CN101997788A - 一种信号恢复的优化方法 - Google Patents
一种信号恢复的优化方法 Download PDFInfo
- Publication number
- CN101997788A CN101997788A CN2010105080019A CN201010508001A CN101997788A CN 101997788 A CN101997788 A CN 101997788A CN 2010105080019 A CN2010105080019 A CN 2010105080019A CN 201010508001 A CN201010508001 A CN 201010508001A CN 101997788 A CN101997788 A CN 101997788A
- Authority
- CN
- China
- Prior art keywords
- signal
- spectrum
- data
- frequency
- linear background
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明属于信号处理领域,尤其适用于应用在地球物理领域。一种信号恢复的优化方法,所述方法在对原始信号做双谱运算前,先对原始信号做预处理过程;所述预处理过程包括去线性背景、零均值化、周期拓展;完成预处理过程的信号再经过双谱运算过程后,实现了原始信号的完全恢复。本发明使基频f0的估算既简便又准确,而且使基于双谱运算的信号恢复这一技术,能够适用于任意信号的信号恢复处理。本发明为信号恢复、图像降噪等处理提供了一个有用的工具。
Description
技术领域
本发明属于信号处理领域,尤其适用于应用在地球物理、通讯工程、电子工程、军事等多个应用领域。
背景技术
现有技术中,基于双谱运算的信号重构,最重要的一个步骤是对基频率(或基波数)f0的准确估算。现有的方法为:取双谱的对角线值B(f1,f2),使|B(f,f)|不为0的最小f便是估算的f′0。f′0为f0的初次估值,不一定精确,特别是当基频f0与频率分辨率Δf之比不为整数时。估算的f′0与真值f0的误差范围为为减小估算值f′0与真值f0的误差,进一步搜索区间内使|B(f,f)|达到最大的f,进行频率细化处理。对于实际数据,由于噪声的影响,|B(f,f)|不可能为0,采用第一个谱峰来代替不为0的|B(f,f)|。在进行频率细化处理的搜索计算时,先设定误差控制的精度ε。搜索计算采用迭代算法:
(2)若B<|B(f,f)|,则令B=|B(f,f)|,f′0=f,若Δf<ε,则结束,否则转回(1);若B>|B(f,f)|,则转入(3)。
(3)令B=|B(f′0,f′0)|,计算|B(f,f)|;
现有的技术中存在以下3方面的技术问题:
(1)通常情况下,信号的基频f0与频率分辨率Δf之比不为整数,因此现有技术的方法估算的f0,在信噪比较低时是个近似值(如表1);即使基频f0与频率分辨率Δf之比为整数,当信噪比较低时,上述方法估算的f0也不能确保得到真值(如表2)。为使基频f0估算的精度足够高,迭代运算的次数、计算量随之大大增加。
表1半基频f0/2不为频率分辨率Δf的整数倍时不同信噪比信号估算的f′0及其双谱值|B(f′0,f′0)|
表2半基频f0/2为频率分辨率Δf的整数倍时不同信噪比信号估算的f′0及其双谱值|B(f′0,f′0)|
(2)现有技术的方法,频率分辨率Δf越高,则基频f0估算的精度越高,但对于实际信号,计算用的信号长度与信号的时间域采样率已经固定,也即频率分辨率Δf已经固定,因此,增加迭代运算的次数是提高估算精度的唯一途径。
(3)现有技术由于在方法上存在缺陷而带来实际应用上的局限。目前仅用于具有周期变化的信号的恢复处理,例如,仿真试验用的模型信号是具有周期变化的谐波信号,实际信号试验用的也是具有周期变化的缝纫机振动信号。
为了克服现有技术中基频f0估算不准的缺陷,增强“应用双谱运算进行信号恢复”这一技术的适用性和实用性,申请人提出了本发明。
发明内容
本发明为了克服上述现有技术中存在的技术问题,研发了一种信号恢复的优化方法。本发明使基于双谱运算的信号重构技术适用于任意信号数据的重构,而且重构信号的保真度高。
本发明的核心内容是,通过信号处理方案、流程的改变,规避现有技术中方法的缺陷。具体地说,就是在对原始信号做双谱运算前,先对原始信号做3项预处理:去线性背景;零均值化;周期拓展。
其中,最关键之处是,对原始信号进行周期拓展处理。因为周期拓展,使信号的基频f0与频率分辨率Δf相等。这样,不管原始信号的信噪比如何,基频f0与频率分辨率Δf的比值始终是整数1,从而,确保了估算得到的基频f0是真值。具体实现时,通过搜索双谱值|B(f,f)|的第一个谱峰时的频率f即可得到基频f0的真值。为使后面应用式(14)推算谐波项系数ai与相位角时,方便、准确地搜索、应用双谱振幅谱By(f0/2,f0/2)和相位谱φy(f0/2,f0/2)的数值,根据经验将原始信号拓展成4个周期比较合适。
