CN106356069A - 一种信号处理方法和装置 - Google Patents

Abstract

本发明公开一种信号处理方法和装置，包括：对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；对第一信号执行时频变换运算，获取对应的第三信号；根据第二信号获取噪声信号对应的频率信息；根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号；对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。该信号处理方法和装置对以周期成分为主的数字信号具有较好的去噪效果，尤其是在等转速条件下采集的振动信号，对于其他的以周期信号为主的数字信号也具有很好的消噪效果。

Description

一种信号处理方法和装置

技术领域

本发明涉及数字信号处理领域，特别涉及一种信号处理方法和装置。

背景技术

通常，在工业现场采集的信号中含有复杂的噪声成分并且信噪比较低，例如，对运转中的大型设备采集的振动信号中含有大量随机干扰噪声，难以有效的直接从采集的振动信号中提取用于故障诊断的特征信息，其中，振动信号的特征信息指振动信号的均方根、最大峰值、方差、峰峰值、峭度、歪度、波形指标等参数，随机干扰噪声给故障诊断带来了一定的难度，因此需要在特征提取之前对振动信号进行消噪处理。

对于包含多种周期信号频率成分的数字信号或者缓变信号，现有的去噪方法，例如有限脉冲响应或无限脉冲响应数字滤波器只能消除一定频带范围内随机噪声，不能在整个频带范围内去除信号中的随机干扰噪声。

发明内容

本发明提供一种信号处理方法和装置，用于解决现有技术中的噪声滤除方法中对于噪声成分复杂并且信噪比较低的数字信号噪声滤除的效果不佳的问题。

为了解决上述技术问题，本发明提供了一种信号处理方法，所述信号处理方法包括：

对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；

对所述第一信号执行时频变换运算，获取对应的第三信号；

根据所述第二信号获取噪声信号对应的频率信息；

根据所述噪声信号对应的频率信息，对所述第三信号中噪声信号对应的频率分量进行滤除操作，得到滤除噪声之后的第四信号；

对所述第四信号执行所述时频变换运算对应的频时变换运算，获取所述第一信号对应的滤除噪声信号之后的第五信号。

优选地，所述根据所述第二信号获取噪声信号对应的频率信息包括：

设定第一阈值；

根据所述第一阈值，检测第二信号中各频率分量的模值，将模值小于所述第一阈值的频率分量作为噪声信号对应的频率分量，并将噪声信号对应的频率分量的集合作为噪声信号对应的频率信息；

所述根据所述噪声信号对应的频率信息，对所述第三信号中噪声信号对应的频率分量进行滤除操作，得到滤除噪声之后的第四信号包括：

根据噪声信号对应的频率信息中的频率分量，去除第三信号中对应的频率分量，将频率分量归零处理后的信号作为第四信号。

优选地，所述时频变换运算为快速傅里叶FFT运算；

所述时频变换运算对应的频时变换运算为快速傅里叶逆iFFT运算。

优选地，在所述对第一信号执行自相关运算之后，还包括：对自相关运算的结果做归一化处理；

所述对自相关运算的结果执行时频变换运算包括：

对归一化处理之后的自相关运算的结果执行时频变换运算。

优选地，所述设定第一阈值包括如下方式中的一种：

设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比；对各个阈值对应的信噪比进行比较，选取最大的信噪比对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的均方根误差；对各个阈值对应的均方根误差进行比较，选取最小的均方根误差对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比和均方根误差；对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值，将所述最优阈值作为第一阈值；其中，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值包括：选取信噪比大于预定的第一值、且均方根误差小于预定的第二值的阈值，如果多个阈值满足上述条件，则按照预定的选取步长增大第一值或减小第二值，直至满足所述条件的阈值为一个，将上述一个阈值选为最优阈值；如果没有阈值满足上述条件，则按照预定的选取步长减小第一值或增大第二值，直至有一个阈值满足上述条件，将上述一个阈值选为最优阈值。

