CN106780148B - 基于复合结构元素的自适应形态学滤波方法 - Google Patents

基于复合结构元素的自适应形态学滤波方法 Download PDF

Info

Publication number
CN106780148B
CN106780148B CN201611251415.1A CN201611251415A CN106780148B CN 106780148 B CN106780148 B CN 106780148B CN 201611251415 A CN201611251415 A CN 201611251415A CN 106780148 B CN106780148 B CN 106780148B
Authority
CN
China
Prior art keywords
filtering
amplitude
signal
composite
structural elements
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.)
Active
Application number
CN201611251415.1A
Other languages
English (en)
Other versions
CN106780148A (zh
Inventor
齐郑
李志�
林健雄
张红颖
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201611251415.1A priority Critical patent/CN106780148B/zh
Publication of CN106780148A publication Critical patent/CN106780148A/zh
Application granted granted Critical
Publication of CN106780148B publication Critical patent/CN106780148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

本发明公开了一种基于复合结构元素的自适应形态学滤波方法。滤波方法使用由两种及以上基本结构元素组成的复合结构元素进行形态滤波，并对输入信号与拟输出滤波信号之间的滤波误差进行统计分析，记录使输入‑输出之间滤波误差达到极大值对应的复合结构元素尺度，之后继续根据滤波误差极大值原理调整组成该尺度复合结构元素的两种基本元素的幅值参数比例，进一步优化得到最优滤波复合结构元素。使用该复合结构元素对含有随机噪声的电力信号进行形态滤波可以有效抑制噪声干扰，消噪效果良好。本发明克服了传统形态学滤波依赖于对采样信号的先验性选择结构元素而无法使滤波效果达到最优化的缺陷，具有良好的自适应性和工程实际应用价值。

