CN105447461B - 一种确定局部均值分解过程中滑动步长的方法 - Google Patents

一种确定局部均值分解过程中滑动步长的方法 Download PDF

Info

Publication number
CN105447461B
CN105447461B CN201510813245.0A CN201510813245A CN105447461B CN 105447461 B CN105447461 B CN 105447461B CN 201510813245 A CN201510813245 A CN 201510813245A CN 105447461 B CN105447461 B CN 105447461B
Authority
CN
China
Prior art keywords
length
power spectrum
interval
sliding
curve
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.)
Expired - Fee Related
Application number
CN201510813245.0A
Other languages
English (en)
Other versions
CN105447461A (zh
Inventor
王成栋
段永强
秦磊
吴洋
王晓光
贾顺虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510813245.0A priority Critical patent/CN105447461B/zh
Publication of CN105447461A publication Critical patent/CN105447461A/zh
Application granted granted Critical
Publication of CN105447461B publication Critical patent/CN105447461B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments
    • G06F2218/18—Classification; Matching by matching signal segments by plotting the signal segments against each other, e.g. analysing scattergrams

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Complex Calculations (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明公开了一种局部均值分解过程滑动步长的确定方法。本发明首先估算信号所有相邻极点之间的间隔步长，找到间隔步长的最大值和最小值；然后以最小间隔步长和最大间隔步长之间的奇数步长作为一系列候选步长；再用这一系列候选步长对局部均值线段进行滑动平均，得到一系列平滑均值曲线；再估计平滑曲线的功率谱，将功率谱分为高频部分和低频部分；然后以功率谱的低频能量和高频能量之比值作为衡量曲线光滑度的指标，比值越大，表示曲线越光滑；最后选取光滑度指标最大的曲线所对应的候选步长作为局部均值分解过程中的最佳滑动步长。通过本发明公开的方法，能自动找到最合适的滑动步长，使局部均值分解的结果更准确，具有良好的应用前景。

Description

一种确定局部均值分解过程中滑动步长的方法
技术领域
本发明涉及一种数字信号的分析与处理的方法，特别是非平稳信号的自适应时频分解。
背景技术
局部均值分解是一种对信号进行自适应分解的方法，分解过程中需要采用滑动平均法对数据进行平滑处理，以得到局部均值函数和包络估计函数。为了避免出现数据移位现象，滑动步长一般取奇数。进行平滑处理时，局部均值函数和包络估计函数的形状会随滑动步长的变化而变化，滑动步长会影响包络信号和纯调频信号的产生，最终影响信号分解的质量和效果。另外，滑动步长还会影响平滑次数、算法效率以及算法的收敛性等。有研究表明，如果滑动步长确定得不合理，有可能导致算法不收敛。因而在局部均值分解过程中，滑动步长的确定十分关键和重要。
目前确定局部均值分解过程中的滑动步长的方法主要有三种：一种以相邻极值点间隔最大值的1/3或1/5为滑动步长；另一种以所有相邻极值点间隔的平均值作为滑动步长；还有一种以相邻极值点间隔的最小值作为滑动步长。在对比研究中发现，这三种方法确定的滑动步长，都带有一定程度的经验性，需要根据实际信号的情况进行选取，有时根据上述三种方法确定的步长并不能使分解效果最好。
发明内容
本发明公开了一种在局部均值分解过程中确定滑动步长的方法。本发明采用的技术方案是：
根据信号相邻极值点间隔的最大值和最小值，确定一系列候选步长；利用这些候选步长对局部均值线段进行滑动平均，得到一系列平滑均值曲线；估算各条平滑均值曲线的功率谱，以低频功率谱能量和高频功率谱能量的比值作为平滑均值曲线的光滑度指标；最后以光滑度指标最大的平滑均值曲线所对应的候选步长作为局部均值分解过程的最佳滑动步长。本方法包括以下步骤：
1)寻找信号所有的局部极值点。
2)求取相邻极值点之间的所有间隔步长。
3)找到间隔步长的最小值和最大值。
4)以间隔步长最小值和最大值之间的奇数作为候选步长。
5)分别用各个候选步长对原始信号的局部均值线段进行滑动平均，得到一系列平滑均值曲线。
6)估算各条平滑均值曲线的功率谱，以低频功率谱能量和高频功率谱能量的比值作为各条平滑均值曲线的光滑度指标。
7)选取光滑度指标最大的平滑均值曲线所对应的滑动步长作为局部均值分解的最佳步长。
与已有的方法相比，本发明的优点是：
1)可以找到最佳的滑动步长，使最终的局部均值分解结果效果最好。
2)确定步长的过程是自动和自适应的，不需要人工干预。
3)计算过程比较简单，速度比较快。
附图说明
图1为方法流程图。
图2为实例信号的波形及其极值点图。
图3为实例信号的波形及其平滑均值曲线图，图中的点划线为平滑均值曲线。
具体实施方式
结合本发明方法的内容，提供以下分析实例，具体步骤如下：
1.产生一仿真信号，公式为：x(t)＝18sin(20πt)cos(30πt)+30cos(9πt)(0≤t＜1)，采样频率为1000Hz。
2.找到信号的极值点，如图2中的“*”点所示。
3.得到相邻极值点间隔的最小值和最大值，分别为7和27。
4.以间隔的最小值和最大值作为边界得到整数序列，取其中的奇数作为候选步长序列：7、9、11、……、25、27，共11个候选步长。
5.利用候选步长对信号的局部均值线段进行平滑，得到11条平滑均值曲线。
6.估算上述11条平滑均值曲线的功率谱，以低频功率谱能量和高频功率谱能量的比值作为平滑均值曲线的光滑度指标，这11条平滑均值曲线的光滑度指标分别为：745.1、720.1、690.9、656.0、617.1、575.8、533.0、490.1、447.8、407.0、368.3。
7.上述光滑度指标中，745.1最大，其对应的候选步长为7，因此确定7为最佳步长。
图3中的点划线为滑动步长为7时的平滑均值曲线。从图上可以看出，平滑均值曲线较好地反映了数据的平均变化趋势。
上述说明仅仅是示例性的一种具体实施方式，不能因此而限制本发明的范围及其应用。在本发明公开的技术范围内，任何可轻易想到的变化或替换，都应在本发明的保护范围之内。

