本发明涉及信号检测,具体涉及一种高频噪声信号检测模型。
背景技术:
1、由于原始信号的采集过程中往往伴有其他噪声信号,导致信号的信噪比较低,对信号质量造成极大影响,因此降噪是信号应用前预处理的必要步骤。降噪过程一般包括对噪声信号进行定位和去除。通常先采用ica(独立成分分析)、pca(主成分分析技术)等方法对噪声信号进行定位分析,然后采用滤波方式将噪声信号去除。但这些方法主要存在两方面的不足:一是对分解后的成分处理过程太粗糙,通常直接舍弃包含噪声信号的整段子成分,导致一些有用的信号也被剔除;二是针对的噪声信号类型单一,当信号中包含多类型的噪声信号时,仍然采用相同的处理方式。
技术实现思路
1、本发明旨在解决现有技术存在的技术问题之一。为此,本发明提供一种高频噪声信号检测模型,通过对原始信号中的噪声信号进行测量、分类评估、定位、分离,可以提高基准信号的信噪比。
2、本发明解决其技术问题所采用的技术方案是:一种高频噪声信号检测模型,包括:
3、信号时窗划分模型,划分信号时窗;
4、信号时窗检测模型,将信号时窗分为噪声信号时窗、正常信号时窗;
5、信号处理模型,用于分离出噪声信号时窗中的高频噪声信号。
6、进一步的,所述信号处理模型包括:
7、基于所述噪声信号时窗获取时间分解矩阵v;
8、从时间分解矩阵v中提取前m列构成源成分矩阵a,其中m为通道数;
9、定位源成分矩阵a中高频噪声信号的位置;
10、判断源成分矩阵a中高频噪声信号的位置是否为空值;
11、当所述高频噪声信号的位置为非空值时,依次进行分离高频噪声信号、源重建,以继续迭代;
12、当所述高频噪声信号的位置为空值时,终止迭代。
13、进一步的,所述时间分解矩阵v为k×k矩阵,k是时域采样点数。
14、进一步的,所述定位源成分矩阵a中高频噪声信号的位置包括:
15、计算所述源成分矩阵a中各列信号的能量特征;
16、计算每列信号的高低频能量比rhl;
17、若高低频能量比rhl>设定的能量比阈值r0,则将对应的列信号标记为高频噪声信号子成分,设定所有高频噪声信号子成分位置的集合为高频噪声信号的位置lh。
18、进一步的,所述分离高频噪声信号包括:
19、对位置lh上的高频干扰子成分进行低通滤波处理或cca滤波处理,以分离出高频噪声信号。
20、进一步的,获取所述噪声信号时窗的空间矩阵u,其中,空间分解矩阵u为m×m矩阵;所述源重建包括:
21、输出过滤所述高频噪声信号后的矩阵v_hat;
22、对所述空间分解矩阵u和矩阵v_hat进行源分解逆运算,得到信号s_hat。
23、进一步的,所述能量特征为功率谱密度psd(m),
24、每一列信号的高低频能量比:
25、其中,m=1,2,...,m,h1和h2分别表示高频段的下界和上界,l1和l2分别表示低频段的下界和上界。
26、本发明的有益效果是,本发明能够实现对高频噪声信号的测量、分离,能够提高噪声信号去除的准确率,还能减少对有效信号的损失。
1.一种高频噪声信号检测模型,其特征在于,包括:
2.如权利要求1所述的高频噪声信号检测模型,其特征在于,
3.如权利要求2所述的高频噪声信号检测模型,其特征在于,所述时间分解矩阵v为k×k矩阵,k是时域采样点数。
4.如权利要求2所述的高频噪声信号检测模型,其特征在于,
5.如权利要求4所述的高频噪声信号检测模型,其特征在于,
6.如权利要求2所述的高频噪声信号检测模型,其特征在于,
7.如权利要求4所述的高频噪声信号检测模型,其特征在于,