[發明專利]一種基于數據融合的噪聲消除方法

在審

• 申請號: 201910030624.0
• 申請日: 2019-01-14
• 公開（公告）號: CN109815866A
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 蘇婷立;楊愛薔;金學波;孔建磊
• 申請（專利權）人: 北京工商大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京棘龍知識產權代理有限公司 11740
• 代理人: 戴麗偉

本發明提出了一種基于數據融合的噪聲消除方法，所述方法包括：S101、在快速偏微分方程算法中，使用后向歐拉有限差分法對測量數據進行去噪處理獲得第一去噪數據；S102、在自適應卡爾曼算法中，將測量數據本身、測量數據的變化率以及變化率的導數作為系統狀態變量，根據慣性定律構建過程模型和觀測模型，并根據所述過程模型和觀測模型對測量數據進行去噪處理獲得第二去噪數據；S103、將所述第一去噪數據和第二去噪數據進行加權融合后獲得濾波后數據。本發明創新性地將時域的自適應卡爾曼去噪算法與頻域的快速偏微分方程去噪算法進行了有效的融合，從而實現去噪精度的進一步提升。

技術領域

本申請涉及數據處理領域，尤其涉及一種基于數據融合的噪聲消除方法。

背景技術

由于系統外部干擾或內部干擾，導致收集到的數據含有一定的隨機噪聲，使得其嚴重影響后續相關研究工作。所以為了從含有噪聲的數據中獲得完整有效數據，去噪已經在很長一段時間作為熱點為大家所研究。例如，在地震信號的勘測中，由于隨機噪聲的干擾，實際地震數據信號難以識別，使得許多用于地震信號去噪的方法被廣泛研究與應用。

針對噪聲消除問題，常見的解決方案可以分為時域和頻域兩大類。包括自適應卡爾曼去噪算法和偏微分方程算法。自適應卡爾曼去噪算法的優點是對真實數據的跟蹤性好，即便是噪點較多的有色信號，也能很好地完成去噪任務；但當數據發生機動變化的時候，由于慣性的作用，會使估計結果的絕對值超過真實值的絕對值，產生一定偏差。而偏微分方程算法的優點同樣是能夠獲得較好的去噪效果，并且計算過程簡便；但由于使用的頻率參數為定值，故而當噪聲有不確定變化時，會出現去噪結果損失掉某些峰值信息的情況。

發明內容

為解決上述技術問題之一，本發明提供了一種基于數據融合的噪聲消除方法。

本發明實施例提供了一種基于數據融合的噪聲消除方法，所述方法包括：

S101、在快速偏微分方程算法中，使用后向歐拉有限差分法對測量數據進行去噪處理獲得第一去噪數據；

S102、在自適應卡爾曼算法中，將測量數據本身、測量數據的變化率以及變化率的導數作為系統狀態變量，根據慣性定律構建過程模型和觀測模型，并根據所述過程模型和觀測模型對測量數據進行去噪處理獲得第二去噪數據；

S103、將所述第一去噪數據和第二去噪數據進行加權融合后獲得濾波后數據。

本發明的有益效果如下：本發明創新性地將時域的自適應卡爾曼去噪算法與頻域的快速偏微分方程去噪算法進行了有效的融合，從而實現去噪精度的進一步提升。

附圖說明

此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：

圖1為本發明實施例所述的基于數據融合的噪聲消除方法的流程示意圖；

圖2為本發明實施例所述的步驟S102的流程示意圖；

圖3為本實施例中含噪數據與去噪數據的波形對比圖；

圖4為本實施例中截止頻率為50Hz時的快速偏微分方程去噪算法去噪效果波形圖；

圖5為本實施例中截止頻率為30Hz時的快速偏微分方程去噪算法去噪效果波形圖；

圖6為本實施例中截止頻率為20Hz時的快速偏微分方程去噪算法去噪效果波形圖；

圖7為采用權重平均法時，利用偏微分方程去噪算法、基于自適應過程噪聲方差的在線去噪算法以及本實施例所述的融合去噪算法的去噪數據與實際數據的波形對比圖；