具体方法如下,
一种信号恢复的优化方法,所述方法在对地球物理勘探采集信号做双谱运算前,先对原始信号做预处理过程;所述预处理过程包括去线性背景、零均值化、周期拓展;完成预处理过程的信号再经过双谱运算过程后,实现了原始信号的完全恢复:完整描述一个信号的谐波信号基频、谐波项系数与相位等3项参数被准确求取。
所述方法包括如下步骤:
步骤1读取输入离散化后地球物理采集信号x(t)的数据:x(i),i=1,…,n;其中,n为信号x(t)的采样点数;
步骤2对信号x(t)进行预处理过程:
(1)去线性背景过程:
利用以下公式计算信号x(t)的线性背景斜率bg:
式中,x(n)为信号x(t)的最末一个数据,x(1)为信号x(t)的第一个数据,n为信号x(t)的采样点数;
然后利用以下公式消去信号的线性背景:
xb(i)=x(i)-x(1)-bg×(i-1)
式中,xb(i),i=1,…,n为信号x(t)消去线性背景后的数据,x(i),i=1,…,n为原始信号x(t)的数据,x(1)为原始信号x(t)的第一个数据;
(2)零均值化过程:
式中,n为信号x(t)的采样点数;
式中,xe(i),i=1,…,n为信号x(t)去线性背景后又零均值化后的数据;
(3)周期拓展过程:
原信号是周期数为1的信号,将原信号首尾相连重复放置于后,重复放置K-1次,即得周期数为K的新信号;
周期拓展过程的C语言计算程序语句如下:
for(i=0;i<k;i++)for(j=0;j<n;j++)xn[j+i*k]=xe[j];
其中,xe[j]为原始信号x(t)去线性背景后又零均值化后数据xe(i),i=1,…,n的数组,xn[j+i*k]为周期拓展后信号xn(t)的数组,n为信号x(t)的采样点数,k为周期拓展后信号的周期数;
步骤3通过Fourier变换,计算周期拓展后信号xn(t)的频谱X(f):
X(f)=A(f)·ejφ(f)
其中,A(f)和φ(f)分别为频谱X(f)的幅值和相位;其中,频谱X(f)的长度为k·n;其中,n为信号x(t)的采样点数,k为周期拓展后信号的周期数;
步骤4根据下式,通过三重相关计算信号xn(t)的双谱B(f1,f2):
其中,X(f1)、X(f2)、X(f1+f2)分别是信号xn(t)在频率变量f1,f2,f1+f2上的频谱,X*(f1+f2)是频谱X(f1+f2)的共轭,A(f1,f2)是双谱B(f1,f2)的幅值,φ(f1,f2)是双谱B(f1,f2)的相位;其中f1,f2是与时间变量t1,t2相对应的频率变量,t1,t2表示两个不同的时间变量;
这一过程的C语言计算程序语句如下:
for(i=0;i<km;i++){
for(j=0;j<=i;j++){
if(i+j>=km)break;
ba[i][j]=a[i]*a[j]*a[i+j];
bf[i][j]=f[i]+f[j]-f[i+j];
}
}
其中,数组a[i]、f[i]分别是信号xn(t)的频谱X(f)的振幅谱和相位谱数组,数组ba[i][j]、bf[i][j]分别是信号xn(t)的双谱B(f1,f2)的振幅谱A(f1,f2)和相位谱φ(f1,f2)数组;其中km信号xn(t)的频谱X(f)的长度的1/2,即km=k·n/2+1;
步骤5利用对称性计算整个第一象限的双谱B(f1,f2):
B(f2,f1)=B(f1,f2)
其中,f1,f2的含义同上;
这一过程的C语言计算程序语句如下:
for(i=0;i<km;i++){
for(j=0;j<=i;j++){
if(i+j>=km)break;
ba[j][i]=ba[i][j];
bf[j][i]=bf[i][j];
}
}
其中,数组ba[i][j]、bf[i][j]分别是信号xn(t)的双谱B(f1,f2)的振幅谱数组和相位谱数组;其中km信号xn(t)的频谱X(f)的长度的1/2,即km=k·n/2+1;
步骤6取信号xn(t)的双谱B(f1,f2)的模|B(f,f)|的第一个峰值时的f为估算的基频f0;
步骤7在信号xn(t)上加一相位为0的半基频余弦信号,即y(t)=xn(t)+cos(πf0t);
步骤8同步骤3,通过Fourier变换,计算信号y(t)的频谱Y(f):
Y(f)=A(f)·ejφ(f)
其中,A(f)和φ(f)分别为频谱Y(f)的幅值和相位;频谱Y(f)的长度为k·n;其中,n为信号x(t)的采样点数,k为周期拓展后信号的周期数;
步骤9同步骤4,通过三重相关计算信号y(t)的双谱By(f1,f2);
步骤10同步骤5,利用对称性计算整个第一象限的双谱By(f1,f2);
步骤11设所要恢复的信号x(t)可以用谐波信号来描述,即
其中,M是谐波项数,可由下式求得:
M=km/nf
