CN105490516A - Atem发射机发射电流pwm噪声的去噪方法 - Google Patents

Abstract

本发明涉及一种ATEM发射机发射电流PWM噪声的去噪方法,利用小波变换对待去噪电压信号进行小波分解，并得到细节系数与尺度系数；应用Stein无偏似然估计阈值选取方法对采样波形的PWM噪声进行阈值选取；应用上一步骤所选取的阈值，对细节系数与尺度系数进行改进软硬阈值方法结合的去噪处理，然后重构得到不含噪的信号；输出不含噪的重构信号。用Stein无偏似然估计阈值选取方法和软硬阈值结合的处理方法进行小波系数处理，既保留了Stein无偏似然估计阈值选取方法保留的有效信号成分更多的优点，使用具有改进软硬结合阈值处理方法对阈值选取方法进行了补偿，采取两种方法结合的方式，最大限度的保留了原始信号，能使去噪效果更为明显。

Description

ATEM发射机发射电流PWM噪声的去噪方法

技术领域

本发明涉及一种地球物理勘探设备的去噪方法，尤其是ATEM发射机发射电流PWM噪声的去噪方法。

背景技术

近年来，在电力电子领域，PWM控制技术的应用越来越广泛。尤其是在大功率发射机的应用方面，使用PWM控制策略对电压信号进行调制，可以达到很好的控制效果。但是，在输出波形达到预期效果的同时，在完整的频率范围内，尤其是在高频部分，PWM也会产生较大的噪声，并且几乎覆盖了原始的信号，从而不能观察到不失真的输出电压信号。

采用高通或低通滤波器的方法来去除噪声是最传统也是最简单的方法，由于PWM噪声大都集中在高频部分，因此可以使用LC低通滤波器来滤波，但是低通滤波器会把高频的有效信号部分同时滤除，会造成信号的失真。因此，更需要一种可以在全频范围内既可以滤除噪声信号又可以保留有效信号的滤波方法。在去噪的过程中，阈值的选取非常重要，好的阈值选取，可以有效降低失真度，从而获得更好的去噪效果。Stein无偏似然估计阈值选取方法是一种基于Stein无偏似然估计原理的自适应阈值获取方法，其特点是不易丢失混合信号中的有用信号，从而降低失真度。获得了阈值之后，对于阈值的处理同样是很重要，现有的阈值处理方法主要有软阈值与硬阈值两种方法。硬阈值是把小波系数的绝对值与阈值相比较，小于或等于阈值的小波系数设置为零，大于阈值的小波系数不变；软阈值处理则是把大于阈值的点变为该点与阈值的差值。硬阈值的处理方法容易出现间断，而软阈值虽然较为平滑，但去噪的效果不好。

ATEM发射机是一种发射双极性脉冲电流的发射装置，以低阻抗高感抗发射线圈为负载，产生大功率正负交变电流，激发出强烈的一次电磁场。但是由于ATEM发射机采用PWM脉冲宽度调制方式的控制策略，因此在测试发射波形时会产生干扰，采样波形如图2所示。因此本文采用电感很低的采样电阻接在发射机的输出端，最初用示波器测量输出电压波形，但由于精度较低，测量结果几乎全部都是噪声。

发明内容

本发明的目的就在于针对上述现有技术的不足，提供一种基于Stein无偏似然估计阈值选取方法和改进软硬阈值结合阈值处理方法结合的ATEM发射机发射电流PWM噪声去噪方法。

本发明的目的是通过以下技术方案实现的：

ATEM发射机发射电流PWM噪声的去噪方法，是基于Stein无偏似然估计阈值选取方法和改进软硬阈值结合阈值处理方法的结合，包括以下步骤：

A、利用小波变换对待去噪电压信号进行多层小波变换处理，并得到各层的细节系数与尺度系数；

B、应用Stein无偏似然估计阈值选取方法对待去噪电压波形的PWM噪声进行阈值选取；

C、应用步骤B所选取的针对PWM噪声的阈值，对细节系数与尺度系数进行改进的软、硬阈值结合的阈值处理；

D、重构得到去噪后的信号序列。

步骤B所述的阈值选取步骤为：

a、将步骤2所得的小波系数的平方按从小打到大的顺序排列，即：

且p₁≤p₂≤...≤p_n；

b、定义风险向量R，其元素为：

$r_{\mathrm{\α}}=\frac{\[N-2i-\left(n-1\right)P_i+{\Σ}_{k=1}^i{p}_k\]}{N}---\left(1\right)$

