CN106645434A - 基于斜率和幅度差值门限的强脉冲信号识别方法 - Google Patents

基于斜率和幅度差值门限的强脉冲信号识别方法 Download PDF

Info

Publication number
CN106645434A
CN106645434A CN201611036100.5A CN201611036100A CN106645434A CN 106645434 A CN106645434 A CN 106645434A CN 201611036100 A CN201611036100 A CN 201611036100A CN 106645434 A CN106645434 A CN 106645434A
Authority
CN
China
Prior art keywords
point
slope
sampled
curve
signal
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.)
Pending
Application number
CN201611036100.5A
Other languages
English (en)
Inventor
刘晓东
汪小亚
邓秀华
曹振宇
赵鹏涛
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.)
710th Research Institute of CSIC
Original Assignee
710th Research Institute of CSIC
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 710th Research Institute of CSIC filed Critical 710th Research Institute of CSIC
Priority to CN201611036100.5A priority Critical patent/CN106645434A/zh
Publication of CN106645434A publication Critical patent/CN106645434A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/48—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by amplitude comparison

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了基于斜率和幅度差值门限的强脉冲信号识别方法，包括如下步骤：通过声传感器获取声信号，并转换成电信号送入预处理电路进行放大、滤波、检波、采样以及平滑处理，最终获得平滑曲线；针对平滑曲线，获取组成该曲线的各点与相邻点之间的斜率，并计算相邻点的斜率差值，选取与两侧相邻采样点的斜率之间的差值大于预设门限的点为突变点；以突变点与其前一相邻采样点之间的斜率为初始值，计算平滑曲线上突变点与其后续点的斜率和初始值之间的斜率差值，以及突变点与后续点之间的幅度差值，若设定数量的后续点与突变点的幅度差值和斜率差值均大于设定门限值，则判断该信号为强脉冲信号。本发明能够实现对强脉冲信号的识别。

