CN105573104A - 基于改进emd的手表检测降噪方法 - Google Patents

Abstract

本发明公开了一种基于改进EMD的手表检测降噪方法，包括以下步骤：使用EMD分解得到多个IMF分量；利用互相关分析确定噪声信号主要分布的IMF分量，将分量中的表音信号和噪声信号加以区分；对筛选出的几个IMF分量进行小波阈值降噪处理；重构信号以得到经过降噪后的表音信号。本发明依据信号本身的局部特征能够进行自适应地分解，分解得到的各个IMF分量包含原信号的局部特征信息，自适应性很强。针对特定IMF分量进行小波阈值降噪处理，解决了表音信号中噪声难以去除的问题。本发明适用于表音信号的降噪过程，也适用于其他微弱语音信号的降噪过程。

Description

基于改进EMD的手表检测降噪方法

技术领域

本发明涉及信号处理技术领域，特别涉及一种基于改进EMD的手表检测降噪方法。

背景技术

当机械手表出现故障时，表音信号通常表现为调制形式，因此解调分析是机械手表故障诊断领域中的一种常用处理方法，在实践中能够解决很多检测方面的问题。但是，表音信号是一种微弱的信号，很容易受到各种噪声信号的干扰，因此进行解调分析之前必须经过降噪过程。

在目前手表检测过程中，对表音信号降噪的处理方法主要分为两类。第一类是采用前置滤波电路进行降噪，这种方法能有效地去除部分噪声信号，但是硬件电路产生的干扰信号和部分难以滤除的信号将会影响降噪效果。第二类是采用数字信号处理的方法进行降噪，这些方法对一些难以滤除的噪声信号具有较强的降噪效果，相比采用实际电路降噪更具优势。这些方法包括频谱减法、遗传算法和小波变换等，其中以小波变换的应用最为广泛。但是，小波变换的降噪能力取决于基函数与阈值的选择，在降噪方面具有一定的局限性。

经验模态分解（EmpiricalModeDecomposition，EMD）是一种分析非平稳、非线性信号的新方法，与其他时频信处理方法相比，这种方法具有较多优点，但是在处理表音信号这种微弱信号的时候，效果不佳。本发明针对传统信号降噪算法在手表检测中存在的问题与不足，提出了一种改进的EMD算法，将传统的EMD分解和互相关分析、小波阈值降噪相结合来达到对表音信号降噪的目的。

发明内容

本发明的目的是为了解决现有方法存在的不足，提供一种基于改进EMD的手表检测降噪方法，该方法能够对表音信号进行有效的降噪。

为了达到上述目的，本发明的构思是：首先使用EMD分解得到多个本征模态函数（IntrinsicModeFunction，IMF），利用互相关分析确定噪声信号主要分布的IMF分量，将分量中的表音信号和噪声信号加以区分，然后对筛选出的几个IMF分量进行小波阈值降噪处理，最后重构信号以得到经过降噪后的表音信号。

根据上述发明构思，本发明采用的技术方案为：

一种基于改进EMD的手表检测降噪方法，包括以下步骤：

1）利用传声器采集获得表音信号。

2）将含噪声的信号进行EMD分解，得到若干个IMF分量。

3）将分解后的相邻IMF分量进行两两互相关系数计算，以找到包含大量噪声的IMF分量；噪声信号和其他信号是不存在相关关系的，它们之间的互相关系数为零或者接近为零，并且IMF分量是按频率从高到低进行排列的，因此，当相邻IMF分量之间的相关系数较小时，即认为这两个IMF分量中至少有一个包含大量的噪声信号；当相关系数较大时，认为这两个IMF分量均包含极少量的噪声信号。

4）对筛选出的包含大量噪声信号的IMF分量利用小波阈值进行降噪，这里采用的是minimaxi阈值降噪方法，当信号中的有用成分和噪声成分存在重叠部分的时候，利用这种阈值选取规则能够更加有效地把微弱的表音信号从噪声信号中提取出来。

这种方法很适合对表音信号进行降噪，具体选取规则为：

其中为噪声信号的标准差，n为信号在某一尺度上通过分解得到的小波系数个数，T为阈值。

5）最后，对经过降噪后的信号进行重构，可得：

其中为第i个IMF分量，k为经过小波阈值降噪处理的IMF分量个数，n为分解得到的所有IMF分量个数，为第n个IMF分量的残余相，为经过降噪后的信号。这样，即可得到经过改进的EMD算法降噪后的表音信号。

本发明与现有技术相比有如下优点：

1、本发明利用互相关分析法确定噪声信号主要分布的IMF分量，将分量中的表音信号和噪声信号加以区分，可以在充分保留原信号的基础上消除噪声信号。

2、本发明针对特定IMF分量进行小波阈值降噪处理，解决了IMF分量中噪声信号难以去除的问题。

附图说明

图1是本发明实施例的方法流程图。

图2是本发明实施例未经小波阈值降噪后的前8个IMF分量示意图。

图3是本发明实施例经过小波阈值降噪后的前4个IMF分量示意图。

图4是本发明实施例经过传统EMD算法降噪后的表音信号Hilbert包络曲线结果图。

图5是本发明实施例经过改进算法降噪后的表音信号Hilbert包络曲线结果图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

