[發(fā)明專利]經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)合字典學(xué)習(xí)的復(fù)雜信號(hào)去噪方法有效
| 申請(qǐng)?zhí)枺?/td> | 201710574092.8 | 申請(qǐng)日: | 2017-07-13 |
| 公開(kāi)(公告)號(hào): | CN107516065B | 公開(kāi)(公告)日: | 2019-10-18 |
| 發(fā)明(設(shè)計(jì))人: | 曾明;馬文新;孟慶浩 | 申請(qǐng)(專利權(quán))人: | 天津大學(xué) |
| 主分類號(hào): | G06K9/00 | 分類號(hào): | G06K9/00;G06K9/62 |
| 代理公司: | 天津市北洋有限責(zé)任專利代理事務(wù)所 12201 | 代理人: | 杜文茹 |
| 地址: | 300192*** | 國(guó)省代碼: | 天津;12 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 經(jīng)驗(yàn) 分解 結(jié)合 字典 學(xué)習(xí) 復(fù)雜 信號(hào) 方法 | ||
1.一種經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)合字典學(xué)習(xí)的復(fù)雜信號(hào)去噪方法,其特征在于,包括如下步驟:
1)對(duì)含有噪聲的信號(hào)進(jìn)行EMD分解,得到一組階次由低到高的本征模態(tài)函數(shù)信號(hào);
2)采用小波軟閾值去噪方法對(duì)含有噪聲的本征模態(tài)函數(shù)進(jìn)行去噪,是先對(duì)每一個(gè)含有噪聲的本征模態(tài)函做小波變換,再做軟閾值去噪處理,最后進(jìn)行小波變換重構(gòu),得到去噪后的本征模態(tài)函數(shù)和噪聲;
3)將步驟2)得到的去噪后的本征模態(tài)函數(shù)和其余本征模態(tài)函數(shù)相加,得到去噪信號(hào)用于之后的信號(hào)字典訓(xùn)練,將步驟2)得到的噪聲相加得到噪聲成分n(x),用于之后的噪聲字典訓(xùn)練;
4)將步驟3)中的去噪信號(hào)分割成一組訓(xùn)練樣本,采用KSVD算法從中訓(xùn)練出一組信號(hào)字典D1,其中,原子個(gè)數(shù)為m;
5)將步驟3)中的噪聲成分n(x)分割成一組訓(xùn)練樣本,采用KSVD算法從中訓(xùn)練出一組噪聲字典D2,其中,原子個(gè)數(shù)為n;
6)將信號(hào)字典D1和噪聲字典D2組合得到混合字典D,
D={D1:D2} (6);
7)將需要去噪的信號(hào)在混合字典D上進(jìn)行稀疏分解,得到一組稀疏向量(x1,x2,…,xm+n),將稀疏向量(x1,x2,…,xm+n)中噪聲原子對(duì)應(yīng)的系數(shù)置零:
8)把混合字典D和處理后的稀疏向量相乘,得到最終的去噪信號(hào)
2.根據(jù)權(quán)利要求1所述的經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)合字典學(xué)習(xí)的復(fù)雜信號(hào)去噪方法,其特征在于,步驟1)包括:
(1)找到原始信號(hào)y(t)的局部極小值和局部極大值,采用三次曲線插值的方法將找到的極小值與極大值連接起來(lái),進(jìn)一步得到極小值包絡(luò)ymin(t)和極大值包絡(luò)ymax(t);
(2)計(jì)算原始信號(hào)y(t)的瞬時(shí)平均值m(t),即每一時(shí)刻極小值包絡(luò)ymin(t)和極大值包絡(luò)ymax(t)的均值:
(3)用原始信號(hào)y(t)減掉瞬時(shí)平均值m(t),得到一個(gè)新序列h(t):
h(t)=y(tǒng)(t)-m(t) (2);
(4)根據(jù)本征模態(tài)函數(shù)的如下兩個(gè)特性,確定新序列h(t)是否為本征模態(tài)函數(shù):
①極值點(diǎn)的個(gè)數(shù)等于過(guò)零點(diǎn)個(gè)數(shù),或者二者最多相差一個(gè);
②任意點(diǎn)處,局部極小值包絡(luò)線和局部極大值包絡(luò)線的均值為零;
若新序列h(t)具有上述兩個(gè)特性,則把新序列h(t)作為第一個(gè)本征模態(tài)函數(shù)imf1,記為c1(t);否則,重復(fù)第(1)步~第(3)步,直至找到一個(gè)本征模態(tài)函數(shù)c1(t);本征模態(tài)函數(shù)c1(t)代表原始信號(hào)中的高頻部分,將它從原始信號(hào)中分離出來(lái),得到余數(shù)r1(t):
y(t)-c1(t)=r1(t) (3);
(5)繼續(xù)對(duì)余數(shù)r1(t)重復(fù)第(1)步~第(4)步,分解出下一個(gè)本征模態(tài)函數(shù):
當(dāng)前后兩次分解結(jié)果的差值達(dá)到規(guī)定的精度停止分解,將最后得到的分解結(jié)果作為最后一個(gè)本征模態(tài)函數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于天津大學(xué),未經(jīng)天津大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710574092.8/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 上一篇:一種便攜式霧霾檢測(cè)儀
- 下一篇:顆粒物檢測(cè)儀
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 一種在網(wǎng)絡(luò)上經(jīng)營(yíng)工作經(jīng)驗(yàn)的網(wǎng)站系統(tǒng)
- HSE經(jīng)驗(yàn)分享的方法
- 經(jīng)驗(yàn)證啟動(dòng)
- 一種基于經(jīng)驗(yàn)路線的車輛路徑規(guī)劃方法
- 針對(duì)基于深度神經(jīng)網(wǎng)絡(luò)的Q學(xué)習(xí)修剪經(jīng)驗(yàn)存儲(chǔ)器的方法和裝置
- 一種應(yīng)用區(qū)塊鏈技術(shù)的經(jīng)驗(yàn)值管理方法
- 一種通過(guò)區(qū)塊鏈進(jìn)行管理的方法
- 顯示設(shè)備及信息顯示方法
- 一種交互式學(xué)習(xí)輔助方法、裝置和系統(tǒng)
- 卡片(使用經(jīng)驗(yàn)介紹)
- 一種電子字典數(shù)據(jù)更新系統(tǒng)及其方法
- 一種階梯字典
- 一種基于網(wǎng)絡(luò)字典的無(wú)損數(shù)據(jù)壓縮方法
- 數(shù)據(jù)冗余消除DRE字典確認(rèn)方法和設(shè)備
- 一種對(duì)字典和字典項(xiàng)進(jìn)行處理的方法及服務(wù)器
- 一種數(shù)據(jù)字典的處理方法、裝置、存儲(chǔ)介質(zhì)及處理器
- 一種基于深度矩陣字典的字典學(xué)習(xí)方法
- 一種字典轉(zhuǎn)碼方法、裝置、存儲(chǔ)介質(zhì)及終端
- 一種基于不相干性聯(lián)合字典學(xué)習(xí)的圖像分類方法
- 一種基于Kubernetes容器配置字典和保密字典的實(shí)現(xiàn)方法及其系統(tǒng)