Description

基于斜率和幅度差值门限的强脉冲信号识别方法
技术领域
本发明属于信号识别技术领域，具体涉及基于斜率和幅度差值门限的强脉冲信号识别方法。
背景技术
水下检测系统依靠传感器系统对目标信号进行捕捉，然后对信号进行处理，继而发出动作指令。检测系统在水下工作时，时常由于爆炸、撞击等在接收传感器模拟电路前端产生强的干扰脉冲信号，这种干扰具有声源级很高、频谱很宽的特点，此时时域和频域滤波难以消除这样的干扰信号。较强的脉冲信号使水下检测系统正常工作难以完成，因此，快速有效的对强脉冲进行检测与判断是水下检测系统正常工作的前提。
针对干扰脉冲信号具有短时间内幅度变化较大特点，以往设计采用的是在设定一定宽度时间窗内对幅值进行计算和判决，时间窗宽度的选取至关重要，如果宽度太小，幅值变化不大则会产生漏报；宽度太宽，会产生时间滞后，不满足水下检测系统实时性要求。因此要求在保证强脉冲信号判断正确率的前提下，尽量提高其判定速度。
发明内容
有鉴于此，本发明提供了基于斜率和幅度差值门限的强脉冲信号识别方法，能够实现对强脉冲信号的识别。
为了达到上述目的，本发明的技术方案为：基于斜率和幅度差值门限的强脉冲信号识别方法，包括如下步骤：
步骤一、通过声传感器获取声信号，并转换成电信号送入预处理电路进行放大、滤波、检波、采样以及平滑处理，最终获得平滑曲线。
步骤二、针对平滑曲线，获取组成该曲线的各点与相邻点之间的斜率，并计算相邻点的斜率差值，选取与两侧相邻采样点的斜率之间的差值大于预设门限的点为突变点。
步骤三、以突变点与其前一相邻采样点之间的斜率为初始值，计算平滑曲线上突变点与其后续点的斜率和初始值之间的斜率差值，以及突变点与后续点之间的幅度差值，若设定数量的后续点与突变点的幅度差值和斜率差值均大于设定门限值，则判断该信号为强脉冲信号。
进一步地，步骤三中，选择多个后续点进行判断。
进一步地，步骤一中，针对采样获得的采样信号进行平滑处理，最终获得平滑曲线，具体过程为：
s1、找出采样信号曲线的正、负极值点：
s2、记录曲线正、负极值点对应电压值和时刻，对相邻两个正、负极值点电压值和时刻分别求和取平均得到中值点的幅值和时刻，由中值点所构成的曲线即为平滑曲线。
进一步地，s1中正、负极值点的判定方法为：针对采样信号曲线上连续三个时刻k-1、k、k+1采样值分别为Vk-1、Vk、Vk+1，连续两点求差值△Vk＝Vk+1-Vk、△Vk-1＝Vk-Vk-1。如果△Vk×△Vk-1＜0，表示k点为极值点，如果△Vk＜0，则k点为正极值点；如果△Vk＞0，则时刻k处为负极值点；如果△Vk×△Vk-1＞0，表示没有极值点。
若时刻k处没有极值点，则按照采样信号曲线的时间顺序取连续多采样点，针对所取的每个采样点均采用上述判定方法判断否出现极值点，若连续τ个时刻对应的采样点均没有出现极值点，则以当前时刻j＝k+τ对应采样点作为极值点，其采样值为Vj，且以下一时刻j+1的采样值为Vj+1，△Vj＝Vj+1-Vj，若△Vj＜0，则当前时刻j对应采样点为正极值点；如果△Vj＞0，则当前时刻j对应采样点为负极值点。
有益效果：
1、本发明采用斜率差值和幅度差值门限联合鉴别方法，且判决过程采取多点连续判断，不受时间窗的限制，因此能够实现实时检测，在保证识别成功率的基础上，提高了系统检测速度。该方法易于实现，可以用简单微功耗微处理系统实现，满足水下检测系统长周期水下自主工作的要求。
