值处理

在时域对原始信号进行短时窗微分，在短时窗内求信号均值；

(2)信号平稳化处理

将短时窗均值处理后的每段信号重新拼接成完整信号，用初始信号减去短时窗均值处理后的完整信号，变成平稳信号；

(3)变分模态分解处理

对平稳信号进行变分模态分解，分解层数对应信号中频率分量；

(4)信号重构

根据模态分量的能量值，筛选有用信号的模态分量进行信号重组；

(5)降噪信号获得

VMD降噪后的平稳信号加上短时窗均值信号，得到最终降噪信号。

2.根据权利要求1所述的基于短时窗均值-VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(1)中，短时窗求均值处理的具体实现步骤包括：

(1.1)将原始信号划分为若干组，根据原始信号设定窗宽与重复单元数，窗宽指单个窗包含的数据长度，重复单元指第k个窗与k+1个窗的重复部分，即每一段的重叠样本数，默认值是在各段之间产生50％的重叠；则原始信号总长度为：

n＝xW-(x-1)L (1)

上式中n为原始信号总长度，分成x段窗，每段窗宽为W，窗与窗间重叠长度为L；

(1.2)对每段短时窗求均值；

上式中F(t,x)为每段短时窗的均值。

3.根据权利要求1所述的基于短时窗均值-VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(2)中，信号平稳化处理的具体实现步骤包括：

(2.1)将每段短时窗重新拼接到一起，得到完整均值信号；

F_aver(t)＝F(t,1)+F(t,2)+…+F(t,x) (3)

上式中F_aver(t)为均值信号；

(2.2)原始信号减去均值信号后，得到平稳信号；

F_sta(t)＝f(t)-F_aver(t) (4)

上式中F_sta(t)为平稳信号，f(t)为原始信号。

4.根据权利要求1所述的基于短时窗均值-VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(3)中，分解层数为4。

5.根据权利要求1所述的基于短时窗均值-VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(4)中，信号重构的具体实现步骤包括：

计算VMD分解后的每个分量的能量值，其表达式为：

上式中，E_k为第k个分量的能量值，μ_k为第k个分量，T_max,k和T_min,k分别为第k个分量的时间上限和时间下限；

依据各分量的能量值大小，将各分量划分为趋势分量、低频分量和高频分量，其中趋势分量和低频分量代表负荷时间序列中的规律性，高频分量代表负荷时间序列中的随机性，由于随机部分是无法准确预测的，故将其剔除，而把趋势分量和低频分量作为重组信号。

6.根据权利要求1所述的基于短时窗均值-VMD算法的惯导非平稳信号降噪方法，其特征在于，所述步骤(5)中，降噪信号获得的具体实现步骤包括：

上式中，表示VMD降噪后平稳信号与均值信号重组后的降噪信号，能够更好的恢复信号形态和幅值，表示VMD降噪后平稳信号。