[发明专利]经验模态分解结合字典学习的复杂信号去噪方法

摘要

一种经验模态分解结合字典学习的复杂信号去噪方法：对含有噪声的信号进行EMD分解，得到一组阶次由低到高的本征模态函数信号；采用小波软阈值去噪方法对含有噪声的本征模态函数进行去噪；将去噪后的本征模态函数和其余本征模态函数相加得到去噪信号，将残差相加得到噪声成分；将去噪信号分割成一组训练样本，采用KSVD算法从中训练出一组信号字典；将噪声成分分割成一组训练样本，采用KSVD算法从中训练出一组噪声字典；将信号字典和噪声字典组合得到混合字典；将需要去噪的信号在混合字典上进行稀疏分解，得到一组稀疏向量，将稀疏向量中噪声原子对应的系数置零；把混合字典和处理后的稀疏向量相乘，得到最终的去噪信号。本发明能有效去除多种噪声成分。

主权项

1.一种经验模态分解结合字典学习的复杂信号去噪方法，其特征在于，包括如下步骤：1)对含有噪声的信号进行EMD分解，得到一组阶次由低到高的本征模态函数信号；2)采用小波软阈值去噪方法对含有噪声的本征模态函数进行去噪，是先对每一个含有噪声的本征模态函做小波变换，再做软阈值去噪处理，最后进行小波变换重构，得到去噪后的本征模态函数和噪声；3)将步骤2)得到的去噪后的本征模态函数和其余本征模态函数相加，得到去噪信号用于之后的信号字典训练，将步骤2)得到的噪声相加得到噪声成分n(x)，用于之后的噪声字典训练；4)将步骤3)中的去噪信号分割成一组训练样本，采用KSVD算法从中训练出一组信号字典D₁，其中，原子个数为m；5)将步骤3)中的噪声成分n(x)分割成一组训练样本，采用KSVD算法从中训练出一组噪声字典D₂，其中，原子个数为n；6)将信号字典D₁和噪声字典D₂组合得到混合字典D，D＝{D₁:D₂}              (6)；7)将需要去噪的信号在混合字典D上进行稀疏分解，得到一组稀疏向量(x₁,x₂,…,x_m+n)，将稀疏向量(x₁,x₂,…,x_m+n)中噪声原子对应的系数置零：8)把混合字典D和处理后的稀疏向量相乘，得到最终的去噪信号