附图说明
图1为曲线平滑处理示意图；
图2为曲线斜率差值计算示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
实施例1、本发明公开了一种采用斜率差值门限和幅度差值门限比较，实现对强脉冲信号识别的方法。
声传感器将声信号转换成电信号送入预处理电路进行放大、滤波、检波处理，检测系统对检波信号采样后进行处理。海洋环境复杂，声信号叠加瞬时干扰严重。检测系统需要对采样信号进行预处理，首先必须对采样信号进行平滑处理，减小毛刺干扰对后级斜率计算的负担。
曲线斜率差值反映了曲线的上升速度，干扰信号必然导致换能器接收端的信号曲线包络突然升高，相邻斜率差值变大。如果计算得到的相邻采样斜率差值大于设置门限则可以找到斜率突变点，标记突变点的斜率为斜率初始值，计算后续连续采样点与突变点的斜率，若后续点斜率与初始值的斜率差值大于门限值，则斜率满足强干扰特征。
当计算斜率差值的同时，系统在计算后续采样值与突变点的信号幅度差，当斜率差值和幅度差值均连续多点大于设定的门限，则可识别当前信号为强脉冲干扰。
其中曲线平滑处理方法：
s1、首先找出曲线正、负极值点：正、负极值点的判定方法为：针对采样信号曲线上连续三个时刻k-1、k、k+1采样值分别为Vk-1、Vk、Vk+1，连续两点求差值△Vk＝Vk+1-Vk、△Vk-1＝Vk-Vk-1。如果△Vk×△Vk-1＜0，表示k点为极值点，如果△Vk＜0，则k点为正极值点；如果△Vk＞0，则时刻k处为负极值点；如果△Vk×△Vk-1＞0，表示没有极值点。
若时刻k处没有极值点，则按照采样信号曲线的时间顺序取连续多采样点，针对所取的每个采样点均采用上述判定方法判断否出现极值点，若连续τ个时刻对应的采样点均没有出现极值点，则以当前时刻j＝k+τ对应采样点作为极值点，其采样值为Vj，且以下一时刻j+1的采样值为Vj+1，△Vj＝Vj+1-Vj，若△Vj＜0，则当前时刻j对应采样点为正极值点；如果△Vj＞0，则当前时刻j对应采样点为负极值点。
s2、记录曲线正(负)极值点对应电压值和时刻。
对相邻两个正、负极值点电压值和时刻分别求和取平均得到新的中值点幅值和时刻，由中值点所构成的曲线即为平滑曲线。如图1所示，图中虚线表示平滑前的曲线，实现表示平滑处理后由中值点构成的曲线。
2)斜率突变点
对平滑处理后的检波曲线，利用曲线斜率差值变化找到曲线斜率差值突变起始点。
假设n0、n1、n2、n3、n4为连续的曲线中值点，根据中值点幅值及时刻信息可以分别计算连续中值点连线的斜率，分别记为s10、s21、s31、s41。如果斜率差值s21-s10超过设定门限，该门限依据经验设定，则中值点n1为斜率突变点,标记n1为突变基点，标记s10为斜率初始值，如图2所示。计算后续采样点与基点的斜率，如果斜率与斜率初始值的差值s21-s10、s31-s10、s41-s10均大于设定门限(3个或以上)，则斜率差值符合强干扰信号特征。
3)幅值比较
以突变点与其前一相邻采样点之间的斜率为初始值，计算平滑曲线上突变点与其后续点的斜率和初始值之间的斜率差值，以及突变点与后续点之间的幅度差值，若设定数量的后续点与突变点的幅度差值和斜率差值均大于设定门限值，则判断该信号为强脉冲信号。