其中,km为信号xn(t)的频谱X(f)的长度的1/2,即km=k·n/2+1;nf是估算得到的基频f0所对应的频率采样序号;
得重构信号;
步骤13输出信号x(t)恢复结果。
本方法在步骤12后还包括进行线性背景补偿和均值补偿处理得恢复信号步骤;
所述均值补偿处理过程为:
所述线性背景补偿过程为:
对均值补偿处理后的信号x′(t),再加上步骤2中去线性背景时所求得的线性背景斜率bg:
x″(i)=x′(i)+x(1)+bg×(i-1)
其中,x″(i),i=1,…,n为最终恢复得到的信号x″(t)的数据,x′(i),i=1,…,n为输出信号x(t)作了均值补偿处理后的数据,x(1)为原始信号的第一个数据,bg为原始信号的线性背景斜率。
本发明使基频f0的估算既简便又准确,而且使基于双谱运算的信号恢复这一技术,能够适用于任意信号的信号恢复处理。本发明为信号恢复、图像降噪等处理提供了一个有用的工具。通过对现有技术文献中相同的谐波信号模型、地球物理勘探中的重力测量数据、地球物理勘探中的地震子波信号、地球物理勘探中的实际地震数据等多种信号数据,应用本发明研制的技术进行信号重构计算,基频f0估算准确,重构信号的保真度高,方法技术的适用性和实用性强。
附图说明
图1为本发明方法流程框图;
图2为地球物理勘探中的重力测量信号的恢复处理结果;
图3为地球物理勘探中的地震子波信号恢复处理的结果;
图4为地球物理勘探中的原始地震信号剖面;
图5为应用本发明的方法恢复处理的地震信号剖面;
图6为放大100倍显示的附图4与附图5的差值。
下面将结合具体实施方式对各幅附图进行说明
具体实施方式
本发明所采用的方法流程详细说明:
第一步,读取离散化后地球物理信号x(t)的数据文件。
第二步,对信号x(t)进行去线性背景、零均值化、周期拓展等预处理。
第三步,通过Fourier变换,计算信号x(t)的频谱X(f)。
第四步,根据式(4),通过三重相关计算信号x(t)的双谱B(f1,f2)。
第五步,利用对称性计算整个第一象限的双谱B(f1,f2)。
第六步,取|B(f,f)|的第一个峰值时的f为估算的基频f0。
第七步,在原信号x(t)上加一相位为0的半基频余弦信号,即y(t)=x(t)+cos(πf0t)。
第八步,通过Fourier变换,计算信号y(t)的频谱Y(f)。
第九步,根据式(4),通过三重相关计算信号y(t)的双谱By(f1,f2)。
第十步,利用对称性计算整个第一象限的双谱By(f1,f2)。
第十二步,谐波项系数ai与相位角代入式(5),得重构信号。
第十三步,进行线性背景补偿和均值补偿处理得恢复信号。
第十四步,输出信号恢复结果。
在具体各个步骤中,依次为
(1)基于双谱运算信号恢复的方法原理
设x(t)是一均值为0的实信号,其Fourier变换为:
X(f)=A(f)·ejφ(f) (1)
A(f)和φ(f)分别为频谱X(f)的幅值和相位。
x(t)的三阶累积量函数表达式为:
t1,t2表示两个不同的时间变量。
C(t1,t2)的二维Fourier变换即为双谱B(f1,f2)
X*(f1+f2)是频谱X(f1+f2)的共轭(注:下同)。其中f1,f2是与时间变量t1,t2相对应的频率变量。
进一步,可得x(t)的双谱表达式:
设所要恢复的信号x(t)可以用谐波信号来描述,即
根据Fourier变换的特性,由式(4)和(5)可以得到双谱振幅谱、相位谱与谐波项系数、相位角的关系式:
(i=1,2,…,M/2,j=i,i+1,…,M-i) (6b)
实际应用时须先对基频f0进行准确地估算,这是本方法成功实现的关键,而且,
由式(5)可知,基频f0估算的准确度,决定了恢复信号的保真度。
根据估算得到的基频f0,在信号x(t)上加一相位为0的半基频余弦信号
z(t)=cos(πf0t),即
y(t)=x(t)+z(t)=x(t)+cos(πf0t) (7)
由于y(t)的Fourier变换可以表示为:
Y(f)=X(f)+Z(f) (8)
故y(t)的双谱可以表示为:
By(f1,f2)=Y(f1)·Y(f2)·Y*(f1+f2)
=[X(f1)+Z(f1)]·[X(f2)+Z(f2)]·[X*(f1+f2)+Z*(f1+f2)] (9)
对于式(9),如果f1=f2=f0/2,则根据Fourier变换的特性,有
从而有
如果f1、f2均不为f0/2,且f1+f2≠f0/2,则有
Z(f1)=Z(f2)=Z*(f1+f2)=0 (12)
从而,由式(12)、(9)可得
By(f1,f2)=X(f1)·X(f2)·X*(f1+f2)=Bx(f1,f2) (13)
由此,即实现了对信号x(t)的恢复。
根据上述技术流程,发明人在Windows操作系统下利用C++Builder,依照图1的程序框图,实现了采用本发明所述的方法做的任意信号的恢复处理,图中虚框部分为本发明的核心内容。