优选地，所述第一阈值的取值范围是0.001～0.1。

为了解决上述技术问题，本发明还提供了一种信号处理装置，所述信号处理装置包括：

相关运算单元，用于对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；

时频变换单元，用于对第一信号执行时频变换运算，获取对应的第三信号；

噪声频率获取单元，用于根据第二信号获取噪声信号对应的频率信息；

噪声滤除单元，用于根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号；

频时变换单元，用于对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。

优选地，所述噪声频率获取单元包括：

阈值设定模块，用于设定第一阈值；

噪声频率获取模块，用于根据所述第一阈值，检测第二信号中各频率分量的模值，将模值小于所述第一阈值的频率分量作为噪声信号对应的频率分量，并将噪声信号对应的频率分量的集合作为噪声信号对应的频率信息；

所述噪声滤除单元具体用于：

根据噪声信号对应的频率信息中的频率分量，去除第三信号中对应的频率分量，将频率分量归零处理后的信号作为第四信号。

优选地，所述阈值设定模块包括如下子模块中的一个：

第一设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比；对各个阈值对应的信噪比进行比较，选取最大的信噪比对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

第二设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的均方根误差；对各个阈值对应的均方根误差进行比较，选取最小的均方根误差对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

第三设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比和均方根误差；对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值，将所述最优阈值作为第一阈值；其中，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值包括：选取信噪比大于预定的第一值、且均方根误差小于预定的第二值的阈值，如果多个阈值满足上述条件，则按照预定的选取步长增大第一值或减小第二值，直至满足所述条件的阈值为一个，将上述一个阈值选为最优阈值；如果没有阈值满足上述条件，则按照预定的选取步长减小第一值或增大第二值，直至有一个阈值满足上述条件，将上述一个阈值选为最优阈值。

优选地，还包括：

归一化单元，用于在对第一信号执行自相关运算之后，对自相关运算的结果做归一化处理

本发明的有益效果包括：

与现有技术相比，本发明提供的技术方案包括：所述信号处理方法包括：对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；对第一信号执行时频变换运算，获取对应的第三信号；根据第二信号获取噪声信号对应的频率信息；根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号；对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。该信号处理方法和装置对以周期成分为主的数字信号具有较好的去噪效果，尤其是在等转速条件下采集的振动信号，以周期合成信息及幅值调制信号为主的信号，对于其他的以周期信号为主的数字信号也具有很好的消噪效果。

附图说明

图1为本发明实施例提供的一种信号处理方法的流程示意图；

图2A为本发明的一个信号处理示例中不含噪声仿真信号的波形图；

图2B为本发明的一个信号处理示例中含噪声仿真信号的波形图；

图2C为本发明的一个信号处理示例中自相关系数曲线图；

图2D为本发明的一个信号处理示例中含噪声信号的幅值谱线图；

图2E为本发明的一个信号处理示例中自相关系数谱线及筛选出谱线图；

图3A为本发明的一个信号处理示例中阈值采用0.01的去噪信号的波形图；

图3B为本发明的一个信号处理示例中阈值采用0.001的去噪信号的波形图；

图3C为本发明的一个信号处理示例中阈值采用0.005的去噪信号的波形图；

图3D为本发明的一个信号处理示例中阈值采用0.1的去噪信号的波形图；

图4A为本发明的另一个信号处理示例中不含噪声方波信号的波形图；

图4B为本发明的另一个信号处理示例中含噪声方波信号的波形图；

图5为本发明的另一个信号处理示例中阈值采用0.01去噪后方波信号的波形图；

图6为本发明一个示例中采集器采集的一段振动信号的波形图；

图7A为本发明的振动数据示例中阈值采用0.005去噪后振动信号的波形图；

图7B为本发明的振动数据示例中阈值采用0.008去噪后振动信号的波形图；

图8为本发明实施例提供的一种信号处理装置的结构示意图。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明实施例提供的信号处理方法进行详细描述。

请参阅图1，为本发明实施例提供的一种信号处理方法的流程示意图，如图1所示，该信号处理方法包括：

步骤S100，对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；

步骤S300，对第一信号执行时频变换运算，获取对应的第三信号；

步骤S400，根据第二信号获取噪声信号对应的频率信息；

步骤S500，根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号。

步骤S600，对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。

在步骤S300之前还包括：步骤S200，对第二信号做归一化处理，得到归一化之后的第二信号。步骤S400中，根据归一化后的第二信号获取噪声信号对应的频率信息。

下面结合一个具体的示例进行说明。

(1)对第一信号x(t)执行相关运算，获取对应的第一信号对应的自相关信号R_x(τ)；

$R_x\left(\mathrm{\τ}\right)=\underset{T\→\mathrm{\∞}}{lim}{\∫}_0^{T}x\left(t\right)*x(t+\mathrm{\τ})dt$ (公式1)