c、以R元素中的最小值r_min作为风险值，找出r_min的下标变量min所对应的α，进而获得对应的p_α，求出阈值T，

即 $T=\mathrm{\σ}\sqrt{p_{\mathrm{\α}}}---\left(2\right)$

其中，N为含噪信号在所有尺度上的小波分解系数的个数总和，σ为噪声信号的偏差。

步骤C所述的改进的软、硬阈值结合的阈值处理函数表达式为：

其中：γ是调节因子，介于0和1之间。在|w_j,k|＞λ时，可以通过调节α使新阈值函数在软硬阈值之间灵活选择，从而获得最优的去噪效果。

有益效果：本发明是针对由于PWM噪声存在于全频范围内，去噪失真度高的问题，在进行阈值处理的过程中，采用Stein无偏似然估计阈值选取方法和软硬阈值结合的与之处理方法相结合的方式进行小波系数处理，既保留了Stein无偏似然估计阈值选取方法保留的有效信号成分更多的优点，同时使用具有特定的改进软硬结合阈值处理方法对阈值选取方法进行了补偿，使去噪效果更为明显，最终在全频范围内既能最大限度的减小失真，又提高了去噪效果。

附图说明

图1为ATEM发射机发射电流PWM噪声的去噪方法流程图

图2为去噪之前采样得到的原始信号图

图3为去噪之后得到的梯形波信号图

具体实施方式

以下结合附图和实施例对本发明做进一步的详细描述：

ATEM发射机是一种发射双极性脉冲电流的发射装置，以低阻抗高感抗发射线圈为负载，产生大功率正负交变电流，激发出强烈的一次电磁场。但是由于ATEM发射机采用PWM脉冲宽度调制方式的控制策略，因此在测试发射波形时会产生电磁干扰，采样波形如图2所示。因此本文采用电感很低的采样电阻接在发射机的输出端，使用高精度的NI采集卡采集，在下降段可以看到有效的不含噪的信号波形，因此只需对上升段和平顶段做去噪即可。

基于Stein无偏似然估计阈值选取方法和软硬阈值结合阈值处理方法结合的ATEM发射机发射电流PWM噪声去噪方法，包括以下步骤：

步骤A、利用小波变换对待去噪电压信号进行多层小波分解，并得到各层的细节系数与尺度系数，包含以下两个步骤：

(1).本实施例选取使用采集卡采集出的数据中的第1至2019个数据，将其单独列入一个.mat文件中，采用sym6小波，对该组数据进行一维多尺度小波分解，得到细节系数数组CA3，及尺度系数数组CD1、CD2和CD3。

(2)将步骤一分解获得的四个数组合并成一个数组，其长度为2052。

步骤B、应用Stein无偏似然估计阈值选取方法对采样电压波形的特定的PWM噪声进行阈值选取。

Stein无偏似然估计阈值选取方法的原理是基于Stein无偏似然估计的一种自适应阈值选取方法，其在小波消噪的过程中，可以大约保留3％的小波系数，这对于在信号的高频信息有很少一部分在噪声范围内时，这种方法非常有用，可以将弱小的信号提取出来。

本实施例进行小波分解后，对于小波的阈值选取，采用Stein无偏似然估计阈值选取方法选取阈值，包括以下三个步骤：

(1)将步骤2所得的小波系数的平方按从小打到大的顺序排列。

p＝{p₁，p₂，...，p_n}且p₁≤p₂≤...≤p_n

(2)定义风险向量R，其元素为：

$r_{\mathrm{\α}}=\frac{\[N-2i-\left(n-1\right)P_i+{\Σ}_{k=1}^i{p}_k\]}{N}$

(3)以R元素中的最小值r_min作为风险值，找出r_min的下标变量min所对应的α,进而获得对应的p_α，求出阈值T，即

$T=\mathrm{\σ}\sqrt{p_{\mathrm{\α}}}$

其中，N为含噪信号在所有尺度上的小波分解系数的个数总和，σ为噪声信号的偏差。在本实施例中，最终求得的阈值T＝0.3638.