一种基于改进EMD的手表检测降噪方法，如图1所示，具体包括以下步骤：

1）利用传声器采集获得表音信号。

2）将含噪声的信号进行EMD分解，得到若干个IMF分量。由于得到的最后几个IMF分量和残差所包含的能量很小，对整体的影响极其微小，所以仅取前8个IMF分量进行分析，未经小波阈值降噪的前8个IMF分量示意图的如图2所示。从图2可以初步看出，前2个IMF分量包含了大量噪声成分和少量表音成分，第3、4个IMF分量则包含了大量表音成分和少量噪声成分，而后4个IMF分量包含的信息则相对较少。

3）对这8个IMF分量两两进行互相关系数计算，发现前5个IMF分量之间的相关系数显然要比后3个小。即从第5个IMF分量开始，噪声信号逐渐减少，噪声信号和其他信号是不存在相关关系的，它们之间的互相关系数为零或者接近为零，并且IMF分量是按频率从高到低进行排列的。因此，当相邻IMF分量之间的相关系数较小时，即可认为这两个IMF分量中至少有一个包含大量的噪声信号；当相关系数较大时，认为这两个IMF分量均包含极少量的噪声信号。因此可以确定噪声信号主要分布于前4个IMF分量中。

4）对步骤3）筛选出的4个IMF分量进行小波阈值降噪处理。这里采用的是minimaxi阈值降噪方法，当信号中的有用成分和噪声成分存在重叠部分的时候，利用这种阈值选取规则可以更加有效地把微弱的表音信号从噪声信号中提取出来。将前4个IMF分量使用小波函数sym5分解到第5层，并使用minimaxi阈值选取规则进行处理，消除噪声信号。

具体选取规则为：

其中为噪声信号的标准差，n为信号在某一尺度上通过分解得到的小波系数个数，T为阈值。

得到经过小波阈值降噪后的前4个IMF分量的时域波形图如图3所示。通过对图2中的前4个IMF分量和图3中的4个IMF分量的进行比较可以发现，经过小波阈值降噪后的IMF分量在保留原信号的同时，滤除掉了大量的噪声信号。

5）重构经过降噪后的信号，可得：

其中为第i个IMF分量，为第13个IMF分量的残余相，为经过降噪后的信号。这样，即可得到经过改进的EMD算法降噪后的表音信号。

在得到了经过改进的EMD算法降噪的信号之后，下面跟传统的EMD降噪方法作对比。传统的基于EMD的降噪算法就是根据经验判断噪声位于高频段且IMF分量是按频率从高到低进行排序的，直接滤除前2个IMF分量，重构剩余的IMF分量即得到降噪后的信号，即可得：

其中为第i个IMF分量，为第13个IMF分量的残余相，为经过降噪后的信号。这样，即可得到经过改进的EMD算法降噪后的表音信号。

利用上述两种方法得到降噪后的表音信号的包络曲线。如图4，5所示分别为传统EMD算法降噪后得到的包络曲线和改进的EMD算法降噪后得到的包络曲线。通过图4和图5的对比可以发现，经过改进的EMD算法降噪后的包络曲线比传统EMD算法降噪后的包络曲线降噪效果更好，在保持原信号基本不变的同时所受到的噪声干扰影响更小，降噪效果显著。

Claims (2)

1.一种基于改进EMD的手表检测降噪方法，其特征在于，包括以下步骤：

1）利用传声器采集获得表音信号；

2）将含噪声的信号进行EMD分解，得到若干个IMF分量；

3）将分解后的相邻IMF分量进行两两互相关系数计算，以找到包含大量噪声的IMF分量；噪声信号和其他信号是不存在相关关系的，它们之间的互相关系数为零或者接近为零，并且IMF分量是按频率从高到低进行排列的，因此，当相邻IMF分量之间的相关系数较小时，即认为这两个IMF分量中至少有一个包含大量的噪声信号；当相关系数较大时，认为这两个IMF分量均包含极少量的噪声信号；

4）对筛选出的包含大量噪声信号的IMF分量利用小波阈值进行降噪，这里采用的是minimaxi阈值降噪方法，当信号中的有用成分和噪声成分存在重叠部分的时候，利用这种阈值选取规则能够更加有效地把微弱的表音信号从噪声信号中提取出来；

5）最后，对经过降噪后的信号进行重构：

其中为第i个IMF分量，k为经过小波阈值降噪处理的IMF分量个数，n为分解得到的所有IMF分量个数，为第n个IMF分量的残余相，为经过降噪后的信号；这样，即得到经过改进的EMD算法降噪后的表音信号。

2.根据权利要求1所述的基于改进EMD的手表检测降噪方法，其特征在于，所述步骤4）中的minimaxi阈值降噪方法，具体选取规则为：

其中为噪声信号的标准差，n为信号在某一尺度上通过分解得到的小波系数个数，T为阈值。