CN105631437A - 加湿器干烧信号处理方法和装置 - Google Patents

Abstract

本发明公开一种加湿器干烧信号处理方法和装置。该方法包括：将第一干烧信号进行小波多尺度分解以得到低频信号和多个高频信号；利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置以实现所述刺激噪声的定位；将设定的硬阈值作为阈值点并采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号；将所述刺激噪声的定位结果作为阈值点并采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号；根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。本发明对检测到的干烧信号进行多尺度分析，在此基础上移除干烧信号中的噪声，最终得到干净的干烧信号，从而避免干烧误判的发生。

Description

加湿器干烧信号处理方法和装置

技术领域

本发明涉及加湿器领域，具体而言，涉及一种加湿器干烧信号处理方法和装置。

背景技术

现有技术中的干烧保护方案中，由于电源以及电路的噪声存在，加湿器会产生干烧误判的现象，即无水时不判干烧和有水时判干烧的现象，而导致误判的主要原因是检测到的干烧信号存在噪声。

例如，申请号为CN201320016860.5的中国专利公开了一种加湿器的水位控制装置及加湿器，其通过具有电位比较器和IC芯片的感应控制电路，来感应水槽内水位的变化，从而实现对加湿器的通断电控制，以避免加湿器的“干烧”现象。但是，一旦水位检测失效，就很容易发生干烧。

又如，申请号为CN201320321067.6的中国专利公开了一种加湿器的防干烧系统，其利用超声换能片在有水状态和无水状态下具有不同工作电压变化范围的特性，根据振荡换能电路的振荡电压信号来控制振荡换能电路的工作与否，以实现防干烧功能。但是，一旦噪声干扰过大，就很容易使得检测到的电压不准，即发生干烧误判。

发明内容

本发明实施例中提供一种加湿器干烧信号处理方法和装置，以解决现有技术中的干烧误判问题。

为实现上述目的，本发明实施例提供一种加湿器干烧信号处理方法，包括：将第一干烧信号进行小波多尺度分解以得到低频信号和多个高频信号；利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置以实现所述刺激噪声的定位；将设定的硬阈值作为阈值点并采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号；将所述刺激噪声的定位结果作为阈值点并采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号；根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。

作为优选，利用正交小波基函数对第一干烧信号进行多尺度分解。

作为优选，将第一干烧信号进行五层分解以得到低频信号a5、高频信号d5、高频信号d4、高频信号d3、高频信号d2、和高频信号d1。

作为优选，利用高频信号d1探测所述第一干烧信号中的刺激噪声的位置。

作为优选，所述阈值法的滤波过程包括：计算所述阈值点左侧的小于N/2个采样值总能量的第一平均值，其中，所述阈值点是所述利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置；计算所述阈值点右侧的小于N/2个采样值总能量的第二平均值；判断所述第一平均值是否大于不带有噪声的干烧信号的电压值与第一权重因子的乘积；如果所述第一平均值大于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第二权重因子的乘积，并且在所述第二平均值大于所述电压值与第二权重因子的乘积时，进行大范围噪声移除，否则减小所述阈值点右侧的噪声移除；如果所述第一平均值小于或等于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第三权重因子的乘积，并且在所述第二平均值大于所述电压值与第三权重因子的乘积时，减小所述阈值点右侧的噪声移除，否则进行小范围噪声移除。

作为优选，所述第一权重因子、所述第二权重因子和所述第三权重因子的取值范围是[0，2]。

作为优选，采用所述阈值法对所述第二干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子分别对应地小于采用阈值法对所述第一干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子。

本发明还提供了一种加湿器干烧信号处理装置，括：多尺度分解模块，用于将第一干烧信号进行小波多尺度分解以得到低频信号和多个高频信号；噪声定位模块，用于利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置以实现所述刺激噪声的定位；第一噪声移除模块，用于将设定的硬阈值作为阈值点并采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号；第二噪声移除模块，用于将所述刺激噪声的定位结果作为阈值点采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号；重构模块，用于根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。