步骤C、应用步骤B所选取的针对PWM噪声的阈值，对细节系数进行软硬阈值方法结合的去噪处理，然后重构得到不含噪的电压信号。

小波系数的阈值处理方法目前比较常用的有两种方法，分别是硬阈值处理与软阈值处理。其中硬阈值方程为:

软阈值方程为:

式中sgn(x)为符号函数；λ为阈值。

上述的两种与之处理方法各有其优缺点，硬阈值是将信号的绝对值与阈值进行比较，将小于或等于阈值的信号设为零，大于阈值的信号保持不变，它可以很好地保留信号的局部信息，但硬阈值的性质决定了它的不连续性，去噪后的信号仍有较明显的噪声。软阈值是将信号的绝对值与阈值进行比较，把绝对值小于或等于阈值的信号时设为零，对于绝对值大于阈值的信号，将其设为自身与阈值的差，这样信号就会向零收缩。软阈值的性质决定了它具有比硬阈值更好的连续性，但它的导数却是不连续的，估计小波系数与带噪小波系数存在恒定偏差，而且对大于阈值的系数进行定值压缩与噪声随着小波系数增大而减少的事实不符合，所以软阈值法的处理结果虽然相对平滑，但可能会使信号出现失真。

综合上述两种方法的优缺点，本发明提出采用如下的改进软硬阈值结合的方法进行阈值处理。

其中：γ是调节因子，介于0和1之间。在|w_j,k|＞λ时，可以通过调节α使新阈值函数在软硬阈值之间灵活选择，从而获得最优的去噪效果在本实施例中，由于要求补偿Stein无偏似然估计阈值选取方法的的缺点，因此本实施例选取α值为25。

在经过阈值处理后的小波系数中，大部分的小于阈值的小波系数被置零，大于阈值的小波系数被重新置换，获得了2052个处理完成的小波系数。

步骤D：应用步骤C得到的经过阈值处理后的小波系数，得到去噪后的信号的尺度系数与细节系数，然后进行多尺度一维重构，得到去噪后的信号序列。通过以上四个步骤实现了一种基于Stein无偏似然估计阈值选取方法和改进软硬阈值结合阈值处理方法结合的ATEM发射机发射电流PWM噪声去噪方法，成功去除了噪声并使失真度达到最小，如图3所示。

通过图2和图3对比可以看到：在图2中，由于受到环境因素的影响，在PWM噪声以外，还采集到了其他因素所产生的噪声，如在连接计算机时的USB接口方面的噪声，这种噪声在下降段可以看到的比较明显；及环境干扰所产生的噪声，本实施例所采集的环境为在闹市区的房间内，因此受到包括电磁信号等的干扰较大，在PWM噪声以外还有其他的噪声也占很大的成分，如在上升段与平顶段。图3为去噪结束后经过小波重构所产生的波形，可以看到经过去噪处理之后，基本呈现出了梯形波的变化趋势，包括上升段、平顶段、下降段及过冲。经对比，本发明所采用的方法能有效的去除PWM噪声并且失真很小。

Claims (3)

1.一种ATEM发射机发射电流PWM噪声的去噪方法，是基于Stein无偏似然估计阈值选取方法和改进软硬阈值结合阈值处理方法的结合，其特征在于，包括以下步骤：

A、利用小波变换对待去噪电压信号进行多层小波变换处理，并得到各层的细节系数与尺度系数；

B、应用Stein无偏似然估计阈值选取方法对待去噪电压波形的PWM噪声进行阈值选取；

C、应用步骤B所选取的针对PWM噪声的阈值，对细节系数与尺度系数进行改进的软、硬阈值结合的阈值处理；

D、重构得到去噪后的信号序列。

2.按照权利要求1所述的ATEM发射机发射电流PWM噪声去噪方法，其特征在于：步骤B所述的阈值选取步骤为：

a、将步骤2所得的小波系数的平方按从小打到大的顺序排列，即：

且p₁≤p₂≤…≤p_n；

b、定义风险向量R，其元素为：

c、以R元素中的最小值r_min作为风险值，找出r_min的下标变量min所对应的α，进而获得对应的p_α，求出阈值T，即

其中，N为含噪信号在所有尺度上的小波分解系数的个数总和，σ为噪声信号的偏差。

3.按照权利要求1所述的ATEM发射机发射电流PWM噪声去噪方法，其特征在于：步骤C所述的改进的软、硬阈值结合的阈值处理函数表达式为：

其中：γ是调节因子，介于0和1之间。在|w_j,k|＞λ时，可以通过调节α使新阈值函数在软硬阈值之间灵活选择，从而获得最优的去噪效果。