(1)地球物理勘探中的重力测量信号的恢复处理(附图2)。除了个别的单点异常外,原始信号几乎得到了完全的恢复。这些个别的单点,则反映了信号采集时的随机噪声的存在。说明本发明的信号恢复方法,可以实现对信号中随机噪声的消除。
(2)地球物理勘探中的地震子波信号的恢复处理(附图3)。地震子波的主频为202.4Hz。这一信号近乎脉冲信号,但本发明的方法也使它实现了信号的完全恢复,恢复信号与原始模型信号的均方误差为0.00076106。
(3)地球物理勘探中的实际地震记录信号的恢复处理(附图4~附图6)。从附图5与附图4的对比来看,原始地震记录信号得到了完全的恢复,但从附图6上来看,恢复信号与原始信号的差值是一些在“0”值附近来回震荡的随机噪声。说明应用本发明的方法可以使图像中的随机噪声有效地消除。
Claims (4)
1.一种信号恢复的优化方法,其特征在于,所述方法在对地球物理采集信号做双谱运算前,先对原始信号做预处理过程;所述预处理过程包括去线性背景、零均值化、周期拓展;完成预处理过程的信号再经过双谱运算过程后,实现了原始信号的完全恢复,实现完整描述一个信号的谐波信号基频、谐波项系数与相位参数。
2.根据权利要求1所述的一种信号恢复的优化方法,其特征在于,所述方法包括如下步骤:
步骤1读取输入离散化后地球物理采集信号x(t)的数据:x(i),i=1,…,n;其中,n为信号x(t)的采样点数;
步骤2对信号x(t)进行预处理过程:
(1)去线性背景过程:
利用以下公式计算信号x(t)的线性背景斜率bg:
式中,x(n)为信号x(t)的最末一个数据,x(1)为信号x(t)的第一个数据,n为信号x(t)的采样点数;
然后利用以下公式消去信号的线性背景:
xb(i)=x(i)-x(1)-bg×(i-1)
式中,xb(i),i=1,…,n为信号x(t)消去线性背景后的数据,x(i),i=1,…,n为原始信号x(t)的数据,x(1)为原始信号x(t)的第一个数据;
(2)零均值化过程:
对信号x(t)消去线性背景后的数据xb(i),i=1,…,n的各个样点数据xb(i),求和并除以样点数n,得信号去线性背景后数据xb(i),i=1,…,n的平均值
式中,n为信号x(t)的采样点数;
式中,xe(i),i=1,…,n为信号x(t)去线性背景后又零均值化后的数据;
(3)周期拓展过程:
原信号是周期数为1的信号,将原信号首尾相连重复放置于后,重复放置K-1次,即得周期数为K的新信号;
步骤3通过Fourier变换,计算周期拓展后信号xn(t)的频谱X(f):
X(f)=A(f)·ejφ(f)
其中,A(f)和φ(f)分别为频谱X(f)的幅值和相位;其中,频谱X(f)的长度为k·n;其中,n为信号x(t)的采样点数,k为周期拓展后信号的周期数;
步骤4通过三重相关计算得到信号xn(t)的双谱B(f1,f2):
其中,X(f1)、X(f2)、X(f1+f2)分别是信号xn(t)在频率变量f1,f2,f1+f2上的频谱,X*(f1+f2)是频谱X(f1+f2)的共轭,A(f1,f2)是双谱B(f1,f2)的幅值,φ(f1,f2)是双谱B(f1,f2)的相位;其中f1,f2是与时间变量t1,t2相对应的频率变量,t1,t2表示两个不同的时间变量;
步骤5利用对称性计算整个第一象限的双谱B(f1,f2):
B(f2,f1)=B(f1,f2)
其中,f1,f2的含义同上;
步骤6取信号xn(t)的双谱B(f1,f2)的模|B(f,f)|的第一个峰值时的f为估算的基频f0;
步骤7在信号xn(t)上加一相位为0的半基频余弦信号,即y(t)=xn(t)+cos(πf0t);
步骤8同步骤3,通过Fourier变换,计算信号y(t)的频谱Y(f):
Y(f)=A(f)·ejφ(f)
其中,A(f)和φ(f)分别为频谱Y(f)的幅值和相位;频谱Y(f)的长度为k·n;其中,n为信号x(t)的采样点数,k为周期拓展后信号的周期数;
步骤9同步骤4,通过三重相关计算信号y(t)的双谱By(f1,f2);
步骤10同步骤5,利用对称性计算整个第一象限的双谱By(f1,f2);
步骤11设所要恢复的信号x(t)可以用谐波信号来描述,即
其中,M是谐波项数,可由下式求得:
M=km/nf
其中,km为信号xn(t)的频谱X(f)的长度的1/2,即km=k·n/2+1;nf是估算得到的基频f0所对应的频率采样序号;
得重构信号;
步骤13输出信号x(t)恢复结果。
3.根据权利要求2所述的一种信号恢复的优化方法,其特征在于,所述方法包括如下步骤:
本方法在步骤12后还包括进行线性背景补偿和均值补偿处理得恢复信号步骤;
所述均值补偿处理过程为:
所述线性背景补偿过程为:
对均值补偿处理后的信号x′(t),再加上步骤2中去线性背景时所求得的线性背景斜率bg:
x″(i)=x′(i)+x(1)+bg×(i-1)