其中，R_x(τ)为x(t)的自相关函数，信号的自相关函数描述了信号在t和t+τ时刻幅值之间的相互关系。τ为延时的大小，自相关函数为偶函数，在τ＝0处函数取最大值。周期函数的自相关函数仍然为同频率的周期函数。

其中，第一信号x(t)包括有效信号和噪声信号两部分，第一信号x(t)＝s(t)+n(t)，其中，s(t)为有效信号部分，即不含噪声信号的理想信号，n(t)为噪声信号，本发明提供的信号处理方法用于去除第一信号中的噪声信号部分。按照公式(1)对第一信号x(t)做自相关运算，得到第一信号的自相关函数。

$\begin{array}{c}{R}_x\left(\mathrm{\τ}\right)=\underset{T\→\mathrm{\∞}}{\lim }{\∫}_0^T\[s\left(t\right)+n\left(t\right)\]*\[s(t+\mathrm{\τ})+n(t+\mathrm{\τ})\]dt\\ ={\∫}_0^{T}s\left(t\right)s(t+\mathrm{\τ})dt+{\∫}_0^{T}s\left(t\right)n(t+\mathrm{\τ})dt+{\∫}_0^{T}n\left(t\right)s(t+\mathrm{\τ})dt+{\∫}_0^{T}n\left(t\right)n(t+\mathrm{\τ})dt\end{array}$ $=R_s\left(\mathrm{\τ}\right)+R_{sn}\left(\mathrm{\τ}\right)+R_{ns}\left(\mathrm{\τ}\right)+R_n\left(\mathrm{\τ}\right)$ (公式2)

可以看出，第一信号对应的自相关信号R_x(τ)由四部分组成，R_s(τ)为有效信号的自相关函数，R_sn(τ)为有效信号和噪声信号的相关函数，R_ns(τ)为噪声信号和有效信号的相关函数，R_n(τ)为噪声信号的自相关函数。其中，由于噪声信号和有效信号的相关性较差，因此，R_sn(τ)、R_ns(τ)的幅值非常小，噪声信号的自相关性也非常小，因此，R_n(τ)的幅值也非常小，只有有效信号的自相关函数R_s(τ)的幅值较高。根据这不同几部分的特点，可以对包含噪声信号的部分进行去除。

(2)对第一信号对应的自相关信号做归一化处理，得到归一化处理之后的自相关运算的结果。

R_xn(τ)＝R_x(τ)/R(0)； (公式3)

其中，R_x(τ)为第一信号对应的自相关信号，R(0)为R_x(τ)的最大值。

(3)对归一化处理之后的自相关运算的结果R_xn(τ)执行时频变换运算，获取对应的第二信号F_R(ω)；

$F_R\left(\mathrm{\ω}\right)={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{R}_{xn}\left(\mathrm{\τ}\right)e^{-iw\mathrm{\τ}}d\mathrm{\τ}$ (公式4)

公式(4)为傅里叶变换公式，根据公式(4)，可以求出归一化处理之后的自相关运算的结果R_xn(τ)对应的第二信号F_R(ω)。本实施例中的时频变换运算采用快速傅里叶FFT运算，此外，时频变换运算也可以采用其他的算法。

(4)根据第二信号获取噪声信号对应的频率信息。

其中，首先设定一个第一阈值；根据第一阈值，检测第二信号中各频率分量的模值，将模值小于所述第一阈值的频率分量作为噪声信号对应的频率分量，并将噪声信号对应的频率分量的集合作为噪声信号对应的频率信息。

优选地，第一阈值的取值范围是0.0001～0.1。

可以根据经验在上述范围内设置第一阈值的数值，也可以在一个范围内对第一阈值的数值进行择优选取。

(5)根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号。

具体地，根据噪声信号对应的频率信息中的频率分量，去除第三信号中对应的频率分量，将噪声频率分量归零处理后的信号作为第四信号F_Q(ω)。

F_Q(ω)＝Q(F_R(ω)) (公式5)