Claims (3)

1.一种确定局部均值分解过程中滑动步长的方法，其特征在于：
本方法包括以下步骤：
1)寻找信号所有的局部极值点；
2)求取相邻极值点之间的所有间隔步长；
3)找到间隔步长的最小值和最大值；
4)以间隔步长最小值和最大值之间的奇数作为候选步长；
5)分别用各个候选步长对信号的局部均值线段进行滑动平均，得到一系列候选步长对应的平滑均值曲线；
6)估算各条平滑均值曲线的功率谱，以低频功率谱能量和高频功率谱能量的比值作为各条平滑均值曲线的光滑度指标；
7)选取光滑度指标最大的平滑均值曲线所对应的滑动步长作为局部均值分解的最佳步长。
2.根据权利要求1所述的方法，其步骤2)～4)的特征在于：首先求得所有间隔步长，寻找间隔步长的最小值和最大值，如果间隔步长的最大值小于等于3，则候选步长取为3；如果间隔步长最大值大于3，则以最小间隔步长和最大间隔步长作为边界，得到一系列整数，取这些整数中的奇数作为候选步长。
3.根据权利要求1所述的方法，其步骤6)的特征在于：计算滑动均值曲线的功率谱，将功率谱划分为低频部分和高频部分，以功率谱的低频能量和高频能量之比值作为滑动均值曲线的光滑度指标，比值越大，表明曲线越光滑，光滑度指标也越大。
CN201510813245.0A 2015-11-20 2015-11-20 一种确定局部均值分解过程中滑动步长的方法 Expired - Fee Related CN105447461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510813245.0A CN105447461B (zh) 2015-11-20 2015-11-20 一种确定局部均值分解过程中滑动步长的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510813245.0A CN105447461B (zh) 2015-11-20 2015-11-20 一种确定局部均值分解过程中滑动步长的方法

Publications (2)

Publication Number Publication Date
CN105447461A CN105447461A (zh) 2016-03-30
CN105447461B true CN105447461B (zh) 2018-09-07

Family

ID=55557621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510813245.0A Expired - Fee Related CN105447461B (zh) 2015-11-20 2015-11-20 一种确定局部均值分解过程中滑动步长的方法

