[發明專利]基于排列熵準測的CEEMD去噪重構信號方法及裝置

有效

• 申請號: 202111381684.0
• 申請日: 2021-11-22
• 公開（公告）號: CN113822235B
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 梁步閣;李奉民;金養昊;陳濺來;張俊超
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/14
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清

本發明公開了一種基于排列熵準測的CEEMD去噪重構信號方法及裝置，該方法包括：步驟S1：對原始信號進行預處理，用以提高回波數據的信噪比；步驟S2：CEEMD重構；利用改進型CEEMD分解得到IMF分量，通過排列熵與最大類間方差法來確定IMF分界點，將IMF分界點及IMF分界點之后的IMF分量記作有用分量；步驟S3:重構信號；利用CEEMD重構之后的有用分量進行信號重構。該裝置用來實施上述方法。本發明具有原理簡單、效果更好、適用范圍更廣、能夠提高信號去噪重構效果等優點。

技術領域

本發明主要涉及到超寬帶雷達技術領域，特指一種基于排列熵準測的CEEMD去噪重構信號方法及裝置。

背景技術

超寬帶雷達是一種具有強穿透性、高分辨率、全天候性的探測雷達，經過多年發展，廣泛應用于巷戰反恐、災害救援以及醫護監測等領域。在實際應用中，超寬帶雷達雖然能夠檢測人體的呼吸、心跳等信號大部分分布于低頻分段，但傳統的低通濾波器和小波變換都能起到保留大部分目標信號，從而抑制噪聲；但現有方式仍然有平滑突變信號、缺乏自適應性等問題，進而影響到處理噪聲的效果。

由于經驗模態分解(Empirical mode decomposition, EMD)具有自適應地處理非線性和非平穩性信號的特點，并廣泛應用到分析信號、檢測信息、提取特征等領域，現已成為雷達用于去除噪聲后重構信號的新方法。該方法為：首先利用EMD方法將信號分解為若干固有模態函數(Intrinsic mode function，IMF)，然后通過分析各個分量，揭示原信號的多尺度振蕩變化特征。它既能使信號分解具有唯一性，又能在時域和頻域同時具有良好的局部化性質。利用EMD分解對信號分解完畢之后，可以根據工程問題的需要靈活地對信號實現去噪重構。

但是，上述EMD方法也存在一些問題：在分解信號中，容易出現相似尺度的信號出現在不同的IMF分量或者單一IMF包含不同尺度的信號的情況，也就是模態混疊問題，其不僅對噪聲抑制效果造成一定的影響，還會產生虛假的目標信號。

為了解決這個問題，有學者提出集合經驗模態分解方法(Ensemble EmpiricalMode Decomposition, EEMD)，即：通過加入多次正態白噪聲到原始信號后進行EMD分解，求得的IMF做平均處理后作為最終結果，進而可以有效的減少模態混疊問題。但是，采用這種方式之后也帶來其他問題：

1、加入白噪聲需要人工設置；

2、加入白噪聲次數為百量級導致耗時長；

3、平均處理得到的IMF不滿足要求、信號重構后仍有白噪聲殘留等。

有從業者提出了中國專利申請（CN107480619A），參見圖1，公開了一種基于EEMD和排列熵的探地雷達B掃描圖像的降噪方法及系統，首先獲取探地雷達二維B掃描圖像信號，然后對獲取的每一道B掃描圖像信號均進行去噪，以獲取改道B掃描圖像信號抑制噪聲后的信號，最后對各道去噪后的信號進行重新組合，得到抑制噪聲后的二維B掃描圖像信號；其中，對于任意一道B掃描圖像信號進行EEMD分解，得到從高頻到低頻排列的K個IMF分量，計算各個IMF分量的排列熵值，選取排列熵不大于預設值的IMF分量來重構，得到去噪后的信號。本發明解決了EMD分解中存在的信號模態混疊問題，能夠有效降低噪聲。

雖然EEMD有效的解決EMD帶來的模態混疊問題，但是其效果依賴于所加入白噪聲的類型，這往往需要依照經驗人為地輸入白噪聲；總體平均的次數在幾百次以上，計算時間極長；添加的白噪聲在信號重構后仍有殘留，不可忽略。利用固定閾值作為來確定IFM分量分界點的方法，容易將包含目標的分量當做噪聲分量，導致信號去噪重構效果差。