[发明专利]一种基于经验模态分解与小波分析的信号联合去噪方法有效
申请号: | 201510049964.X | 申请日: | 2015-01-30 |
公开(公告)号: | CN104636609B | 公开(公告)日: | 2017-12-19 |
发明(设计)人: | 任春辉;谢东;付毓生;张世合 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;G06F17/50 |
代理公司: | 成都点睛专利代理事务所(普通合伙)51232 | 代理人: | 葛启函 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明属于信号处理技术领域,尤其涉及低信噪比下加性高斯白噪声信号的去噪方法。本发明根据信号的自相关性,对信号求自相关,所述信号的自相关函数在零点处取得最大值,幅度随着时间差的变化而变化,并不会很快的衰减到很小的值。对混有高斯白噪声的信号进行EMD分解,由于EMD分解的性质,高斯白噪声已不再是真正的白噪声,但白噪声的统计特性近似存在,即所述混有高斯白噪声的信号的自相关函数在零点取得最大值,幅值随着时间差的变化而变化,但其随着时间的衰减很快。利用这种差异可以选取出噪声起主导作用的IMF分量有效降低噪声对信号的影响。在低信噪比条件下,本发明的去噪性能优于传统方法,能够在价低信噪比条件下完成信号去噪。 | ||
搜索关键词: | 一种 基于 经验 分解 分析 信号 联合 方法 | ||
【主权项】:
一种基于经验模态分解与小波分析的信号联合去噪方法,其特征在于,包括如下步骤:S1、对接收信号进行EMD分解,得到m个IMF分量;S2、分别求取S1所述m个IMF分量的自相关函数,并选取出界值点K,所述界值点K为S1所述接收信号的IMF分量中信号主导部分和噪声主导部分的分界点,其中,1<K<m;S3、根据公式对IMF1‑IMFK进行阈值处理得到第j个IMF分量的阈值T0(j),其中,N为S1所述接收信号的长度,IMFj表示第j个IMF分量,1≤j≤K;S4、对比S3所述第j个IMF分量的阈值与第j个IMF分量内元素的大小,具体为:若IMFj(i)≥T0(j),则判定第j个IMF分量内元素i为S1所述接收信号的真实信号部分,转到S5,若IMFj(i)<T0(j),则判定第j个IMF分量内元素i为S1所述接收信号的噪声部分,对所述元素i赋值为0;S5、根据量化函数IMFj(i)=sign(IMFj(i))×(|IMFj(i)|‑λ*T0(j))对S4所述第j个IMF分量内元素i进行阈值量化,得到量化后的IMF分量,其中,λ=0.3,i为不为零的自然数;S6、将S5所述的量化后的IMF分量与IMFK+1‑IMFm一起通过重构函数进行信号重构,完成信号一级处理,其中,n为离散变量;S7、对S6所述完成信号一级处理的信号进行N2层平稳小波分解,得到小波系数细节部分和近似部分;S8、根据公式T1(f)=resort(index)对S7所述小波系数的细节部分进行阈值处理得到第f层细节部分的阈值T1(f),所述resort(*)表示第f层绝对值|SWDf|的降序排列序列,索引index按照公式给出,其中,α1,α2均为试验常数参量,N1为S6所述完成信号一级处理的信号长度,1≤f≤N2;S9、比较S8所述第f层细节部分的阈值T1(f)和第f层细节部分的第g个元素SWDf(g)的大小,若SWDf(g)≥T1(f),则进行阈值量化,若SWDf(g)<T1(f),则判定为噪声分量,赋值SWDf(g)=0;S10、利用平稳小波逆变换函数完成次级信号重构:根据S9所述阈值量化后的细节部分和第N2层的近似部分,利用平稳小波逆变换函数完成信号重构。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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电子科技大学,未经电子科技大学许可,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/patent/201510049964.X/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用