本实施例中，在系统计算找到斜率突变点后，系统计算后续采样点(3个或以上)与突变点的幅度差值，若斜率差值和幅度差值均大于设定值，该设定值为经验值，则可将该信号识别为干扰信号。
综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.基于斜率和幅度差值门限的强脉冲信号识别方法，其特征在于，包括如下步骤：
步骤一、通过声传感器获取声信号，并转换成电信号送入预处理电路进行放大、滤波、检波、采样以及平滑处理，最终获得平滑曲线；
步骤二、针对平滑曲线，获取组成该曲线的各点与相邻点之间的斜率，并计算相邻点的斜率差值，选取与两侧相邻采样点的斜率之间的差值大于预设门限的点为突变点；
步骤三、以突变点与其前一相邻采样点之间的斜率为初始值，计算平滑曲线上突变点与其后续点的斜率和初始值之间的斜率差值，以及突变点与后续点之间的幅度差值，若设定数量的后续点与突变点的幅度差值和斜率差值均大于设定门限值，则判断该信号为强脉冲信号。
2.如权利要求1所述的基于斜率和幅度差值门限的强脉冲信号识别方法，其特征在于，所述步骤三中，选择多个后续点进行判断。
3.如权利要求1所述的基于斜率和幅度差值门限的强脉冲信号识别方法，其特征在于，所述步骤一中，针对采样获得的采样信号进行平滑处理，最终获得平滑曲线，具体过程为：
s1、找出采样信号曲线的正、负极值点：
s2、记录曲线正、负极值点对应电压值和时刻，对相邻两个正、负极值点电压值和时刻分别求和取平均得到中值点的幅值和时刻，由中值点所构成的曲线即为平滑曲线。
4.如权利要求3所述的基于斜率和幅度差值门限的强脉冲信号识别方法，其特征在于，所述s1中正、负极值点的判定方法为：针对采样信号曲线上连续三个时刻k-1、k、k+1采样值分别为Vk-1、Vk、Vk+1，连续两点求差值△Vk＝Vk+1-Vk、△Vk-1＝Vk-Vk-1。如果△Vk×△Vk-1＜0，表示k点为极值点，如果△Vk＜0，则k点为正极值点；如果△Vk＞0，则时刻k处为负极值点；如果△Vk×△Vk-1＞0，表示没有极值点；
若时刻k处没有极值点，则按照采样信号曲线的时间顺序取连续多采样点，针对所取的每个采样点均采用上述判定方法判断否出现极值点，若连续τ个时刻对应的采样点均没有出现极值点，则以当前时刻j＝k+τ对应采样点作为极值点，其采样值为Vj，且以下一时刻j+1的采样值为Vj+1，△Vj＝Vj+1-Vj，若△Vj＜0，则当前时刻j对应采样点为正极值点；如果△Vj＞0，则当前时刻j对应采样点为负极值点。
CN201611036100.5A 2016-11-17 2016-11-17 基于斜率和幅度差值门限的强脉冲信号识别方法 Pending CN106645434A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611036100.5A CN106645434A (zh) 2016-11-17 2016-11-17 基于斜率和幅度差值门限的强脉冲信号识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611036100.5A CN106645434A (zh) 2016-11-17 2016-11-17 基于斜率和幅度差值门限的强脉冲信号识别方法