例如，第二信号在频率范围20～30以及50～200中的各频率分量的模值小于第一阈值，那么，确定噪声信号对应的频率信息为频率范围20～30以及50～200。其中，Q表示根据噪声信号对应的频率信息中的频率分量，对第三信号对应的频率分量执行的归零处理。

在公式(5)的计算中，将第三信号在频率范围20～30以及50～200中的频率分量去除，即将上述频率范围中的频率分量设置为0，将噪声频率分量归零处理后的信号作为第四信号。

具体地，上述设定第一阈值按照如下方式中的一种进行：

方式1-1、设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比；对各个阈值对应的信噪比进行比较，选取最大的信噪比对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

方式1-2、设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的均方根误差；对各个阈值对应的均方根误差进行比较，选取最小的均方根误差对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

方式1-3、设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比和均方根误差；对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值，将所述最优阈值作为第一阈值。其中，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值包括：选取信噪比大于预定的第一值、且均方根误差小于预定的第二值的阈值，如果多个阈值满足上述条件，则按照预定的选取步长增大第一值或减小第二值，直至满足所述条件的阈值为一个，将上述一个阈值选为最优阈值。

如果没有阈值满足上述条件，则按照预定的选取步长减小第一值或增大第二值，直至有一个阈值满足上述条件，将上述一个阈值选为最优阈值。

需要说明，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值也可以按照其他的方式进行。

其中，可以设置阈值范围的最小值为第二阈值、最大值为第三阈值。

上述第二阈值、第三阈值、阈值步长、第一值、第二值、选取步长可以根据经验值进行设定。第一值和第二值对应的选取步长可以设定为不同的值。第一值根据各个阈值对应的信噪比的范围进行选取，选取信噪比范围中较大的数值，例如，各个阈值对应的信噪比范围为6～20，则可以将第一值设定位18。第二值根据各个阈值对应的均方根误差的范围进行选取，选取均方根误差范围中较小的数值，例如，各个阈值对应的信噪比范围为3～6，则可以将第二值设定为3.5。

利用所述最优阈值作为第一阈值，对第三信号执行噪声滤除操作。

其中，各个阈值对应的信噪比和均方根误差是指根据一个阈值作为第一阈值进行噪声滤除计算，并获取该阈值对应的第四信号，然后计算该第四信号对应的信噪比和均方根误差，从而作为该阈值对应的信噪比和均方根误差。

其中，所述第二阈值的和第三阈值的取值范围同样是0.001～0.1。

阈值的选择根据开始适当选择小一些的阈值，根据工程需要，如果希望去噪后信号更加平滑，则加大阈值取。

上述示例中结合信噪比和均方根误差对不同的阈值进行比较，也可以采用信噪比和均方根误差中的一个对不同的阈值的滤除效果进行评价，从而进行各个阈值之间的比较。

下面给出示例性的信噪比和均方根误差的计算公式。

${\mathrm{SNR}}_d=20\log (\sqrt{{\Σ}_{n=1}^N{x}_d^2\left(n\right)}/\sqrt{{\Σ}_{n=1}^N{\left(x\right(n)-x_d(n\left)\right)}^2})$ (公式6-1)

${\mathrm{RMSE}}_d=1/N{\Σ}_{n=1}^N{\left(x_d\right(n)-x(n\left)\right)}^2$ (公式6-2)

其中，公式(6-1)为信噪比计算公式，公式(6-2)为均方根误差计算公式，其中，阈值对应的信噪比越大，均方根误差越小，则说明阈值的去噪效果越好，式中x(n)为去噪前数字信号，x_d(n)为去噪后数字信号。

除了根据信噪比和均方根误差对不同的阈值进行比较，在另一个示例中，可以根据信号差的平均值来对不同的阈值进行比较，其中，信号差为x(n)和x_d(n)之间的差值。

具体地，根据上述阈值范围和阈值步长，计算阈值范围各个阈值对应的信号差的平均值；

对各个阈值对应的信号差的平均值进行比较，选取信号差的平均值最接近0的阈值作为最优阈值；

利用所述最优阈值作为第一阈值，从而对第三信号执行噪声滤除操作。

一般随机噪声的均值为0，认为去噪前后的信号的平均值为去噪处理后消除的噪声信号，因此可以通过去噪前信号与去噪后信号的差的平均值来评价去噪效果，平均值越接近于零，去噪效果越好。

