[發明專利]一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法

有效

• 申請號: 201710994617.3
• 申請日: 2017-10-23
• 公開（公告）號: CN107895141B
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 郝國成;馮思權;白雨曉;喻佳成;王巍
• 申請（專利權）人: 中國地質大學(武漢)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 42238 武漢知產時代知識產權代理有限公司
• 代理人: 付春霞

1.一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：包括以下步驟：

步驟1：對含噪ENPEMF信號進行累加得到待處理信號；

步驟2：對所述待處理信號進行鏡像優化得到鏡像優化后的待處理信號；

步驟3：對所述鏡像優化后的待處理信號進行稀疏分解得到分量信號IMF₁和IMF₂；

步驟4：將所述IMF₁和IMF₂組合得到組合后的信號矩陣x’_a；

步驟5：初始化信號矩陣x’_a的可信度系數和歸一化系數得到初始化后的信號矩陣x_a；

步驟6：求出初始化后的信號矩陣x_a的分量幅值；

步驟7：確定初始化后的信號矩陣x_a的第i行分量幅值的最大值；

步驟8：根據所述第i行分量幅值的最大值確定第i行所有可信度系數等級；

步驟9：根據可信度系數等級對所述初始化后的信號矩陣x_a的第i行分量幅值相應進行歸一化得到第i行優化矩陣；

步驟10：判斷第i行是否為最后一行；

步驟11：若是，則得到優化信號矩陣；

步驟12：若不是，則i＝i+1并回到步驟7。

2.如權利要求1所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：所述含噪ENPEMF信號含有的噪聲為高斯白噪聲。

3.如權利要求1所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：所述鏡像優化具體包括：通過增加實驗數據讓端點處不在實驗數據有效區內，從而有效避免端點失真。

4.如權利要求1所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：所述信號矩陣x_a的表達式為：x_a＝mIMF₁+nIMF₂，其中，當m、n系數均為1時，信號矩陣x_a為稀疏表示后的鏡像優化后的待處理信號，當m、n值不同時，歸一化處理會影響幅度小的分量。

5.如權利要求1所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：所述可信度系數記為jp；jp為所述第i行一分量幅值與所述第i行分量幅值的最大值比值的閾值，0≤jp≤1，當jp越接近1時，原信號保留的越少。

6.如權利要求5所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：所述歸一化系數記為jq；jq是對一分量幅值進行縮小的系數，0≤jq≤1，當jq越接近1時，原信號保留得越多。

7.如權利要求6所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：所述可信度系數等級包括：一級可信度(jp²A,jpA)、二級可信度(jp³A,jp²A)、三級可信度(jp⁴A,jp³A)及四級可信度(0,jp⁴A)，其中，A表示分量幅值。

8.如權利要求7所述的一種用于含噪ENPEMF信號的鏡像累加NNMP-SST時頻分析方法，其特征在于：一級可信度歸一化規則為保留原分量，表達式為：X_a(i,j)＝X_a(i,j)；二級可信度歸一化規則為分量幅值二級歸一化，表達式為：X_a(i,j)＝jqX_a(i,j)；三級可信度歸一化規則為分量幅值三級歸一化，表達式為：X_a(i,j)＝jq²X_a(i,j)；四級可信度歸一化規則為原分量幅值歸零，表達式為：X_a(i,j)＝0。