Description

基于复合结构元素的自适应形态学滤波方法
专利领域
本申请属于电力自动化技术领域，涉及电力信号的消噪处理领域，具体来说是一种基于复合结构元素的新型自适应形态学滤波方法。
背景技术
电力系统中的信号可分为有用信号和非有用信号。有用信号通常包括工频信号和频率为100Hz、150Hz的信号和行波信号等，除此之外，其它各种噪声均属于非有用信号，统称为噪声干扰。噪声干扰通过各种途径侵入电力装置会对数据通信，数据采集以及继电保护造成诸多不良影响。为此,需要寻找一种能够有效抑制各种随机噪声的滤波手段。
数学形态学是由集合论和积分几何发展而来的数学方法，自20世纪90年代末以来广泛应用于电力系统信号处理，并已经在信号消噪领域获得了成功的应用。形态学滤波器相比于传统的数字滤波器具有运算速度更快、无非线性相移等优点，在构造形态学滤波器时需要综合考虑形态变换的组合形式以及结构元素的选取两方面，而结构元素又在各种形态变换中起着关键的作用，因此形态学滤波器的性能很大程度上依赖于结构元素的选取。目前围绕结构元素的自适应选取这一核心问题，在该技术领域已出现了诸多形态滤波算法，各种算法构成的形态滤波器具有各自的优缺点。赵春晖等(赵春晖，孙圣和.一种形态开、闭自适应加权组合滤波器[J].电子学报，1997，25(6)：109-111.)定义了广义的形态开–闭和闭–开滤波器，并结合自适应方法，提出了一种形态自适应加权组合滤波器，该滤波器可有效抑制信号中的各种加性白噪声和正负脉冲噪声，但结构元素长度的选取必须经过多次实验，且基于LMS算法所构造的理想期望信号存在误差。刘盼等(刘盼，王静，刘涤尘.改进的自适应广义形态滤波器设计[J].电网技术，2009(2)：94-98.)在此基础上对滤波器进行了改进，分别对开–闭和闭–开滤波器的输出端经过LMS算法调整输出结果，滤波性能得以优化然而在时效性上变差并且同样存在构造理想期望信号产生误差的问题。程汪刘等(程汪刘,郭跃霞,王静,等.快速傅里叶变换和广义形态滤波器在抑制局部放电窄带干扰中的应用[J].电网技术,2008,32(10):94-97.)将非线性形态滤波器应用于抑制窄带干扰的研究中，构造了一种基于不同尺寸结构元素的广义形态滤波器。该方法通过选取适当长度的结构元素，可以较好地在频域内将窄带干扰中的离散谱线滤除。王续东等(王续东,曲延滨.基于多级广义自适应形态学滤波的电力信号消噪[J].电测与仪表,2014(11):45-49.)又设计了一种多级广义开-闭和闭-开滤波器，通过采用尺寸逐渐增大的多个结构元素对信号重复进行开、闭或者闭、开的运算，使滤波器能在保留信号细节信息的情况下尽可能的消除噪声。多级结构元素的使用能够削弱当结构元素选取不适当时对滤波结果的影响，然而并不能使滤波效果达到最优。另外，郭景峰等(郭景峰，蔺旭东.数学形态学中结构元素的分析研究[J].计算机科学，2002，29(7)：113-115.)指出，对于几何形状复杂的输入信号,传统使用单一结构元素的形态滤波器的滤波效果并不理想，因此应考虑选择一些组合形式的结构元素,以适应对输入信号中各个不同形状几何特征的提取。
发明内容
本申请的目的在于对形态学滤波中最优结构元素的自适应选取进行研究，提出一种基于复合结构元素的新型自适应形态学滤波方法。建立包含多种结构元素的“元素库”，融合两种及以上的结构元素作为基本滤波结构元素，对输入信号与拟输出滤波信号之间的滤波误差进行统计分析，以确定能够使滤波效果达到最优化的复合结构元素尺度，之后根据滤波误差极大值原理对组成复合结构元素的两种元素的参数占比进行调整，进一步优化，最终得到最优滤波使用的复合结构元素。自适应滤波器所用滤波算法简单实用，不需要复杂的迭代运算，在面向各种随机噪声时均能够准确地寻求到最优结构元素，消噪效果良好，在工程上具有良好的应用前景。