(5)对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声之后的第五信号R_new(τ)。

$R_{new}\left(\mathrm{\τ}\right)=\underset{-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\∫}}{F}_Q\left(\mathrm{\ω}\right)e^{i\mathrm{\ω}t}d\mathrm{\ω}$ (公式7)；

其中，R_new(τ)为第五信号，F_Q(ω)为第四信号。

(6)频时变换运算之后的第五信号R_new(τ)包括实部和虚部，取第五信号的实部作为取出噪声信号之后的有效信号。

下面结合一个具体的示例进行说明。

第一信号是由3个不同幅值、频率及相位的正弦函数产生的仿真信号，如公式(8)所示。仿真信号的波形如图2A所示。

x(t)＝2sin(20πt)+5sin(36πt+0.2π)+8sin(70π+05π) (公式8)

对信号x(t)增加白噪声，含白噪声的信号xn(t)＝x(t)+n(t)的波形如图2B所示。为了对含噪信号的去噪效果进行评价，原始信号序列的信噪比采用公式(9-1)计算，其中x(n)为不含噪声信号序列，xn(t)为增加白噪声后的信号序列。进行去噪后的信号序列的信噪比采用公式(9-2)计算信噪比，其中xd(n)为去噪后信号序列。

${\mathrm{SNR}}_x=20\log (\sqrt{\underset{n=1}{\overset{N}{\Σ}}{x}^2\left(n\right)}/\sqrt{\underset{1}{\overset{N}{\Σ}}{\left(xn\right(n)-x(n\left)\right)}^2})$ (公式9-1)

${\mathrm{SNR}}_d=(\sqrt{\underset{n=1}{\overset{N}{\Σ}}{\mathrm{xd}}^2\left(n\right)}/\sqrt{\underset{1}{\overset{N}{\Σ}}{\left(xd\right(n)-x(n\left)\right)}^2})$ (公式9-2)

对含噪信xn(t)进行自相关计算，并对自相关计算结果采用公式(4)进行归一化处理形成自相关系数曲线，如图2C所示。从自相关系数曲线中看出，含噪信号中的周期性成分得到增强，而噪声信号因为不相关则被大幅减弱。对含噪信号进行FFT计算幅值谱，结果如图2D所示，图中噪声信号的频谱均匀分布在整个频带内。对自相关系数进行FFT后计算的幅值谱如图2E所示，相关系数的幅值谱与含噪声信号的频谱比较看出，噪声信号的幅值谱在相关系数幅值谱中已经大幅减弱。

对自相关系数谱采用阈值处理，如定阈值大小为0.01对图2E中的幅值谱筛选满足条件的谱线，筛选结果在图2E中以’+’表示。根据筛选谱线位置保留原始含噪信号的FFT结果中的实部及虚部，其余谱线位置以0代替，然后采用处理后的实部及虚部进行IFFT运算，重构获得去噪信号，结果如图3A所示。去噪前仿真信号的信噪比为6.81db，去噪后信噪比为13.79db，信噪比提高6.98db。

阈值选择0.001的去噪信号波形如图3B所示，此时信噪比为7.74db，信噪比只提高了0.93db。

阈值选择0.005的去噪信号波形如图3C所示，此时信噪比为11.99db，信噪比提高了5.18db。可见阈值设定的越大，去噪效果越明显。

当阈值设置的过大时，如阈值设置为0.1时，去噪信号波形如图3D所示，实现了对原始含噪信号的平滑处理，但此时的信噪比已经下降为6.94。因此阈值的选取对于去噪结果非常关键。另外从不同阈值去噪结果的波形图发现，阈值越大，去噪信号与原始信号相比，在端点处信号出现的失真越大，出现端点飞翼现象，这是由于采用FFT对信号进行处理，由于对信号进行截断相当于对无限长信号的加窗，造成信号的频谱泄露，这是该滤波方法的缺点。比较好的解决办法是适当增加采样信号的数据点个数，对信号进行去噪处理后，在信号两端分别去掉增加采样点数一半的数据。