作为优选，所述多尺度分解模块利用正交小波基函数对第一干烧信号进行多尺度分解。

作为优选，所述多尺度分解模块将第一干烧信号进行五层分解以得到低频信号a5、高频信号d5、高频信号d4、高频信号d3、高频信号d2、和高频信号d1。

作为优选，所述噪声定位模块利用高频信号d1探测所述第一干烧信号中的刺激噪声的位置。

作为优选，所述阈值法的滤波过程包括：计算所述阈值点左侧的小于N/2个采样值总能量的第一平均值，其中，所述阈值点是所述利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置；计算所述阈值点右侧的小于N/2个采样值总能量的第二平均值；判断所述第一平均值是否大于不带有噪声的干烧信号的电压值与第一权重因子的乘积；如果所述第一平均值大于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第二权重因子的乘积，并且在所述第二平均值大于所述电压值与第二权重因子的乘积时，进行大范围噪声移除，否则减小所述阈值点右侧的噪声移除；如果所述第一平均值小于或等于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第三权重因子的乘积，并且在所述第二平均值大于所述电压值与第三权重因子的乘积时，减小所述阈值点右侧的噪声移除，否则进行小范围噪声移除。

作为优选，所述第一权重因子、所述第二权重因子和所述第三权重因子的取值范围是[0，2]。

作为优选，采用所述阈值法对所述第二干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子分别对应地小于采用阈值法对所述第一干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子。

本发明利用小波的奇异性检测方法，对检测到的干烧信号进行多尺度分析，在此基础上移除干烧信号中的噪声，最终得到干净的干烧信号，从而避免干烧误判的发生。

附图说明

图1是本发明一个优选实施例所使用的加湿器的防干烧信号检测电路；

图2是本发明加湿器干烧信号处理方法的流程图；

图3是本发明采用的阈值法的流程图；

图4是本发明加湿器干烧信号处理装置的结构示意图。

附图标记说明：1、雾化片；2、嵌位二极管；3、功率管基极；4、疑似干烧信号；5、PWM信号。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

本专利特别适用于带功率自调节、水位信号和干烧信号检测双重快速保护的超声波雾化器，也适用于所有加湿器防干烧方案。

图1示出了本发明一个优选实施例所使用的加湿器的防干烧信号检测电路。如图1所示，该干烧信号检测电路检测功率管基极3的直流信号大小，其中，雾化片1在有水正常工作与无水干烧工作时，该直流信号的大小不同。当有水正常工作时，该直流信号有几百毫伏，其经过限流电阻、滤波电容后，信号辐值稳定。当雾化片1表面几乎没水而处于干烧工作状态时，该直流信号立即变为负电压值，经过嵌位二极管2后负电压值不会拉得很低，以保护主芯片的I/O口。因此，通过检测该直流信号的幅值大小，可以快速反应出雾化片表面是否有水，并将此直流信号作为疑似干烧信号4。图1中的附图标记5为来自控制器的PWM信号。

下面，对小波的多尺度分析进行简单介绍。

信号f(x)以ψ(x)为基的连续小波变换可表示为：

$W_{\mathrm{\ψ}}f(a,b)=\left|a\right|-\frac{1}{2}\∫f\left(x\right)\stackrel{\‾}{\mathrm{\ψ}\left(\frac{x-b}{a}\right)}dx,f\∈L^2\left(R\right),$ 式中，a为尺度因子；b为平移量。

ψ(x)为满足容许条件的容许小波，若则信号f(x)以ψ(x)为基的连续小波变换可写成W_ψf(a,b)＝〈f(x),ψ_a,b(x)〉。

为了将小波变换应用于实际的信号分析中，需要对尺度因子a与平移量b进行离散化处理。

若对尺度因子a离散化(即a_j＝2^-j)，可得二进制小波变换：其中，ψ_j,b(x)＝ψ_j(x-b)＝2^j/2ψ[2^j(x-b)]，j∈Z。

若继续对平移量b离散化(即b_j,k＝b₀(k/2^j))，令b₀＝0，由可以得到一簇二进制伸缩平移函数簇{ψ_j,k(x)}，并可以利用这个函数簇来计算小波变换系数：d_j,k＝W_ψf(2^-j,k2^-j)＝〈f(x),ψ_j,k(x)〉，其中， ${\mathrm{\ψ}}_{b_{j,k}}\left(x\right)=2^{j/2}\mathrm{\ψ}(2^{j}x-{\mathrm{kb}}_0),$ j,k∈Z。

由于时域与频域的尺度变化正好相反，以及正交小波基函数具有多尺度特性，因此多尺度分析可利用小波函数基的这一特性，将信号通过低通滤波器与高通滤波器，在不同尺度下加以对比，并从中得到信号低频轮廓信息与高频噪声及突变信息。