用于实现上述目的的技术方案如下：
一种基于复合结构元素的自适应形态学滤波方法，其特征在于：
建立包含多种结构元素的元素库，选择其中两种结构元素进行融合作为滤波用复合结构元素，统计分析使用不同尺度的复合结构元素进行形态滤波得到的各次拟输出滤波信号和输入信号之间的滤波误差，记录使输入-输出之间滤波误差值达到极大值对应的复合结构元素尺度，即为最优复合结构元素尺度。
确定最优复合结构元素尺度之后，固定组成最优复合结构元素的两种结构元素的长度，调整二者的幅值比例，记录使用不同幅值比例的最优复合结构元素进行交替混合滤波所得到的输入-输出之间的滤波误差值，根据滤波误差极大值原理，确定最终最优滤波用复合结构元素中两种基本结构元素的幅值比例。
本申请公开了一种基于复合结构元素的自适应形态学滤波方法，其特征在于，所述自适应滤波方法包括如下步骤：
步骤1：采集到含有噪声干扰的输入信号后，建立包含多种结构元素在内的元素库，选择其中两种结构元素得到滤波用复合结构元素；设置复合结构元素的幅值备选序列ASE＝{A1,A2…Ap}，p为备选幅值个数；设置复合结构元素的长度备选序列LSE＝{L1,L2…Lq}，q为备选长度个数；
步骤2：设置复合结构元素的初始尺度即初始幅值和初始长度，初始幅值和初始长度分别为A1和L1，使用该初始尺度作为复合结构元素当前选定尺度进入步骤3对输入信号即采样信号进行交替混合滤波；
步骤3：在当前选定尺度下对输入信号即采样信号进行交替混合滤波，计算整周期采样点数下输入的采样信号即输入信号与经过滤波后的输出信号即输出滤波信号的滤波误差值并存储；
步骤4：在长度备选序列中不断改变当前幅值下的复合结构元素的长度，重复步骤3，计算并存储复合结构元素在不同长度下输入信号与输出滤波信号之间的滤波误差值，直到找到滤波误差值所达到的极大值，存储该极大值以及极大值所对应的复合结构元素的尺度，然后进入步骤5；
步骤5：改变复合结构元素的幅值，在幅值备选序列中的每个幅值下使用复合结构元素重复步骤3、4的内容，计算并存储复合结构元素在不同尺度下输入信号与输出滤波信号之间的滤波误差值，找到幅值备选序列每个幅值下不同长度复合结构元素对应的滤波误差极大值，存储所有滤波误差极大值以及极大值所对应的复合结构元素尺度；
步骤6：比较所有滤波误差极大值找出最大值，滤波误差最大值对应的幅值和长度即为最优复合结构元素尺度；
步骤7：固定组成最优复合结构元素的两种基本结构元素的长度，不断调整二者的幅值比例，记录使用不同幅值比例的最优复合结构元素进行交替混合滤波所得到的输入-输出之间的滤波误差值及对应的幅值比例，使滤波误差达到极大值所对应的幅值比例为最优幅值比例，以此确定最终最优滤波用复合结构元素中两种基本结构元素的幅值比例；
步骤8：基于步骤6确定的最优复合结构元素的长度和步骤7确定的两种幅值比例使用最优滤波复合结构元素对输入的待处理采样信号进行交替混合滤波输出最后的滤波结果。
本发明的自适应形态学滤波方法进一步包括以下优选方案：
在步骤1中，元素库的结构元素采用正弦形、三角形这两种结构元素进行组合生成滤波用复合结构元素。
在步骤1中，所选择的两种结构元素按尺度1:1进行融合，其中尺度包括长度和幅值。
在步骤3中，所用交替混合滤波算法如下式所示：
[(f)altmix(g)](n)＝[(f)OC(g)+(f)CO(g)](n)/2
