并记录每个相关模态的峰值、所述峰值所处的区间范围和峰值区间信息赌；
[0112] 去噪模块，用于根据记录的每个相关模态的峰值、所述峰值所处的区间范围和峰 值区间信息赌构造非相关模态的去噪阔值对非相关模态进行阔值去噪。
[0113] 在前述微弱信号去噪装置的【具体实施方式】中，进一步地，所述去噪模块，用于对非 相关模态执行模态区间阔值去噪算法，超过去噪阔值的非相关模态信号及位于去噪阔值内 的处于相邻两个过零点之间的非相关模态信号被原样保留，其余非相关模态信号被置为0， 得到去噪后的非相关模态
所述模态区间阔值去噪算法的公式为：
[0114]
[0115] 其中，kfd表示分界模态对应的序号，^^<<9肖^>>表示去噪后的第i个IMF，崎啦f 表示第i个IMF第j区间zf内的样本，/。沪气嫂)表示第j区间每哨的极值点，Τι表示第i个 IMF的去噪阔值，其值取值取决于各个本征模态的能量和样本数;所述区间:sf包括:超过去 噪阔值的一个极大值点和两个极小值点。
[0116] W上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员 来说，在不脱离本发明所述原理的前提下，还可W作出若干改进和润饰，运些改进和润饰也 应视为本发明的保护范围。
【主权项】
1. 一种微弱信号去噪方法，其特征在于，包括： 获取含噪信号和所述含噪信号分解后的本征模态； 根据弗雷歇距离判断准则确定分界模态，将分解后的本征模态分为相关模态和非相关 模态； 根据相关模态的峰值、所述峰值所处的区间范围和峰值区间信息熵构造非相关模态的 去噪阈值对非相关模态进行阈值去噪； 将去噪后的非相关模态和弗雷歇距离判定的相关模态进行信号叠加，重构原始的微弱 信号。2. 根据权利要求1所述的方法，其特征在于，所述根据弗雷歇距离判断准则确定分界模 态，将分解后的本征模态分为相关模态和非相关模态包括： 根据获取到的含噪信号和分解后的本征模态，得到含噪信号和所述含噪信号分解后的 各本征模态的概率密度曲线； 将含噪信号的概率密度曲线作为参考，确定所述含噪信号的概率密度曲线与各本征模 态的概率密度曲线间的弗雷歇距离； 将最大弗雷歇距离对应的本征模态确定为分界模态，通过所述分界模态将所有的本征 模态分为相关模态和非相关模态。3. 根据权利要求2所述的方法，其特征在于，所述将含噪信号的概率密度曲线作为参考 包括： 若含噪信号的概率密度曲线的起始点与本征模态的概率密度曲线的起始点不在同一 点，则平移本征模态的概率密度曲线，使含噪信号的概率密度曲线的起始点与本征模态的 概率密度曲线的起始点在同一点。4. 根据权利要求1所述的方法，其特征在于，所述根据相关模态的峰值、所述峰值所处 的区间范围和峰值区间信息熵构造非相关模态的去噪阈值对非相关模态进行阈值去噪包 括： 获取每个相关模态的概率密度曲线的峰值及所述峰值所处的区间范围； 根据所述峰值及所述峰值所处的区间范围确定对应的相关模态的峰值区间范围概率 值； 根据所述峰值区间范围概率值确定对应的相关模态的峰值区间信息熵，并记录每个相 关模态的峰值、所述峰值所处的区间范围和峰值区间信息熵； 根据记录的每个相关模态的峰值、所述峰值所处的区间范围和峰值区间信息熵构造非 相关模态的去噪阈值对非相关模态进行阈值去噪。5. 根据权利要求1所述的方法，其特征在于，所述根据相关模态的峰值、所述峰值所处 的区间范围和峰值区间信息熵构造非相关模态的去噪阈值对非相关模态进行阈值去噪包 括： 对非相关模态执行模态区间阈值去噪算法，得到去噪后的非相关模态 所述 模态区间阈值去噪算法的公式为：其中，kfd表示分界模态对应的序号，表示去噪后的第i个頂F，表示 第i个IMF第j区间if内的样本，)表示第j区间sf内的极值点，h表示第i个IMF的 去噪阈值，其值取值取决于各个本征模态的能量和样本数。