如图2所示，本发明提供了一种加湿器干烧信号处理方法，包括以下步骤：

步骤1，通过小波对原始的第一干烧信号进行多尺度分解，从而得到低频信号和多个高频信号，优选地，采用能量集中度高、局部特性较好的db6小波对干烧信号进行5层分解，得到低频信号a5、高频信号d5、高频信号d4、高频信号d3、高频信号d2、和高频信号d1；优选地，利用正交小波基函数对第一干烧信号进行多尺度分解。

步骤2，利用其中的一个所述高频信号(例如高频信号d1)对所述第一干烧信号中的刺激噪声的位置进行探测，以完成所述刺激噪声的定位。与原始的信号相比，由于噪声存在的位置处的幅值要远远大于正常信号的幅值，因此可以利用高频信号d1探测出噪声的位置，从而完成对噪声进行定位。

步骤3，对第一干烧信号进行第一次滤波处理，例如，可以采用阈值法滤波，此次滤波的主要目的是为了移除幅值较大的噪声，为此将设定的硬阈值作为阈值点，采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号，这样可移除一部分幅值较大的噪声。

步骤4，经过步骤3处理的第二干烧信号中的噪声并没有被完全滤除，由于在步骤2中利用小波的奇异性检测法，通过高频信号探测到了刺激噪声的位置，因此可以利用定位到的噪声位置来移除干烧信号中的噪声。为此，此步骤4中将所述刺激噪声的定位结果作为阈值点，仍然采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号。这样，经过步骤3和步骤4中的两次波滤处理，可以将信号中的高频信号d2、d3、d4和d5滤除。

步骤5，根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。

本专利充分地利用了小波的多尺度分析(多分辨率分析)这一特性，将信号通过低通滤波器与高通滤波器，在不同尺度下加以对比，并从中得到信号低频轮廓信息与高频噪声及突变信息。在上述技术方案中，首先对带有噪声的第一干烧信号进行小波分解，然后对噪声进行探测和噪声位置的定位，以便进一步去除噪声。然后对第一干烧信号利用阈值法进行两次滤波处理，最后对信号进行重建，从而得到纯净的干烧信号。

可见，本发明可利用小波的奇异性检测方法，对检测到的干烧信号进行多尺度分析，在此基础上移除干烧信号中的噪声，最终得到干净的干烧信号，从而避免干烧误判的发生。

虽然步骤3采用硬阈值的阈值法可以很好地移除噪声，在一定程度上也会起到降噪的作用，但是这种方法对信号本身的衰减也比较大。为了尽可能地保留干烧信号，更为优选地可采用硬阈值法的自适应噪声移除。进一步地，步骤4在基于噪声定位的噪声移除过程中，也需要考虑因噪声的移除而导致干烧信号的损失问题。

为此，更为优选地，本发明采用的阈值法具有自适应噪声移除功能，具体地说，其滤波过程包括以下步骤：

请参考图3，首先，以阈值点为分界点，将信号分成两部分，即位于阈值点左侧及右侧的部分，然后计算出所述阈值点左侧的小于N/2个采样值总能量的第一平均值T1以及所述阈值点右侧的小于N/2个采样值总能量的第二平均值T2。

然后，确定第一权重因子α、第二权重因子β和第三权重因子γ，其中，上述三个权重因子用于根据不带有噪声的干烧信号的电压值T得到不同的比较基准点。这样，通过上述三个权重因子，可以根据第一和第二平均值T2判断阈值点左侧和右侧的噪声程度，以便根据噪声程度的大小，进行相应的滤波处理。

具体地说，首先判断所述第一平均值T1是否大于不带有噪声的干烧信号的电压值T与第一权重因子α的乘积。在一种情形下，如果所述第一平均值T1大于所述电压值T与第一权重因子α的乘积，那么接着再判断所述第二平均值T2是否大于所述电压值T与第二权重因子β的乘积。为了最大限度地保留干烧信号、实现增加与减少噪声移除的区域，如果所述第二平均值T2大于所述电压值T与第二权重因子β的乘积(即图3的C3分支)，则表明噪声与干烧信号相互的叠加范围较大，可进行大范围噪声移除(此处的“大范围”说明噪声范围较大，可以较大范围地移除噪声)，否则(即图3的C4分支)噪声主要位于干烧信号的左侧，此时可减小所述阈值点右侧的噪声移除。