式中f为待处理采样信号即输入信号，g为复合结构元素，n表示采样点；(n)表示使用所有采样点的采样数据进行运算；等式右边(f)OC(g)表示使用复合结构元素对采样信号进行形态开-闭运算，(f)CO(g)表示使用复合结构元素对采样信号进行形态闭-开运算；等式左边altmix表示交替混合运算，[(f)altmix(g)](n)表示使用复合结构元素对采样信号在所有采样点下的采样数据进行交替混合运算，即取形态开-闭和闭-开运算的平均形式处理得到滤波器的单次滤波结果。
在步骤3中，采用下式计算输入信号与输出滤波信号之间的滤波误差值(E)：
Figure GDA0002709660070000041
式中f(n)为含噪声待处理波形即输入信号；y(n)为滤波结果即输出滤波信号；N为整周期采样点数。
在步骤5中，使用长度和幅值备选序列中所有尺度组合的复合结构元素进行滤波，并存储使用不同幅值下各长度复合结构元素滤波后的输入-输出滤波误差极大值，滤波误差极大值对应的尺度为固定一幅值下的滤波效果最佳的复合结构元素尺度。
在步骤6中，在所有极大值中找出最大值，对应的尺度即为在长度和幅值备选序列所有尺度组合中最优复合结构元素的整体尺度。
在步骤7中，最优复合结构元素的整体尺度确定后，进一步调整两种基本结构元素的幅值比例对复合结构元素进行优化。
设三角形结构元素的幅值占比为a，正弦形结构元素的幅值占比为1-a，比例参数a的选择范围为0.1至0.9(步长为0.1)，即在确定已经合成的最优复合结构元素幅值不变的情况下，按照比例参数a调整二者的幅值占比对复合结构元素的形状进行微调，记录使用每次微调后的复合结构元素进行交替混合滤波所得到的输入-输出之间的滤波误差值及对应的a值，滤波误差达到极大值时对应的a值为三角形结构元素的最优幅值占比，1-a为正弦形结构元素的最优幅值占比，以此确定最终最优滤波用复合结构元素的全部形状参数。
本申请的优点是：(1)建立结构元素库，使用元素库中的基本结构元素合成滤波用复合结构元素，能够更好地适应复杂采样信号的消噪处理(2)通过统计分析滤波误差直接建立起滤波输入与输出之间普适性的联系，在此变化规律中准确寻求到最优滤波的复合结构元素，具有良好的自适应性(3)滤波器采用“先整体寻优，后微调尺度”的方法，为结构元素的自适应选取提供了一套完整的参考依据(4)方法简单实用，不需要繁杂的迭代运算，且便于扩展研究。
附图说明
图1的(a)是Matlab仿真平台产生的1V，50Hz标准正弦信号；
图1的(b)是幅值为0.2V的随机白噪声信号；
图1的(c)是叠加噪声后的正弦信号即待处理采样信号；
图2的(a)是正弦形结构元素；
图2的(b)是三角形结构元素；
图2的(c)是由正弦形和三角形结构元素组合生成的滤波用复合结构元素；
图3是复合结构元素尺度对自适应形态滤波器输入-输出滤波误差(E)和输出信号信噪比(SNR)的影响关系曲线；
图4是自适应形态滤波器选用最优滤波复合结构元素进行交替混合滤波的输出信号；
图5是本申请公开的基于复合结构元素的新型自适应滤波方法流程框图。
具体实施方式
以下将结合附图和实例对发明的内容做进一步的说明。
如附图1所示，图1的(a)为Matlab仿真平台产生的1V，50Hz标准正弦信号，作为有用信号；图1的(b)为幅值为0.2V的随机白噪声信号；图1的(c)为叠加噪声后的正弦信号，即待处理采样信号。待处理采样信号的初始信噪比为15.6008，设置采样率为100kHz，一个整周期共2000个采样点的电压数据。
对图1的(c)所示采样信号可以采用本申请公开的一种基于复合结构元素的新型自适应形态滤波方法进行消噪处理。
本申请公开了一种基于复合结构元素的新型自适应滤波方法，参见附图5，其步骤如下：