Country Status (1)

Country Link
CN (1) CN105447461B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587017A (zh) * 2009-06-19 2009-11-25 湖南大学 一种基于局部均值分解循环频率谱的齿轮故障诊断方法
CN102508120A (zh) * 2011-10-18 2012-06-20 中国民航大学 利用局部均值分解实现飞机导线微弱故障诊断与定位方法
CN102866027A (zh) * 2012-08-13 2013-01-09 燕山大学 基于lmd和局域时频熵的旋转机械故障特征提取方法
CN104165759A (zh) * 2014-06-17 2014-11-26 中州大学 一种基于复局部均值分解的转子碰摩故障特征提取方法
CN104390781A (zh) * 2014-11-26 2015-03-04 中国矿业大学 一种基于lmd和bp神经网络的齿轮故障诊断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587017A (zh) * 2009-06-19 2009-11-25 湖南大学 一种基于局部均值分解循环频率谱的齿轮故障诊断方法
CN102508120A (zh) * 2011-10-18 2012-06-20 中国民航大学 利用局部均值分解实现飞机导线微弱故障诊断与定位方法
CN102866027A (zh) * 2012-08-13 2013-01-09 燕山大学 基于lmd和局域时频熵的旋转机械故障特征提取方法
CN104165759A (zh) * 2014-06-17 2014-11-26 中州大学 一种基于复局部均值分解的转子碰摩故障特征提取方法
CN104390781A (zh) * 2014-11-26 2015-03-04 中国矿业大学 一种基于lmd和bp神经网络的齿轮故障诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Cheolsoo Park 等."The complex local mean decomposition".《Neurocomputing》.2010, *
张 亢 等."基于局部均值分解与形态谱的旋转机械故障诊断方法".《振动与冲击》.2013,第32卷(第9期),135-140. *
程军圣 等."一种新的时频分析方法-局部均值分解方法".《振动与冲击》.2008,第27卷(第S期), *

Also Published As

Publication number Publication date
CN105447461A (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN107463604A (zh) 一种基于重要点的时间序列固定分段算法
CN102497337A (zh) 一种基于稀疏度自适应的压缩感知无线通信信道估计方法
WO2013100781A1 (en) Frequency-domain turbo equalization, including multi-mode adaptive linear equalization, adaptive decision-directed channel estimation, adaptive noise variance estimation, and dynamic iteration control
CN107666451B (zh) 用于lte系统的信道估计方法
JP5896795B2 (ja) 等化装置、受信装置及び等化方法
CN106850472B (zh) 一种基于Kalman和盲估计的OFDM信道估计方法
CN107331393B (zh) 一种自适应语音活动检测方法
CN105486934A (zh) 一种基于直线拟合的脉冲波形前沿检测的方法和系统
CN117541582B (zh) 一种高频变频器igbt绝缘质量检测方法
CN110596458A (zh) Demon谱谐波线谱和基频自动估计方法
CN107239739B (zh) 一种尺度参数控制可调的信号包络线提取方法
CN1822584A (zh) 一种估计ofdm整数倍频偏的方法
CN105447461B (zh) 一种确定局部均值分解过程中滑动步长的方法
CN105991485B (zh) 信道间隔估计装置、波长监测装置以及接收机
CN117970859A (zh) 一种低功耗广域物联网下的设备智能控制方法
CN117347043A (zh) 一种旋转机械瞬时转速提取方法、装置、设备及存储介质
CN110378624B (zh) 基于趋势提取的火电机组一次调频指标计算方法及系统
US20080144708A1 (en) Method and apparatus for equalization
CN104279836A (zh) 控制方法、装置及制冷设备
CN105678049A (zh) 基于改进svr延拓的端点效应抑制方法
CN104320371A (zh) 降低ofdma上行链路峰均功率比的系统及方法
US20190190760A1 (en) Method and Apparatus for Determining Peak Power, Peak-To-Average Power Ratio
CN103440226A (zh) 基于hmm校正与神经网络延拓的emd端点效应抑制方法
CN109117775A (zh) 基于多项式的改进emd算法
CN105610747B (zh) Ofdm系统导频辅助的时频域插值加权信道估计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180907

Termination date: 20211120

CF01 Termination of patent right due to non-payment of annual fee