在另一种情形下，如果所述第一平均值小于或等于所述电压值T与第一权重因子α的乘积，那么接着再判断所述第二平均值T2是否大于所述电压值T与第三权重因子γ的乘积。为了最大限度地保留干烧信号、实现增加与减少噪声移除的区域，如果所述第二平均值T2大于所述电压值T与第三权重因子γ的乘积(即图3的C2分支)，说明噪声主要位于阈值点左侧，可减小所述阈值点右侧的噪声移除，否则(即图3的C1分支)表明阈值点两侧的噪声信号较小，考虑到干烧信号的损失，可进行小范围噪声移除(此处的“小范围”说明噪声范围较小，可以较小范围地移除噪声)。

根据各高频信号的各自特征，可合理的选择第一权重因子α、第二权重因子β和第三权重因子γ的取值，以在保噪声信号的同时，尽量减少干烧信号损失，达到最优效果。为了更加准确地确定噪声的具体位置，一般地，所述第一权重因子α、所述第二权重因子β和所述第三权重因子γ的取值范围是[0，2]。

优选地采用所述阈值法对所述第二干烧信号进行滤波时使用的第一权重因子α、第二权重因子β和第三权重因子γ分别对应地小于采用阈值法对所述第一干烧信号进行滤波时使用的第一权重因子α、第二权重因子β和第三权重因子γ。

本发明还提供了一种加湿器干烧信号处理装置，其用于实现上述的方法，因此，与上述方法重复之处在此不再赘述。

请参考图4，在一个实施例中，该装置包括：多尺度分解模块、噪声定位模块、第一噪声移除模块、第二噪声移除模块和重构模块。

其中，多尺度分解模块将第一干烧信号进行小波多尺度分解以得到低频信号和多个高频信号；优选地，采用能量集中度高、局部特性较好的db6小波对干烧信号进行5层分解，得到低频信号a5、高频信号d5、高频信号d4、高频信号d3、高频信号d2、和高频信号d1；优选地，利用正交小波基函数对第一干烧信号进行多尺度分解。噪声定位模块利用一个所述高频信号(例如高频信号d1)探测所述第一干烧信号中的刺激噪声的位置，以完成所述刺激噪声的定位。

第一噪声移除模块对第一干烧信号进行第一次滤波处理，将设定的硬阈值作为阈值点并采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号。第一噪声移除模块的主要目的是为了移除幅值较大的噪声。

经过第一噪声移除模块处理的第二干烧信号中的噪声并没有被完全滤除，由于在步骤2中利用小波的奇异性检测法，通过高频信号探测到了刺激噪声的位置，因此可以利用定位到的噪声位置来移除干烧信号中的噪声。为此，第二噪声移除模块将所述刺激噪声的定位结果作为阈值点采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号。

重构模块根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。

本专利充分地利用了小波的多尺度分析(多分辨率分析)这一特性，将信号通过低通滤波器与高通滤波器，在不同尺度下加以对比，并从中得到信号低频轮廓信息与高频噪声及突变信息。在上述技术方案中，首先对带有噪声的第一干烧信号进行小波分解，然后对噪声进行探测和噪声位置的定位，以便进一步去除噪声。然后对第一干烧信号利用阈值法进行两次滤波处理，最后对信号进行重建，从而得到纯净的干烧信号。

可见，本发明可利用小波的奇异性检测方法，对检测到的干烧信号进行多尺度分析，在此基础上移除干烧信号中的噪声，最终得到干净的干烧信号，从而避免干烧误判的发生。

可见，本专利可滤除干烧信号中的噪声，从而得到纯净的干烧信号，特别对于频谱分布较广且幅值突变的噪声的滤除效果更加明显。

当然，以上是本发明的优选实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明基本原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (14)

1.一种加湿器干烧信号处理方法，其特征在于，包括：

将第一干烧信号进行小波多尺度分解以得到低频信号和多个高频信号；

利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置以实现所述刺激噪声的定位；

将设定的硬阈值作为阈值点并采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号；

将所述刺激噪声的定位结果作为阈值点并采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号；

根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。

2.根据权利要求1所述的加湿器干烧信号处理方法，其特征在于，利用正交小波基函数对第一干烧信号进行多尺度分解。

3.根据权利要求1所述的加湿器干烧信号处理方法，其特征在于，将第一干烧信号进行五层分解以得到低频信号a5、高频信号d5、高频信号d4、高频信号d3、高频信号d2、和高频信号d1。