步骤1：采集到含有噪声干扰的输入信号后，在自适应形态学滤波器中建立包含多种结构元素在内的元素库，选择其中两种结构元素按照幅值和长度1:1组合得到滤波用复合结构元素；设置复合结构元素的幅值备选序列ASE＝{A1,A2…Ap}，p为备选幅值个数；设置复合结构元素的长度备选序列LSE＝{L1,L2…Lq}，q为备选长度个数；
在本申请实施例中，在自适应形态滤波器中建立包含正弦形，三角形结构元素在内的元素库，如附图2所示，图2的(a)为正弦形结构元素，图2的(b)为三角形结构元素。图2的(c)为由正弦形和三角形结构元素组合生成的滤波用复合结构元素。仿真中噪声干扰的最大峰值为0.2V，最大噪声干扰宽度未知，因此复合结构元素长度备选序列的容量设定得相应较大，设置复合结构元素的幅值备选序列为ASE＝{0.01，0.05，0.1}，设置复合结构元素的长度备选序列为LSE＝{10，20，30，40，50，60，70，80，90，100，150，200，250，300}，各备选序列中的元素单位为采样点数；
步骤2：设置复合结构元素的初始尺度即初始幅值和初始长度，初始幅值和初始长度分别为A1和L1，使用该初始尺度作为复合结构元素当前选定尺度进入步骤3对输入信号即采样信号进行交替混合滤波；
在本申请实施例中，复合结构元素的初始尺度参数设置为A1＝0.01，L1＝10。
步骤3：在当前选定尺度下对输入信号即采样信号进行交替混合滤波，计算整周期采样点数下输入的采样信号即输入信号与经过滤波后的输出信号即输出滤波信号的滤波误差值并存储；
在本申请实施例中，所用交替混合滤波算法如下式所示：
[(f)altmix(g)](n)＝[(f)OC(g)+(f)CO(g)](n)/2
式中f为待处理采样信号即输入信号，g为初始选定的复合结构元素，n表示采样点；(n)表示使用所有采样点的采样数据进行运算；等式右边(f)OC(g)表示使用该复合结构元素对采样信号进行形态开-闭运算，(f)CO(g)表示使用该复合结构元素对采样信号进行形态闭-开运算；等式左边altmix表示交替混合运算，[(f)altmix(g)](n)表示使用该复合结构元素对采样信号在所有采样点下的采样数据进行交替混合运算，即取形态开-闭和闭-开运算的平均形式处理得到滤波器的单次滤波结果。
计算整周期采样点数下输入的采样信号即输入信号与经过滤波后的输出信号即输出滤波信号的滤波误差值如下式所示：
Figure GDA0002709660070000071
步骤4：在长度备选序列中不断改变当前幅值下的复合结构元素的长度，重复步骤3，计算并存储复合结构元素在不同长度下输入信号与输出滤波信号之间的滤波误差值，直到找到滤波误差值所达到的极大值，存储该极大值以及极大值所对应的复合结构元素的尺度，然后进入步骤5；
步骤5：改变复合结构元素的幅值，在幅值备选序列中的每个幅值下使用复合结构元素重复步骤3、4的内容，计算并存储复合结构元素在不同尺度下输入信号与输出滤波信号之间的滤波误差值，找到幅值备选序列每个幅值下不同长度复合结构元素对应的滤波误差极大值，存储所有滤波误差极大值以及极大值所对应的复合结构元素尺度；
步骤6：比较所有滤波误差极大值找出最大值，滤波误差最大值对应的幅值和长度即为最优复合结构元素尺度；
在本申请实施例中计算并存储使用不同尺度的复合结构元素得到的滤波拟输出信号与待处理信号之间的滤波误差值(E)，并将各次消噪后的滤波拟输出信号的信噪比同列在下表中以对比分析消噪效果和滤波误差极大值之间的关系：
Figure GDA0002709660070000072