Publications (1)

Publication Number Publication Date
CN106645434A true CN106645434A (zh) 2017-05-10

Family

ID=58811257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611036100.5A Pending CN106645434A (zh) 2016-11-17 2016-11-17 基于斜率和幅度差值门限的强脉冲信号识别方法

Country Status (1)

Country Link
CN (1) CN106645434A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107231142A (zh) * 2017-06-21 2017-10-03 北京乐普医疗科技有限责任公司 一种血栓弹力图仪自适应信号处理算法
CN109063652A (zh) * 2018-08-06 2018-12-21 高维度（深圳）生物信息智能应用有限公司 一种信号处理方法、系统及计算机存储介质
CN109508594A (zh) * 2017-09-15 2019-03-22 中国石油天然气股份有限公司 图形特征提取方法及装置
CN112276300A (zh) * 2020-09-30 2021-01-29 上海新时达机器人有限公司 一种波纹板的焊缝扫描方法
CN112577403A (zh) * 2019-09-27 2021-03-30 大族激光科技产业集团股份有限公司 一种电容标定效果的评估方法及系统
CN113343899A (zh) * 2021-06-19 2021-09-03 南京岚煜生物科技有限公司 基于斜率检波的确定凝血突变点的方法
CN113343897A (zh) * 2021-06-25 2021-09-03 中国电子科技集团公司第二十九研究所 一种基于辐射信号斜率变化加快信号处理的方法
CN113392378A (zh) * 2021-07-16 2021-09-14 中南大学 一种基于时间序列的围岩变形多点突变识别方法及系统
CN113792952A (zh) * 2021-02-23 2021-12-14 北京沃东天骏信息技术有限公司 用于生成模型的方法和装置
CN114882912A (zh) * 2022-07-08 2022-08-09 杭州兆华电子股份有限公司 一种声信号时域瞬态缺陷的测试方法及装置
CN117013891A (zh) * 2023-10-07 2023-11-07 深圳市锐同技术有限公司 负载点判断方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101136624A (zh) * 2006-08-28 2008-03-05 深圳迈瑞生物医疗电子股份有限公司 脉冲信号识别装置及方法
CN101672889A (zh) * 2009-08-19 2010-03-17 哈尔滨工业大学 脉冲式半导体激光器特性的检测装置及检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101136624A (zh) * 2006-08-28 2008-03-05 深圳迈瑞生物医疗电子股份有限公司 脉冲信号识别装置及方法
CN101672889A (zh) * 2009-08-19 2010-03-17 哈尔滨工业大学 脉冲式半导体激光器特性的检测装置及检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘晓东 等: "一种水中爆炸信号检测算法", 《水雷站与舰船防护》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107231142A (zh) * 2017-06-21 2017-10-03 北京乐普医疗科技有限责任公司 一种血栓弹力图仪自适应信号处理算法
CN109508594A (zh) * 2017-09-15 2019-03-22 中国石油天然气股份有限公司 图形特征提取方法及装置
CN109508594B (zh) * 2017-09-15 2021-01-01 中国石油天然气股份有限公司 图形特征提取方法及装置
CN109063652A (zh) * 2018-08-06 2018-12-21 高维度（深圳）生物信息智能应用有限公司 一种信号处理方法、系统及计算机存储介质
CN112577403A (zh) * 2019-09-27 2021-03-30 大族激光科技产业集团股份有限公司 一种电容标定效果的评估方法及系统
CN112276300A (zh) * 2020-09-30 2021-01-29 上海新时达机器人有限公司 一种波纹板的焊缝扫描方法
CN113792952A (zh) * 2021-02-23 2021-12-14 北京沃东天骏信息技术有限公司 用于生成模型的方法和装置
CN113343899A (zh) * 2021-06-19 2021-09-03 南京岚煜生物科技有限公司 基于斜率检波的确定凝血突变点的方法
CN113343899B (zh) * 2021-06-19 2022-10-14 南京岚煜生物科技有限公司 基于斜率检波的确定凝血突变点的方法
CN113343897A (zh) * 2021-06-25 2021-09-03 中国电子科技集团公司第二十九研究所 一种基于辐射信号斜率变化加快信号处理的方法
CN113392378A (zh) * 2021-07-16 2021-09-14 中南大学 一种基于时间序列的围岩变形多点突变识别方法及系统
CN113392378B (zh) * 2021-07-16 2024-04-09 中南大学 一种基于时间序列的围岩变形多点突变识别方法及系统
CN114882912A (zh) * 2022-07-08 2022-08-09 杭州兆华电子股份有限公司 一种声信号时域瞬态缺陷的测试方法及装置
CN117013891A (zh) * 2023-10-07 2023-11-07 深圳市锐同技术有限公司 负载点判断方法、装置、设备及存储介质
CN117013891B (zh) * 2023-10-07 2024-01-16 深圳市锐同技术有限公司 负载点判断方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN106645434A (zh) 基于斜率和幅度差值门限的强脉冲信号识别方法
CN107919130A (zh) 基于云端的语音处理方法和装置
JP2018532155A (ja) 音声検出方法、装置及び記憶媒体
WO2018146454A1 (en) Motion detector
CN102169690A (zh) 基于表面肌电信号的语音信号识别系统和识别方法
CN104931952A (zh) 一种基于多帧联合的运动目标航迹的雷达检测方法
CN107274913B (zh) 一种声音识别方法及装置
CN105022046B (zh) 一种基于图像特征的雷达弱目标检测方法
CN110031848B (zh) 一种超声波人物识别方法
CN107871507A (zh) 一种语音控制ppt翻页方法及系统
CN104880160A (zh) 一种工件表面轮廓的二维激光实时探测方法
CN116358652A (zh) 基于互相关算法辅助的多特征点超声波渡越时间测量方法
CN112332807A (zh) 一种弱包络信号检测方法和系统
CN101656070B (zh) 一种语音检测方法
CN103647610B (zh) 一种基于幅值与宽度的低压电力线通信信道脉冲噪声检测方法
CN106571138B (zh) 一种信号端点的检测方法、检测装置及检测设备
Oh et al. A performance comparison of pitch extraction algorithms for noisy speech
CN105070287A (zh) 一种自适应嘈杂环境下语音端点检测的方法和装置
CN106841830B (zh) 基于电场强度信号检测的高压预警方法、装置及系统
JP2007333515A (ja) 目標検出装置
CN104765040A (zh) 单脉冲波形识别提取方法
CN110108929B (zh) 一种抗干扰型雷电流采集装置
CN111413702A (zh) 用于宽带探鱼仪的高效目标分割方法
CN103941104A (zh) 一种对称波形波峰识别方法
CN103258196B (zh) 复杂环境中紧连字符串的字符分离方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170510

RJ01 Rejection of invention patent application after publication