预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110765834A(43)申请公布日2020.02.07(21)申请号201910787057.3(22)申请日2019.08.25(71)申请人青岛科技大学地址266061山东省青岛市崂山区松岭路99号申请人青岛蓝湾信息科技有限公司江苏优埃唯智能科技有限公司(72)发明人王景景李嘉恒杨星海施威郭瑛张天遨王綝郑欣杨清(74)专利代理机构青岛海昊知识产权事务所有限公司37201代理人刘艳青(51)Int.Cl.G06K9/00(2006.01)G06N3/00(2006.01)权利要求书3页说明书11页附图4页(54)发明名称一种基于改进人工蜂群算法的参数小波阈值信号去噪方法(57)摘要本发明公开了一种基于改进人工蜂群算法的参数小波阈值信号去噪方法,首先获取待去噪信号,进行小波变换,得到小波系数;在传统阈值函数的基础上设计了一种新的阈值函数,通过数学推导证明其性质,并确定待优化阈值参数;对原始人工蜂群算法进行改进;将待去噪信号和去噪信号之间的均方误差作为S3中改进的人工蜂群算法的适应度函数,在获取最小均方误差情况下得到最优阈值参数;使用S4得到的最优阈值参数应用到S2中新的阈值函数,对小波系数进行收缩处理得到新的小波系数,再进行逆小波变换,得到去噪信号。本发明能够获得更小的均方误差、更高的输出信噪比和更大的噪声抑制比。CN110765834ACN110765834A权利要求书1/3页1.一种基于改进人工蜂群算法的参数小波阈值信号去噪方法,其特征在于,该方法包括以下步骤:S1:首先获取待去噪信号,进行小波变换,得到小波系数;S2:在传统阈值函数的基础上设计一种新的阈值函数,通过数学推导证明其性质,并确定待优化阈值参数;S3:对原始人工蜂群算法进行改进;S4:将待去噪信号和去噪信号之间的均方误差作为S3中改进的人工蜂群算法的适应度函数,在获取最小均方误差情况下得到最优阈值参数;S5:使用S4得到的最优阈值参数应用到S2中新的阈值函数,对小波系数进行收缩处理得到新的小波系数,再进行逆小波变换,得到去噪信号。2.如权利要求1所述的信号去噪方法,其特征在于,上述S2具体为:S2-1、一种新的阈值函数构造:对半软阈值函数进行改进,得到如下表达式:其中sgn(·)为符号函数,wj,k为原始小波系数,α为指数因子,取值非负数,λj为第j层阈值,j,k表示第j层第k个系数;S2-2:新的阈值函数性质证明从连续性的定义来看,新的阈值函数在(-∞,-λj),(-λj,+λj)和(+λj,+∞)是连续的;当wj,k≥λj时,新的阈值函数可写成:则当wj,k=λj时,当|wj,k|<λj时,新的阈值函数可写成即因此可得新的阈值函数在点wj,k=λj连续,同理可证明新的阈值函数在wj,k=-λj也连续,所以新的阈值函数在(-∞,+∞)是连续的;当wj,k→+∞时,2CN110765834A权利要求书2/3页同理可证当wj,k→-∞时,所以因此是新的阈值函数的一条渐近线,即新的阈值函数是以硬阈值函数为渐进线的一种半软阈值函数;S2-3:确定待优化阈值参数将新的阈值函数中的λj和α参数作为待优化阈值参数。3.如权利要求1所述的信号去噪方法,其特征在于,所述步骤S3的具体如下:S3-1:基于佳点集的种群初始化佳点构造方法如下:其中p是满足(p-3)/2≥D的最小素数,D是解的维度,{·}表示取·的小数部分,r是佳点;因此佳点集构造方法为PSN(i)={{r1*i},{r2*i},...,{rD*i}},i=1,2,...,SN其中{·}表示取·的小数部分,SN为种群大小,则初始种群为X=Lbd+(Ubd-Lbd)*PSN其中Lb为解的下界,Ub为解的上界,d是当前维解空间,d=1,2,...,DS3-2:以动态精英种群指导的领域搜索策略以动态调整精英种群数量,使其以线性增长方式进行领域搜索指导,具体过程如下:首先计算每个Xi(i=1,2,...,SN)的适应度值,然后取较好的Telite=ceil(p*SN)个蜜蜂构成动态精英种群DXEi(i=1,2,...,Telite),其中ceil(·)表示向上取整,p是精英种群在所有种群中占的比例,根据下式确定:其中pmax为比例上限,pmin为比例下限;确定动态精英种群后,领域搜索以动态精英种群为指导,邻域搜索方程为vid=DXECd+φid(Gbestd-xkd),d=1,2,...,D其中φid是[-1,1]之间的随机实数;Gbest是全局最优解,动态精英种群中心DXEC由下式计算得到:以动态精英种群指导的领域搜索策略为:在雇佣蜂阶段,雇佣蜂以相同的概率随机搜3CN110765834A权利要求书3/3页索领域,并通过邻域搜索方程式产生新