将上表中复合结构元素在各幅值下的滤波误差值变化趋势绘制如附图3的(a)所示。图3的(a)中在各条曲线上用“o”标注出三种幅值的复合结构元素在长度变化过程中滤波误差的极大值，由于滤波误差在结构元素最优尺度附近的变化趋势比较平缓，因此可以认为在各幅值下，随着结构元素长度的增加，在各条曲线由上升至明显变缓的起始位置为滤波误差的极大值点，该点对应的尺度为优选复合结构元素尺度。由图3的(a)可以得到自适应形态滤波器寻求到的优选复合结构元素的尺度为：A＝0.01，L＝40；A＝0.05，L＝40；A＝0.1，L＝70。比较后选出滤波误差极大值中的最大值可最终将复合结构元素的最优尺度确定为A＝0.1，L＝70。
将上表中复合结构元素在各幅值下不同长度的各次滤波拟输出信号的信噪比绘制如图3的(b)所示。同样在图3的(b)中各条曲线上用“o”标注出三种幅值的复合结构元素在长度变化过程中滤波得到的信号信噪比最大值。滤波拟输出信号信噪比最大值对应滤波效果最好，可以看到，使用由自适应形态滤波器根据滤波误差极大值规律选择出的最优滤波结构元素进行形态滤波时信号的信噪比出现最大值，证明自适应形态滤波器能够自适应地选取最优滤波所用的复合结构元素。
步骤7：固定组成最优复合结构元素的两种基本结构元素的长度，不断调整二者的幅值比例，记录使用不同幅值比例的最优复合结构元素进行交替混合滤波所得到的输入-输出之间的滤波误差值及对应的幅值比例，使滤波误差达到极大值所对应的幅值比例为最优幅值比例，以此确定最终最优滤波用复合结构元素中两种基本结构元素的幅值比例；
在本申请实施例中调整A＝0.1，L＝70尺度复合结构元素中正弦形和三角形结构元素的幅值占比，设三角形幅值占比为a，则正弦形结构元素幅值占比为1-a，计算并统计调整幅值占比后各次的滤波误差以及滤波后信号的信噪比，将数据列于下表中。
a E SNR
0.1 0.0982 35.6203
0.2 0.0982 35.6884
0.3 0.0983 35.7406
0.4 0.0983 35.7895
0.5 0.0983 35.8293
0.6 0.0984 35.8492
0.7 0.0983 35.8274
0.8 0.0982 35.7609
0.9 0.0982 35.6540
根据滤波误差极大值原理选取a＝0.6时的复合结构元素为最终的最优滤波结构元素，对应的滤波后信号信噪比证明了该幅值占比为最优比例。最优滤波结构元素的参数设置为A＝0.1，L＝70，三角形元素幅值占60％，正弦形结构元素幅值占40％。
为了进一步证明使用复合结构元素进行形态滤波所取得的效果比同尺度的正弦及三角形结构元素更好，按照幅值及长度备选序列，将使用正弦及三角形结构元素在各尺度下进行滤波所得到的滤波拟输出信号的信噪比最大值及对应的尺度进行统计，并列于下表中。
Figure GDA0002709660070000091
由上表数据可得，单一正弦形结构元素的最优滤波尺度为A＝0.1,L＝60，滤波后信号的信噪比为35.5405；单一三角形结构元素的最优滤波尺度为A＝0.1,L＝70，滤波后信号的信噪比为35.7050；而使用由自适应形态滤波器选择出的A＝0.1，L＝70，三角形元素幅值占60％，正弦形结构元素幅值占40％尺度参数下的最优滤波复合结构元素滤波，输出信号的信噪比为35.8492，因此验证了在处理含有随机白噪声干扰的采样信号时，复合型结构元素的滤波效果要优于单一形状的结构元素。
步骤8：基于步骤6确定的最优复合结构元素的长度和步骤7确定的两种幅值比例使用最优滤波复合结构元素对输入的待处理采样信号进行交替混合滤波输出最后的滤波结果。
在本申请例中，滤波后的信号如附图4所示，与附图1的(a)中的理想正弦信号已经十分贴近。
以上给出的实施例用以说明本发明和它的实际应用，并非对本发明作任何形式上的限制，任何一个本专业的技术人员在不偏离本发明技术方案的范围内，依据以上技术和方法作一定的修饰和变更当视为等同变化的等效实施例。