下面给出另一个示例，其中，以第一信号中的有效部分为方波信号为例进行说明。采用本发明实施例提供的数据处理方法对含有噪声的方波信号进行验证。

不含噪声的方波信号如图4A所示，采用阈值0.01对信噪比为12.19db的含噪声方波信号进行处理，处理前含噪声方波信号如图4B所示，处理后的波形如图5所示，处理后数据的信噪比为16.70db，去噪处理后，信噪比提高4.51db，但与同样采取0.01阈值处理的正弦信号相比，提高幅度有所降低，并且也没有完美的恢复方波信号。

下面给出另一个示例，以转子试验台采集振动数据进行去噪的过程为例进行说明。

为了进一步验证本发明实施例给出的信号处理方法在去噪用途的实用性，下面给出一组实测数据的应用示例。

采用转子试验台采集振动数据进行去噪实验。数据采集器实用北京东方噪声研究所生产的INV3062采集器，该采集器实现4通道同步采集，每通道最大可实现51.2KHz采样频率，24位AD转换器，可以连接ICP型加速度传感器或者电压输入信号。采用北京东方噪声研究所的INV9832A三轴加速度传感器采集转子实验台轴承座振动数据。如图6所示，为转子试验台采集的一段振动信号的波形图。

图7A为本发明的振动数据示例中阈值采用0.005去噪后振动信号的波形图；图7B为本发明的振动数据示例中阈值采用0.008去噪后振动信号的波形图。从图7A和7B可以看出，阈值采用0.008处理之后的信号更加平滑。对于实测信号，由于无法确定不含噪声的真实信号，通过阈值对应的信噪比的计算，可以发现，一般来说，信噪比随阈值增大而减小，说明阈值越大，从信号中去除的成分越大，原信号与去噪信号的均方根误差也越大，信号也越平滑。

基于与上述方法实施例相同或相似的构思，本发明实施例还提供一种信号处理装置，如图8所示，所述信号处理装置包括：

相关运算单元10，用于对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；

时频变换单元30，用于对第一信号执行时频变换运算，获取对应的第三信号；

噪声频率获取单元40，用于根据第二信号获取噪声信号对应的频率信息；

噪声滤除单元50，用于根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号；

频时变换单元60，用于对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。

本发明实施例中，所述噪声频率获取单元40包括：

阈值设定模块41，用于设定第一阈值；

噪声频率获取模块42，用于根据所述第一阈值，检测第二信号中各频率分量的模值，将模值小于所述第一阈值的频率分量作为噪声信号对应的频率分量，并将噪声信号对应的频率分量的集合作为噪声信号对应的频率信息；

所述噪声滤除单元50具体用于：

根据噪声信号对应的频率信息中的频率分量，去除第三信号中对应的频率分量,即做归零处理，将频率分量归零处理后的信号作为第四信号。

本发明实施例中，所述阈值设定模块41包括如下子模块中的一个：

第一设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比；对各个阈值对应的信噪比进行比较，选取最大的信噪比对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

第二设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的均方根误差；对各个阈值对应的均方根误差进行比较，选取最小的均方根误差对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

第三设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比和均方根误差；对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值，将所述最优阈值作为第一阈值；其中，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值包括：选取信噪比大于预定的第一值、且均方根误差小于预定的第二值的阈值，如果多个阈值满足上述条件，则按照预定的选取步长增大第一值或减小第二值，直至满足所述条件的阈值为一个，将上述一个阈值选为最优阈值；如果没有阈值满足上述条件，则按照预定的选取步长减小第一值或增大第二值，直至有一个阈值满足上述条件，将上述一个阈值选为最优阈值。

本发明实施例中，还包括：

归一化单元20，用于在对第一信号执行自相关运算之后，对自相关运算的结果做归一化处理。

本发明实施例中，所述时频变换运算为快速傅里叶FFT运算；

所述时频变换运算对应的频时变换运算为快速傅里叶逆iFFT运算。

本发明实施例中，所述第一阈值的取值范围是0.0001～0.1。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种信号处理方法，其特征在于，所述信号处理方法包括：

对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；

对所述第一信号执行时频变换运算，获取对应的第三信号；

根据所述第二信号获取噪声信号对应的频率信息；

根据所述噪声信号对应的频率信息，对所述第三信号中噪声信号对应的频率分量进行滤除操作，得到滤除噪声之后的第四信号；

对所述第四信号执行所述时频变换运算对应的频时变换运算，获取所述第一信号对应的滤除噪声信号之后的第五信号。

2.如权利要求1所述的方法，其特征在于，所述根据所述第二信号获取噪声信号对应的频率信息包括：

设定第一阈值；

根据所述第一阈值，检测第二信号中各频率分量的模值，将模值小于所述第一阈值的频率分量作为噪声信号对应的频率分量，并将噪声信号对应的频率分量的集合作为噪声信号对应的频率信息；