4.根据权利要求3所述的加湿器干烧信号处理方法，其特征在于，利用高频信号d1探测所述第一干烧信号中的刺激噪声的位置。

5.根据权利要求1所述的加湿器干烧信号处理方法，其特征在于，所述阈值法的滤波过程包括：

计算所述阈值点左侧的小于N/2个采样值总能量的第一平均值；

计算所述阈值点右侧的小于N/2个采样值总能量的第二平均值；

判断所述第一平均值是否大于不带有噪声的干烧信号的电压值与第一权重因子的乘积；

如果所述第一平均值大于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第二权重因子的乘积，并且在所述第二平均值大于所述电压值与第二权重因子的乘积时，进行大范围噪声移除，否则减小所述阈值点右侧的噪声移除；

如果所述第一平均值小于或等于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第三权重因子的乘积，并且在所述第二平均值大于所述电压值与第三权重因子的乘积时，减小所述阈值点右侧的噪声移除，否则进行小范围噪声移除。

6.根据权利要求5所述的加湿器干烧信号处理方法，其特征在于，所述第一权重因子、所述第二权重因子和所述第三权重因子的取值范围是[0，2]。

7.根据权利要求5所述的加湿器干烧信号处理方法，其特征在于，采用所述阈值法对所述第二干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子分别对应地小于采用阈值法对所述第一干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子。

8.一种加湿器干烧信号处理装置，其特征在于，包括：

多尺度分解模块，用于将第一干烧信号进行小波多尺度分解以得到低频信号和多个高频信号；

噪声定位模块，用于利用一个所述高频信号探测所述第一干烧信号中的刺激噪声的位置以实现所述刺激噪声的定位；

第一噪声移除模块，用于将设定的硬阈值作为阈值点并采用阈值法对所述第一干烧信号进行滤波以得到第二干烧信号；

第二噪声移除模块，用于将所述刺激噪声的定位结果作为阈值点采用所述阈值法对所述第二干烧信号进行滤波以得到第三干烧信号；

重构模块，用于根据所述第三干烧信号对所述第一干烧信号进行重构以得到最终的纯净干烧信号。

9.根据权利要求8所述的加湿器干烧信号处理装置，其特征在于，所述多尺度分解模块利用正交小波基函数对第一干烧信号进行多尺度分解。

10.根据权利要求8所述的加湿器干烧信号处理装置，其特征在于，所述多尺度分解模块将第一干烧信号进行五层分解以得到低频信号a5、高频信号d5、高频信号d4、高频信号d3、高频信号d2、和高频信号d1。

11.根据权利要求10所述的加湿器干烧信号处理装置，其特征在于，所述噪声定位模块利用高频信号d1探测所述第一干烧信号中的刺激噪声的位置。

12.根据权利要求8所述的加湿器干烧信号处理装置，其特征在于，所述阈值法的滤波过程包括：

计算所述阈值点左侧的小于N/2个采样值总能量的第一平均值；

计算所述阈值点右侧的小于N/2个采样值总能量的第二平均值；

判断所述第一平均值是否大于不带有噪声的干烧信号的电压值与第一权重因子的乘积；

如果所述第一平均值大于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第二权重因子的乘积，并且在所述第二平均值大于所述电压值与第二权重因子的乘积时，进行大范围噪声移除，否则减小所述阈值点右侧的噪声移除；

如果所述第一平均值小于或等于所述电压值与第一权重因子的乘积，则判断所述第二平均值是否大于所述电压值与第三权重因子的乘积，并且在所述第二平均值大于所述电压值与第三权重因子的乘积时，减小所述阈值点右侧的噪声移除，否则进行小范围噪声移除。

13.根据权利要求12所述的加湿器干烧信号处理装置，其特征在于，所述第一权重因子、所述第二权重因子和所述第三权重因子的取值范围是[0，2]。

14.根据权利要求12所述的加湿器干烧信号处理装置，其特征在于，采用所述阈值法对所述第二干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子分别对应地小于采用阈值法对所述第一干烧信号进行滤波时使用的第一权重因子、第二权重因子和第三权重因子。