基于改进的经验模态分解与小波阀值函数的信号去噪方法与系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114970602A(43)申请公布日2022.08.30(21)申请号202210382670.9(22)申请日2022.04.13(71)申请人浙大宁波理工学院地址315199浙江省宁波市鄞州区首南街道钱湖南路1号(72)发明人白剑宇崔乾东白昊天文世挺杨劲秋(74)专利代理机构宁波市鄞州盛飞专利代理事务所(特殊普通合伙)33243专利代理师龙洋(51)Int.Cl.G06K9/00(2022.01)G06F17/14(2006.01)权利要求书3页说明书11页附图2页(54)发明名称基于改进的经验模态分解与小波阀值函数的信号去噪方法与系统(57)摘要本发明公开了一种基于改进的经验模态分解与小波阀值函数的信号去噪方法，涉及信号去噪领域，包括：通过替换后的完全自适应噪声集合经验模态分解对监测到的原始信号进行曲线拟合以求解包络线，并通过包络线获取原始信号的模态分量组；通过预设相关系数筛选出模态分量组中符合系数标准的模态分量为目标模态分量；通过硬阈值函数与软阈值函数利用预设调节参数获取目标小波阈值函数；对各目标模态分量进行小波分解，并利用目标小波阈值函数筛选出处于预设幅值范围内的小波系数；利用小波逆变换对筛选出的小波系数进行重构以得到去噪后的信号。本发明通过改进后的CEEMDAN与改进后的小波阀值函数结合对信号进行双重去噪，极大的提高了信号的去噪效果。CN114970602ACN114970602A权利要求书1/3页1.基于改进的经验模态分解与小波阀值函数的信号去噪方法，其特征在于，其用于对监测到的原始信号进行去噪，包括步骤：S01：利用分段三次Hermite插值法替换完全自适应噪声集合经验模态分解中的三次样条插值法，通过替换后的完全自适应噪声集合经验模态分解对监测到的原始信号进行曲线拟合以求解包络线，并通过包络线获取原始信号的模态分量组；通过预设相关系数筛选出模态分量组中符合系数标准的模态分量为目标模态分量；S02：通过硬阈值函数与软阈值函数利用预设调节参数获取目标小波阈值函数；S03：通过对各目标模态分量进行小波分解以得到其对应的小波系数，并利用目标小波阈值函数筛选出处于预设幅值范围内的小波系数；利用小波逆变换对筛选出的小波系数进行重构以得到去噪后的信号。2.根据权利要求1所述的基于改进的经验模态分解与小波阀值函数的信号去噪方法，其特征在于，所述模态分量组中包含若干阶的模态分量；所述步骤S01中的预设相关系数为模态分量与原始信号的相关系数，其公式表达式为：式中，L表示模态分量中原始信号的长度，n＝1,2,…,L，k表示模态分量组中模态分量的阶数，s(n)表示第n点原始信号，IMFk(n)表示第k阶模态分量中第n点原始信号对应的模态分量；r为第k阶模态分量与原始信号的相关系数。3.根据权利要求1所述的基于改进的经验模态分解与小波阀值函数的信号去噪方法，其特征在于，所述目标模态分量包含若干阶的模态分量，所述步骤S02中目标小波阈值函数的公式表达式为:式中,m为预设调节参数，j为小波分解的次数，k为目标模态分量中模态分量的阶数，λ为预设阈值，wj,k为第k阶模态分量在第j次小波分解时目标小波阈值函数的小波系数，tanh为双曲正切函数。4.根据权利要求1所述的基于改进的经验模态分解与小波阀值函数的信号去噪方法，其特征在于，所述步骤S01中求解包络线的具体方法为：通过原始信号获取信号时域谱的极大点、极小点以及极值对称点；通过分段三次Hermite插值法利用信号时域谱的极大点、极小点以及极值对称点获取包络线。5.根据权利要求2所述的基于改进的经验模态分解与小波阀值函数的信号去噪方法，其特征在于，所述步骤S01中的筛选方法具体为：获取除第一阶与最后一阶以外的各阶模态分量为中间阶模态分量；2CN114970602A权利要求书2/3页依次判断各中间阶模态分量的相关系数是否均小于其上下阶模态分量的相关系数，若是，则以该中间阶模态分量为局部模态分量，以局部模态分量的下一阶模态分量为分界模态分量，并以局部模态分量与分界模态分量为目标模态分量。6.基于改进的经验模态分解与小波阀值函数的信号去噪系统，其特征在于，其用于对监测到的原始信号进行去噪，包括：经验模态分解模块，用于利用分段三次Hermite插值法替换完全自适应噪声集合经验模态分解中的三次样条插值法，通过替换后的完全自适应噪声集合经验模态分解对监测到的原始信号进行曲线拟合以求解包络线，并通过包络线获取原始信号的模态分量组；通过预设相关系数筛选出模态分量组中符合系数标准的模态分量为目标模态分量；小波阈值函数模块，用于通过硬阈值函数与软阈值函数利用预设调节参数获取目标小波阈值函数；去噪模块，用于通过对各目标模态分量进行小波分解以得到其对应