基于粒子群算法改进的小波阈值函数去噪方法.pdf

(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CN112163536A(43)申请公布日2021.01.01(21)申请号202011069256.X(22)申请日2020.09.30(71)申请人沈阳工业大学地址110870辽宁省沈阳市铁西区经济技术开发区沈辽西路111号(72)发明人徐方素孙兴伟董祉序杨赫然刘慧芳孙凤刘伟军刘寅(74)专利代理机构沈阳智龙专利事务所(普通合伙)21115代理人宋铁军(51)Int.Cl.G06K9/00(2006.01)G06N3/00(2006.01)权利要求书2页说明书6页附图4页(54)发明名称基于粒子群算法改进的小波阈值函数去噪方法(57)摘要本发明涉及一种基于粒子群算法改进的小波阈值函数去噪方法，该方法包括以下步骤：获取含噪信号，得到原始小波系数；将原始小波系数代入含有待优化阈值参数改进的小波阈值函数中；使用粒子群算法确定步骤二中改进的小波阈值函数阈值参数的最优值；将阈值参数的最优值代入到改进的小波阈值函数中，采用统一阈值法对小波系数进行阈值处理，得到阈值处理后的小波系数；将阈值处理后的小波系数进行重构，得到去噪后信号。本发明具有对预处理信号的适应性，既提升了小波阈值降噪能力，又保留了原始信号的真实信息。CN112163536ACN112163536A权利要求书1/2页1.一种基于粒子群算法改进的小波阈值函数去噪方法，其特征在于，该方法包括以下步骤：步骤一、获取含噪信号，选取小波基函数和分解层数分解含噪信号，得到原始小波系数x；步骤二、将步骤一中的原始小波系数x代入含有待优化阈值参数改进的小波阈值函数中；步骤三、使用粒子群算法确定步骤二中改进的小波阈值函数阈值参数的最优值；步骤四、将步骤三中得到阈值参数的最优值代入到改进的小波阈值函数中，采用统一阈值法对小波系数进行阈值处理，得到阈值处理后的小波系数；步骤五、将阈值处理后的小波系数进行重构，得到去噪后信号。2.根据权利要求1所述的基于粒子群算法改进的小波阈值函数去噪方法，其特征在于：步骤二中改进的小波阈值函数表达式如下：式中，tanh为双曲正切函数，x为原始小波系数，为阈值处理后的小波系数，λ表示小波阈值，参数a,b(a＞0,b＞0)为新型阈值函数的两个形状控制参数，取值范围为[1,10]；参数k(0＜k＜1)为新型阈值函数逼近程度参数，取值范围为[0,1]。3.根据权利要求1所述的基于粒子群算法改进的小波阈值函数去噪方法，其特征在于：步骤三中粒子群算法为：Step1初始化粒子群的搜索空间，每个粒子的位置xi和速度vi；Step2依照适应度函数计算每个粒子适应度Fit[i]；Step3获取粒子个体的最优值，对每个粒子，比较其适应度值Fit[i]和个体极值pbest(i)，若Fit[i]＞pbest(i)，则用Fit[i]替代pbest(i)；Step4获取粒子全局最优值，对每个粒子，比较其适应度值Fit[i]和全局极值gbest(i)，若Fit[i]＞gbest(i)，则用Fit[i]替代gbest(i)；Step5更新粒子的位置xi和速度vi；Step6达到结束条件退出，得到阈值参数最优值，否则返回Step2直至得到阈值参数最优值；Step7输出阈值参数的最优值。4.根据权利要求3所述的基于粒子群算法改进的小波阈值函数去噪方法，其特征在于：适应度函数表达式分别如下：其中，x(i)为原始信号，为降噪后信号，N为信号长度。5.根据权利要求3所述的基于粒子群算法改进的小波阈值函数去噪方法，其特征在于：2CN112163536A权利要求书2/2页粒子群算法中，更新粒子位置和速度的公式如下：*vid＝wvid+c1r1(pid-xid)+c2r2(pgd-xid)xid＝xid+vid式中，xid和vid分别代表第i个粒子第d维位置和速度，pid和pgd分别代表第i个粒子第d维的个体极值和全局极值，w为惯性权重，c1，c2为加速度数，r1,r2为两个在[0,1]之间变化的随机常数。6.根据权利要求1所述的基于粒子群算法改进的小波阈值函数去噪方法，其特征在于：步骤四中统一阈值法求解阈值的公式为：式中，N是信号长度，σ是噪声信号的标准差，σ表达式为：式中，median|d1,k|表示取第1层所有小波变换系数d1,k幅值的中间值。3CN112163536A说明书1/6页基于粒子群算法改进的小波阈值函数去噪方法技术领域[0001]本发明属于小波信号去噪技术领域，尤其涉及一种基于粒子群算法改进的小波阈值函数去噪方法。背景技术[0002]在现实工程应用中，收集和处理信号时常常会受到不同程度噪声的干扰，降低信号的有效性，甚至会造成信号失效。因此，为去除原始信号中叠加的噪声或干扰成分，出现了具备较好时频和多分辨率等特性的小波降噪