Claims (8)

1.一种基于复合结构元素的自适应形态学滤波方法，其特征在于，所述自适应形态学滤波方法包括如下步骤：
步骤1：采集到含有噪声干扰的输入信号后，建立包含多种结构元素在内的元素库，选择其中两种结构元素得到滤波用复合结构元素；设置复合结构元素的幅值备选序列ASE＝{A1,A2…Ap}，p为备选幅值个数；设置复合结构元素的长度备选序列LSE＝{L1,L2…Lq}，q为备选长度个数；
步骤2：设置复合结构元素的初始尺度即初始幅值和初始长度，初始幅值和初始长度分别为A1和L1，使用该初始尺度作为复合结构元素当前选定尺度进入步骤3对输入信号即采样信号进行交替混合滤波；
步骤3：在当前选定尺度下对输入信号即采样信号进行交替混合滤波，计算整周期采样点数下输入的采样信号即输入信号与经过滤波后的输出信号即输出滤波信号的滤波误差值并存储；
步骤4：在长度备选序列中不断改变当前幅值下的复合结构元素的长度，重复步骤3，计算并存储复合结构元素在不同长度下输入信号与输出滤波信号之间的滤波误差值，直到找到滤波误差值所达到的极大值，存储该极大值以及极大值所对应的复合结构元素的尺度，然后进入步骤5；
步骤5：改变复合结构元素的幅值，在幅值备选序列中的每个幅值下使用复合结构元素重复步骤3、4的内容，计算并存储复合结构元素在不同尺度下输入信号与输出滤波信号之间的滤波误差值，找到幅值备选序列每个幅值下不同长度复合结构元素对应的滤波误差极大值，存储所有滤波误差极大值以及极大值所对应的复合结构元素尺度；
步骤6：比较所有滤波误差极大值找出最大值，滤波误差最大值对应的幅值和长度即为最优复合结构元素尺度；
步骤7：固定组成最优复合结构元素的两种基本结构元素的长度，不断调整二者的幅值比例，记录使用不同幅值比例的最优复合结构元素进行交替混合滤波所得到的输入-输出之间的滤波误差值及对应的幅值比例，使滤波误差达到极大值所对应的幅值比例为最优幅值比例，以此确定最终最优滤波用复合结构元素中两种基本结构元素的幅值比例；
步骤8：基于步骤6确定的最优复合结构元素的长度和步骤7确定的两种幅值比例使用最优滤波复合结构元素对输入的待处理采样信号进行交替混合滤波输出最后的滤波结果。
2.根据权利要求1所述的自适应形态学滤波方法，其特征在于：
在步骤1中，元素库的结构元素采用正弦形、三角形这两种结构元素进行组合生成滤波用复合结构元素。
3.根据权利要求1或2所述的自适应形态学滤波方法，其特征在于：
在步骤1中，所选择的两种结构元素按尺度1:1进行融合，其中尺度包括长度和幅值。
4.根据权利要求1所述的自适应形态学滤波方法，其特征在于：
在步骤3中，所用交替混合滤波算法如下式所示：
[(f)altmix(g)](n)＝[(f)OC(g)+(f)CO(g)](n)/2
式中f为待处理采样信号即输入信号，g为复合结构元素，n表示采样点；(n)表示使用所有采样点的采样数据进行运算；等式右边(f)OC(g)表示使用复合结构元素对采样信号进行形态开-闭运算，(f)CO(g)表示使用复合结构元素对采样信号进行形态闭-开运算；等式左边altmix表示交替混合运算，[(f)altmix(g)](n)表示使用复合结构元素对采样信号在所有采样点下的采样数据进行交替混合运算，即取形态开-闭和闭-开运算的平均形式处理得到滤波器的单次滤波结果。
5.根据权利要求1或4所述的自适应形态学滤波方法，其特征在于：
在步骤3中，采用下式计算输入信号与输出滤波信号之间的滤波误差值E：
Figure FDA0002634842350000021
式中f(n)为含噪声待处理波形即输入信号；y(n)为滤波结果即输出滤波信号；N为整周期采样点数。
6.根据权利要求1所述的自适应形态学滤波方法，其特征在于：
在步骤5中，使用长度和幅值备选序列中所有尺度组合的复合结构元素进行滤波，并存储使用不同幅值下各长度复合结构元素滤波后的输入-输出滤波误差极大值，滤波误差极大值对应的尺度为固定一幅值下的滤波效果最佳的复合结构元素尺度。
7.根据权利要求6所述的自适应形态学滤波方法，其特征在于：
在步骤6中，在所有极大值中找出最大值，对应的尺度即为在长度和幅值备选序列所有尺度组合中最优复合结构元素的整体尺度。
8.根据权利要求1所述的自适应形态学滤波方法，其特征在于：
在步骤7中，最优复合结构元素的整体尺度确定后，进一步调整两种基本结构元素的幅值比例对复合结构元素进行优化。
CN201611251415.1A 2016-12-30 2016-12-30 基于复合结构元素的自适应形态学滤波方法 Active CN106780148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611251415.1A CN106780148B (zh) 2016-12-30 2016-12-30 基于复合结构元素的自适应形态学滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611251415.1A CN106780148B (zh) 2016-12-30 2016-12-30 基于复合结构元素的自适应形态学滤波方法