所述根据所述噪声信号对应的频率信息，对所述第三信号中噪声信号对应的频率分量进行滤除操作，得到滤除噪声之后的第四信号包括：

根据噪声信号对应的频率信息中的频率分量，去除第三信号中对应的频率分量，将频率分量归零处理后的信号作为第四信号。

3.如权利要求1所述的方法，其特征在于，

所述时频变换运算为快速傅里叶FFT运算；

所述时频变换运算对应的频时变换运算为快速傅里叶逆iFFT运算。

4.如权利要求1所述的方法，其特征在于，在所述对第一信号执行自相关运算之后，还包括：对自相关运算的结果做归一化处理；

所述对自相关运算的结果执行时频变换运算包括：

对归一化处理之后的自相关运算的结果执行时频变换运算。

5.如权利要求2所述的方法，其特征在于，所述设定第一阈值包括如下方式中的一种：

设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比；对各个阈值对应的信噪比进行比较，选取最大的信噪比对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的均方根误差；对各个阈值对应的均方根误差进行比较，选取最小的均方根误差对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比和均方根误差；对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值，将所述最优阈值作为第一阈值；其中，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值包括：选取信噪比大于预定的第一值、且均方根误差小于预定的第二值的阈值，如果多个阈值满足上述条件，则按照预定的选取步长增大第一值或减小第二值，直至满足所述条件的阈值为一个，将上述一个阈值选为最优阈值；如果没有阈值满足上述条件，则按照预定的选取步长减小第一值或增大第二值，直至有一个阈值满足上述条件，将上述一个阈值选为最优阈值。

6.如权利要求2或5所述的方法，其特征在于，所述第一阈值的取值范围是0.001～0.1。

7.一种信号处理装置，其特征在于，所述信号处理装置包括：

相关运算单元，用于对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；

时频变换单元，用于对第一信号执行时频变换运算，获取对应的第三信号；

噪声频率获取单元，用于根据第二信号获取噪声信号对应的频率信息；

噪声滤除单元，用于根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号；

频时变换单元，用于对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。

8.如权利要求7所述的信号处理装置，其特征在于，所述噪声频率获取单元包括：

阈值设定模块，用于设定第一阈值；

噪声频率获取模块，用于根据所述第一阈值，检测第二信号中各频率分量的模值，将模值小于所述第一阈值的频率分量作为噪声信号对应的频率分量，并将噪声信号对应的频率分量的集合作为噪声信号对应的频率信息；

所述噪声滤除单元具体用于：

根据噪声信号对应的频率信息中的频率分量，去除第三信号中对应的频率分量，将频率分量归零处理后的信号作为第四信号。

9.如权利要求8所述的信号处理装置，其特征在于，所述阈值设定模块包括如下子模块中的一个：

第一设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比；对各个阈值对应的信噪比进行比较，选取最大的信噪比对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

第二设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的均方根误差；对各个阈值对应的均方根误差进行比较，选取最小的均方根误差对应的阈值作为最优阈值；将所述最优阈值作为第一阈值；

第三设定子模块，用于设置阈值范围和阈值步长；根据所述阈值范围和阈值步长，计算阈值范围内各个阈值对应的信噪比和均方根误差；对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值，将所述最优阈值作为第一阈值；其中，所述对各个阈值对应的信噪比和均方根误差进行比较并选出最优阈值包括：选取信噪比大于预定的第一值、且均方根误差小于预定的第二值的阈值，如果多个阈值满足上述条件，则按照预定的选取步长增大第一值或减小第二值，直至满足所述条件的阈值为一个，将上述一个阈值选为最优阈值；如果没有阈值满足上述条件，则按照预定的选取步长减小第一值或增大第二值，直至有一个阈值满足上述条件，将上述一个阈值选为最优阈值。

10.如权利要求7所述的信号处理装置，其特征在于，还包括：

归一化单元，用于在对第一信号执行自相关运算之后，对自相关运算的结果做归一化处理。