其中,x″(i),i=1,…,n为最终恢复得到的信号x″(t)的数据,x′(i),i=1,…,n为输出信号x(t)作了均值补偿处理后的数据,x(1)为原始信号的第一个数据,bg为原始信号的线性背景斜率。
4.根据权利要求2所述的一种信号恢复的优化方法,其特征在于,所述方法的步骤2中周期拓展过程:采用将原始信号数据拓展成4个周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010508001 CN101997788B (zh) | 2010-10-15 | 2010-10-15 | 一种信号恢复的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010508001 CN101997788B (zh) | 2010-10-15 | 2010-10-15 | 一种信号恢复的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101997788A true CN101997788A (zh) | 2011-03-30 |
CN101997788B CN101997788B (zh) | 2013-07-31 |
Family
ID=43787398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010508001 Active CN101997788B (zh) | 2010-10-15 | 2010-10-15 | 一种信号恢复的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101997788B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675447A (zh) * | 2013-12-17 | 2014-03-26 | 国家电网公司 | 一种电气化铁路的高精度实时谐波分析方法 |
CN104570141A (zh) * | 2013-10-18 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于双谱运算的重力异常分离方法 |
CN104734725A (zh) * | 2015-03-16 | 2015-06-24 | 哈尔滨工业大学 | 基于fri的自适应采样恢复方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470194A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水雷目标的识别方法 |
WO2010060153A1 (en) * | 2008-11-28 | 2010-06-03 | The University Of Queensland | A method and apparatus for determining sleep states |
-
2010
- 2010-10-15 CN CN 201010508001 patent/CN101997788B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470194A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水雷目标的识别方法 |
WO2010060153A1 (en) * | 2008-11-28 | 2010-06-03 | The University Of Queensland | A method and apparatus for determining sleep states |
Non-Patent Citations (3)
Title |
---|
俞建宝等: "《双谱信号重构技术在中路数据去噪中的应用》", 《石油物探》 * |
樊养余等: "《基于双谱的谐波信号重构》", 《声学学报》 * |
蔚承英等: "《连续周期傅里叶变换的两种形式》", 《科技信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570141A (zh) * | 2013-10-18 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于双谱运算的重力异常分离方法 |
CN103675447A (zh) * | 2013-12-17 | 2014-03-26 | 国家电网公司 | 一种电气化铁路的高精度实时谐波分析方法 |
CN104734725A (zh) * | 2015-03-16 | 2015-06-24 | 哈尔滨工业大学 | 基于fri的自适应采样恢复方法 |