6. 根据权利要求5所述的方法，其特征在于，所述区间if包括:超过去噪阈值的一个极 大值点和两个极小值点； 超过去噪阈值的非相关模态信号及位于去噪阈值内的处于相邻两个过零点之间的非 相关模态信号被原样保留，其余非相关模态信号被置为0。7. -种微弱信号去噪装置，其特征在于，包括： 获取单元，用于获取含噪信号和所述含噪信号分解后的本征模态； 模态划分单元，用于根据弗雷歇距离判断准则确定分界模态，将分解后的本征模态分 为相关模态和非相关模态； 去噪单元，用于根据相关模态的峰值、所述峰值所处的区间范围和峰值区间信息熵构 造非相关模态的去噪阈值对非相关模态进行阈值去噪； 重构单元，用于将去噪后的非相关模态和弗雷歇距离判定的相关模态进行信号叠加， 重构原始的微弱信号。8. 根据权利要求7所述的装置，其特征在于，所述模态划分单元包括： 曲线生成模块，用于根据获取到的含噪信号和分解后的本征模态，得到含噪信号和所 述含噪信号分解后的各本征模态的概率密度曲线； 距离确定模块，用于将含噪信号的概率密度曲线作为参考，确定所述含噪信号的概率 密度曲线与各本征模态的概率密度曲线间的弗雷歇距离； 模态划分模块，用于将最大弗雷歇距离对应的本征模态确定为分界模态，通过所述分 界模态将所有的本征模态分为相关模态和非相关模态； 其中，含噪信号的概率密度曲线的起始点与本征模态的概率密度曲线的起始点在同一 点。9. 根据权利要求7所述的装置，其特征在于，所述去噪单元包括： 获取模块，用于获取每个相关模态的概率密度曲线的峰值及所述峰值所处的区间范 围； 概率值确定模块，用于根据所述峰值及所述峰值所处的区间范围确定对应的相关模态 的峰值区间范围概率值； 记录模块，用于根据所述峰值区间范围概率值确定对应的相关模态的峰值区间信息 熵，并记录每个相关模态的峰值、所述峰值所处的区间范围和峰值区间信息熵； 去噪模块，用于根据记录的每个相关模态的峰值、所述峰值所处的区间范围和峰值区 间信息熵构造非相关模态的去噪阈值对非相关模态进行阈值去噪。10.根据权利要求9所述的装置，其特征在于，所述去噪模块，用于对非相关模态执行模 态区间阈值去噪算法，超过去噪阈值的非相关模态信号及位于去噪阈值内的处于相邻两个 过零点之间的非相关模态信号被原样保留，其余非相关模态信号被置为0,得到去噪后的非 相关模态，所述模态区间阈值去噪算法的公式为：其中，kfd表不分界模态对应的序号，表不去噪后的第i个IMF，_广+'+(〇表不 第i个IMF第j区间sf内的样本，(夕表示第j区间zf内的极值点，Ti表示第i个IMF的 去噪阈值，其值取值取决于各个本征模态的能量和样本数;所述区间sf包括:超过去噪阈 值的一个极大值点和两个极小值点。
【专利摘要】本发明提供一种微弱信号去噪方法及装置，能够无失真的重构原始微弱信号，同时提高重构信号的信噪比。所述方法包括：获取含噪信号和所述含噪信号分解后的本征模态；根据弗雷歇距离判断准则确定分界模态，将分解后的本征模态分为相关模态和非相关模态；根据相关模态的峰值、所述峰值所处的区间范围和峰值区间信息熵构造非相关模态的去噪阈值对非相关模态进行阈值去噪；将去噪后的非相关模态和弗雷歇距离判定的相关模态进行信号叠加，重构原始的微弱信号。本发明适用于信号处理技术领域。
【IPC分类】G06F19/00
【公开号】CN105447318
【申请号】CN201510868151
【发明人】王丽娜, 韩状, 王兵
【申请人】北京科技大学
【公开日】2016年3月30日
【申请日】2015年12月1日