Publications (2)

Publication Number Publication Date
CN106780148A CN106780148A (zh) 2017-05-31
CN106780148B true CN106780148B (zh) 2020-12-01

Family

ID=58928355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611251415.1A Active CN106780148B (zh) 2016-12-30 2016-12-30 基于复合结构元素的自适应形态学滤波方法

Country Status (1)

Country Link
CN (1) CN106780148B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275114B (zh) * 2019-07-22 2021-06-25 山东正晨科技股份有限公司 基于组合滤波算法的蓄电池内阻在线监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002074332A (ja) * 2000-08-25 2002-03-15 Japan Packaging Institute 包装材及び包装体のシール不良検出方法及びシール不良検出装置
CN105182118A (zh) * 2015-08-26 2015-12-23 芜湖市凯鑫避雷器有限责任公司 绝缘子污秽程度监测系统
CN105913835A (zh) * 2016-06-15 2016-08-31 华北电力大学 一种基于数学形态学的自适应滤波方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002074332A (ja) * 2000-08-25 2002-03-15 Japan Packaging Institute 包装材及び包装体のシール不良検出方法及びシール不良検出装置
CN105182118A (zh) * 2015-08-26 2015-12-23 芜湖市凯鑫避雷器有限责任公司 绝缘子污秽程度监测系统
CN105913835A (zh) * 2016-06-15 2016-08-31 华北电力大学 一种基于数学形态学的自适应滤波方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于数学形态学的彩色图像边缘检测算法研究;李雪林;《中国优秀硕士学位论文全文数据库信息科技辑》;20150415(第4期);第1-74页 *
数学形态学中结构元素的分析研究;郭景峰等;《计算机科学》;20020715;第29卷(第7期);第113-115页 *
自适应梯度幅值和形态学组合滤波算法;姚刚等;《计算机应用》;20101201;第30卷(第12期);第3241-3245页 *

Also Published As

Publication number Publication date
CN106780148A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN105913835B (zh) 一种基于数学形态学的自适应滤波方法
Karaboga et al. Design of digital FIR filters using differential evolution algorithm
Crama et al. Initial estimates of Wiener and Hammerstein systems using multisine excitation
CN102075484B (zh) 一种降低信号峰均比的方法和装置
JP6374596B2 (ja) 波高率低減
CN108764073A (zh) 一种结合频谱能量形态拟合的加速度滤噪和积分方法
CN109270345A (zh) 一种电网谐波信号的检测方法
CN111753699A (zh) 一种直流充电桩数字计量准确度提升的方法
Kušljević et al. Maximally flat-frequency-response multiple-resonator-based harmonic analysis
CN117318671B (zh) 一种基于快速傅里叶变换的自适应滤波方法
CN108267657B (zh) 一种基于s变换的电能质量扰动检测方法及系统
US9160594B1 (en) Peak detection in signal processing
CN103176946A (zh) 一种面向块稀疏信号的稀疏分解去噪方法
CN116088320B (zh) 稀疏双时空非凸罚自适应Chirp模态交叉混叠分解方法
CN106780148B (zh) 基于复合结构元素的自适应形态学滤波方法
CN108090270B (zh) 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法
CN107124678B (zh) 一种音频谐波失真的测量系统
Kaiser et al. Estimation of power systems amplitudes, frequencies, and phase characteristics using energy operators
CN102064796A (zh) 一种简化的具有负系数的加权重复伪中值滤波方法
CN105811921B (zh) 一种抑制工频谐波干扰的方法及滤波器
Piskorowski Powerline interference rejection from sEMG signal using notch filter with transient suppression
CN109460614B (zh) 基于瞬时带宽的信号时间-频率分解方法
CN112162153B (zh) 基于相位直线拟合的正弦波信号频率估计方法
Sanabria-Villamizar et al. Hybrid technique for the analysis of non-linear and non-stationary signals focused on power quality
Rana et al. Time-varying pole-radius IIR multi-notch filters with improved performance

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
GR01 Patent grant
GR01 Patent grant