CN104734725B (zh) * | 2015-03-16 | 2017-11-03 | 哈尔滨工业大学 | 基于fri的自适应采样恢复方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101997788B (zh) | 2013-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen | Fast dictionary learning for noise attenuation of multidimensional seismic data | |
Shi et al. | A novel fractional wavelet transform and its applications | |
Condat et al. | Cadzow denoising upgraded: A new projection method for the recovery of Dirac pulses from noisy linear measurements | |
Yang et al. | Super-resolution of complex exponentials from modulations with unknown waveforms | |
Astone et al. | A method for detection of known sources of continuous gravitational wave signals in non-stationary data | |
Chen et al. | Compound faults detection of rotating machinery using improved adaptive redundant lifting multiwavelet | |
Huang et al. | Time dependent intrinsic correlation analysis of temperature and dissolved oxygen time series using empirical mode decomposition | |
CN105181122B (zh) | 机械振动信号数据压缩采集方法 | |
Dai et al. | Multipath mitigation via component analysis methods for GPS dynamic deformation monitoring | |
CN100554917C (zh) | 获取系统特征函数和信号特征值的方法 | |
CN104089774B (zh) | 一种基于并行多字典正交匹配的齿轮故障诊断方法 | |
CN102221708B (zh) | 基于分数阶傅里叶变换的随机噪声压制方法 | |
Hu et al. | Model order determination and noise removal for modal parameter estimation | |
CN107192878A (zh) | 一种基于压缩感知的电力系统谐波检测方法及装置 | |
CN105353408B (zh) | 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法 | |
Miao et al. | Deep network-based maximum correlated kurtosis deconvolution: A novel deep deconvolution for bearing fault diagnosis | |
CN104320144B (zh) | 稀疏度自适应信号重构方法 | |
CN104730576A (zh) | 基于Curvelet变换的地震信号去噪方法 | |
CN101997788B (zh) | 一种信号恢复的优化方法 | |
CN110716088A (zh) | 一种基于压缩感知macsmp的超高次谐波测量方法 | |
CN104422956A (zh) | 一种基于稀疏脉冲反演的高精度地震谱分解方法 | |
CN110244360A (zh) | 基于有效频率波数域去混叠的地震数据分离方法及系统 | |
CN103645504A (zh) | 基于广义瞬时相位及p范数负模的地震弱信号处理方法 | |
Mascarenas et al. | The application of compressed sensing to detecting damage in structures | |
CN104125459A (zh) | 基于支撑集和信号值检测的视频压缩感知重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |