CN107080522A - 信号处理方法及装置 - Google Patents
信号处理方法及装置 Download PDFInfo
- Publication number
- CN107080522A CN107080522A CN201710169059.7A CN201710169059A CN107080522A CN 107080522 A CN107080522 A CN 107080522A CN 201710169059 A CN201710169059 A CN 201710169059A CN 107080522 A CN107080522 A CN 107080522A
- Authority
- CN
- China
- Prior art keywords
- value
- coefficient
- attenuation
- attenuation coefficient
- wavelet
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明公开了一种信号处理方法，包括步骤：获取待处理的信号，将所述待处理的信号进行小波包分解得到每个小波的小波系数；确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；将衰减处理后的所有小波重构得到处理后的信号。本发明还公开了一种信号处理装置。本发明实现对信号的精细化处理，提高信号降噪处理的精确度，进而提高降噪效果的效果。
Description
技术领域
本发明涉及信号处理技术领域，尤其涉及信号处理方法及装置。
背景技术
随着“互联网+”思潮的高速推进以及新时代下人们对健康数据的了解和关注度不断加强，各种体征相关传感器呈爆发式展现，各市场环境下不断涌现出各种功能的可穿戴传感器产品。同时，在国家“分级诊疗”、“医疗资源下沉”等大方向、大政策的号召下，互联网医疗，依托远程问诊、移动医疗等方案，正逐渐成为实现医疗资源的高效率合理分配、医疗行业改革等的最主要手段。在互联网的大环境下，由传感器采集的健康数据、信号数据等正以前所未有的指数型增长的速度聚集在云端，大量的信号数据正在推进医学发展，同时以服务闭环的形式回归到个体用户。那么在互联网医疗的首个难点：“信号的降噪处理”。目前，对于信号的降噪处理因无法精确处理，导致降噪效果差。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种信号处理方法及装置，旨在解决目前，对于信号的降噪处理因无法精确处理，导致降噪效果差的问题。
为实现上述目的，本发明提供的一种信号处理方法，包括步骤：
获取待处理的信号，将所述待处理的信号进行小波包分解得到每个小波的小波系数；
确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；
将衰减处理后的所有小波重构得到处理后的信号。
优选地，所述确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波的步骤包括：
在小波的小波系数小于或等于第一值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波；
在小波的小波系数大于或等于第二值时，确定大于第二值的小波的衰减系数为第二衰减系数，按照第二衰减系数调整所述大于第二值的小波；
在小波的小波系数大于第一值且小于第二值时，确定大于第一值且小于第二值的小波的衰减系数为第三衰减系数，按照第三衰减系数调整所述大于第一值且小于第二值的小波；其中，
所述第一衰减系数小于第二衰减系数，所述第二衰减系数小于第三衰减系数，所述第一衰减系数和第二衰减系数为固定系数，所述第三衰减系数为动态衰减系数。
优选地，所述第三衰减系数设置曲线点，对应小波系数为第三值，其中：
调整第三值和曲线点，以调整所述第三值之前的衰减系数变化的斜率大于所述第三值之后的衰减系数变化的斜率。
优选地，所述按照第一衰减系数调整所述小于或等于第一值的小波包括：
控制所述小于或等于第一值的小波按照所述第一衰减系数进行衰减，并控制所述小于或等于第一值的小波衰减不归零。
优选地，所述将衰减处理后的所有小波重构得到处理后的信号的步骤之后，还包括：
根据衰减处理生成所述待处理信号的衰减函数并保存；
输出所述处理后的信号。
此外，为实现上述目的，本发明还提供一种信号处理装置，包括：
获取模块，用于获取待处理的信号；
分解模块，用于将所述待处理的信号进行小波包分解得到每个小波的小波系数；
衰减模块，用于确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；
重构模块，用于将衰减处理后的所有小波重构得到处理后的信号。
优选地，所述衰减模块，还用于在小波的小波系数小于或等于第一值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波；衰减模块还用于
在小波的小波系数大于或等于第二值时，确定大于第二值的小波的衰减系数为第二衰减系数，按照第二衰减系数调整所述大于第二值的小波；衰减模块还用于
在小波的小波系数大于第一值且小于第二值时，确定大于第一值且小于第二值的小波的衰减系数为第三衰减系数，按照第三衰减系数调整所述大于第一值且小于第二值的小波；其中，
所述第一衰减系数小于第二衰减系数，所述第二衰减系数小于第三衰减系数，所述第一衰减系数和第二衰减系数为固定系数，所述第三衰减系数为动态衰减系数。
优选地，所述第三衰减系数设置曲线点，对应小波系数为第三值，
所述衰减模块，还用于调整第三值和曲线点，以调整所述第三值之前的衰减系数变化的斜率大于所述第三值之后的衰减系数变化的斜率。
优选地，所述衰减模块，还用于控制所述小于或等于第一值的小波按照所述第一衰减系数进行衰减，并控制所述小于或等于第一值的小波衰减不归零。
优选地，所述信号处理装置还包括：
生成模块，用于根据衰减处理生成所述待处理信号的衰减函数并保存；
输出模块，用于输出所述处理后的信号。
本发明通过进行小波分解，且针对不同段的小波系数设置不同的衰减系数，且在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小，实现对信号的精细化处理，提高信号降噪处理的精确度，进而提高降噪效果的效果。
附图说明
图1为本发明信号处理方法的第一实施例的流程示意图；
图2为本发明一实施例中确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波的流程示意图；
图3为本发明一实施例中衰减系数取值曲线示意图；
图4为本发明信号处理方法的第二实施例的流程示意图；
图5为本发明一实施例中信号降噪处理的流程示意图；
图6为本发明一实施例中信号处理前后的示意图；
图7为本发明信号处理装置的第一实施例的功能模块示意图；
图8为本发明信号处理装置的第二实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种信号处理方法。
参照图1，图1为本发明信号处理方法的第一实施例的流程示意图。
在一实施例中，所述信号处理方法包括：
步骤S10，获取待处理的信号，将所述待处理的信号进行小波包分解得到每个小波的小波系数；
在本实施例中，所述待处理的信号有一定的共性，存在个体特征差异的信号，例如，心电信号、脑电信号等生物信号。在本发明其他实施例中，所述待处理的信号还可以为音频信号或视频信号等带有噪音的存在个体特征差异的信号。
本实施例中以生物信号进行描述，在有生物信号需要处理时，所述需要处理的生物信号为待处理生物信号，获取待处理的生物信号，将所述待处理的生物信号进行小波包分解得到每个小波的小波系数。小波分解为将时域的生物信号转换为频域的生物信号，转换为频域的生物信号后，存在多层的小波，每一层有对应的小波系数。
步骤S20，确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；
提前预设不同小波系数对应的衰减系数，即，每个不同的小波系数有对应的衰减系数，且衰减系数会按照规律进行变化。在将待处理的生物信号小波分解后得到各个小波的小波系数后，确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小，即，在小波系数越大时，被衰减的力度减小。所述第一值是根据所有的小波系数取中值得到，即为λ。在处于λ以上衰减程度逐渐减小，在处于λ以下，衰减程度不强制归零，为一个可调的值。
具体的，参考图2，在一实施例中，所述确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波的步骤可包括：
步骤S21，在小波的小波系数小于或等于第一值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波；
步骤S22，在小波的小波系数大于或等于第二值时，确定大于第二值的小波的衰减系数为第二衰减系数，按照第二衰减系数调整所述大于第二值的小波；
步骤S23，在小波的小波系数大于第一值且小于第二值时，确定大于第一值且小于第二值的小波的衰减系数为第三衰减系数，按照第三衰减系数调整所述大于第一值且小于第二值的小波；其中，
所述第一衰减系数小于第二衰减系数，所述第二衰减系数小于第三衰减系数，所述第一衰减系数和第二衰减系数为固定系数，所述第三衰减系数为动态衰减系数。
在小波的小波系数小于或等于第一值时，即，在小于或等于λ值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波。
进一步地，为了避免有效信号被删减，所述第一衰减系数为不为0，具体的，控制所述小于或等于第一值的小波按照所述第一衰减系数进行衰减，并控制所述小于或等于第一值的小波衰减不归零。
而在第三衰减系数的过程中，所述第三衰减系数设置曲线点，对应小波系数为第三值，其中：
调整第三值和曲线点，以调整所述第三值之前的衰减系数变化的斜率大于所述第三值之后的衰减系数变化的斜率。
具体的，所述衰减系数的取值，参考图3，图3中标示出具体的衰减系数的取值曲线，衰减系数为0时，衰减归零，衰减系数为100时，保持原值。
参数一【λ】：平稳小波变换降噪中的标准参数，名称为“标准阈值”或“阈值”，取法可见各大权威论文。
参数二【wPercent】：取值大于0小于curve，解释为λ以下小波系数的衰减度，即取值低于λ的小波系数值都要乘上本参数来衰减。
参数三【curve】：取值大于wPercent小于100％，和retainPoint一起，基本决定了λ以上的小波系数在幅值上的恢复程度、以及在λ附近的连续程度。
参数四【retainPoint】：取值大于λ小于max(|x|)，和curve一起，基本决定了λ以上的小波系数在幅值上的恢复程度、以及在λ附近的连续程度。一般本参数以比例或者百分数的形式出现，即从λ到retainPoint这段线段，以及从retainPoint到max(|x|)这段线段，是呈一个不变的比例的。
参数五【|x|】：即上文中的x的绝对值。
参数六【max(|x|)】：即上文中的x的绝对值的最大值。
由P的函数曲线图可知，调整以上六个参数，可以从各个角度细微调整P的取值规则，可以在传统阈值函数标定方法的优缺点之间来回精细化的调整，逐渐磨合“噪音的有效去除”和“生物特征的尽量保留”之间的矛盾，使得阈值函数达到应用意义上的最优。上述的参数二【wPercent】对应为第一衰减系数，所述【retainPoint】对应为第二值，所述【curve】对应为曲线点，|x|对应为小波系数的绝对值，max|x|对应为待处理生物信号进行小波分解后，最大的小波系数的绝对值。
步骤S30，将衰减处理后的所有小波重构得到处理后的信号。
在对小波系数衰减后，将衰减处理后的所有小波重构，即，将频域的小波转换为时域的小波，完成待处理生物信号的处理，即，完成了生物信号的降噪处理
本实施例通过进行小波分解，且针对不同段的小波系数设置不同的衰减系数，且在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小，实现对信号的精细化处理，提高信号降噪处理的精确度，进而提高降噪效果的效果。
参照图4，图4为本发明信号处理方法的第二实施例的流程示意图。基于上述信号处理方法的第一实施例，所述步骤S30之后，还包括：
步骤S40，根据衰减处理生成所述待处理信号的衰减函数并保存；
步骤S50，输出所述处理后的信号。
在本实施例中，信号以生物信号为例，在衰减处理所述待处理生物信号后，按照衰减操作，生成所述待处理生物信号的衰减函数并保存，所述衰减函数为Y(i)＝P(i)*x(i)，其中y(i)为衰减后的小波系数，P(i)为衰减系数，x(i)为衰减前的小波系数。在小波重构经过降噪处理后，输出所述处理后的生物信号，供后续利用所述处理后的生物信号完成其他应用，例如，生物体征的检测或病理的检测等。具体的，参考图5，所述生物信号降噪处理的过程包括：
步骤S100，获取带有噪声的信号；步骤S200，平稳小波变换正变换；步骤S300，某层上的小波系数(一般为细节系数)x[0],x[1],x[2],……x[i]；步骤S400，根据x[i]计算P[i]；裁剪后的小波系数Y[i]＝P[i]*x[i]；步骤S500，平稳小波变换反变换；步骤S600，降噪后信号的输出。其中正变换为时域信号转换为频域信号，反变换为频域信号转换为时域信号。参考图5，包括：
变量一【x】：一段原信号进行小波分解后的某一层的小波系数，也即是平稳小波变换中，被阈值函数修剪的目标；
变量二【P】：衰减度，取值从0％到100％，0％等同于完全归0，100％等同于保持原值；
变量三【Y】：x衰减后的结果，也即是通过阈值函数修剪的降噪的结果。本实施例通过P的不断修正和设定，对降噪进行精细化调节，提高了降噪的效果，输出更加准确的信号。
参考图6，为本发明一实施例中信号处理前后的示意图(图中给出3个处理前后的对比图)，以心电信号为例，处理前和处理后，心电信号的R波和P波等特征更加明显，降噪效果好，输出的心电信号更加准确。
本发明进一步提供一种信号处理装置。
参照图7，图7为本发明信号处理装置的第一实施例的功能模块示意图。
在一实施例中，所述信号处理装置包括：获取模块10、分解模块20衰减模块30及重构模块40。
所述获取模块10，用于获取待处理的信号；
所述分解模块20，用于将所述待处理的信号进行小波包分解得到每个小波的小波系数；
在本实施例中，所述待处理的信号有一定的共性，存在个体特征差异的信号，例如，心电信号、脑电信号等生物信号。在本发明其他实施例中，所述待处理的信号还可以为音频信号或视频信号等带有噪音的存在个体特征差异的信号。
本实施例中以生物信号进行描述，在有生物信号需要处理时，所述需要处理的生物信号为待处理生物信号，获取模块10获取待处理的生物信号；
在获取到待处理生物信号后，分解模块20将所述待处理的生物信号进行小波包分解得到每个小波的小波系数。小波分解为将时域的生物信号转换为频域的生物信号，转换为频域的生物信号后，存在多层的小波，每一层有对应的小波系数。
所述衰减模块30，用于确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；
提前预设不同小波系数对应的衰减系数，即，每个不同的小波系数有对应的衰减系数，且衰减系数会按照规律进行变化。在将待处理的生物信号小波分解后得到各个小波的小波系数后，确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小，即，在小波系数越大时，被衰减的力度减小。所述第一值是根据所有的小波系数取中值得到，即为λ。在处于λ以上衰减程度逐渐减小。
所述衰减模块30，还用于在小波的小波系数小于或等于第一值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波；衰减模块30还用于
在小波的小波系数大于或等于第二值时，确定大于第二值的小波的衰减系数为第二衰减系数，按照第二衰减系数调整所述大于第二值的小波；衰减模块30还用于
在小波的小波系数大于第一值且小于第二值时，确定大于第一值且小于第二值的小波的衰减系数为第三衰减系数，按照第三衰减系数调整所述大于第一值且小于第二值的小波；其中，
所述第一衰减系数小于第二衰减系数，所述第二衰减系数小于第三衰减系数，所述第一衰减系数和第二衰减系数为固定系数，所述第三衰减系数为动态衰减系数。
在小波的小波系数小于或等于第一值时，即，在小于或等于λ值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波。
进一步地，为了避免有效信号被删减，所述第一衰减系数为不为0，具体的，控制所述小于或等于第一值的小波按照所述第一衰减系数进行衰减，并控制所述小于或等于第一值的小波衰减不归零。
而在第三衰减系数的过程中，所述第三衰减系数设置曲线点，对应小波系数为第三值，其中：
所述衰减模块30，还用于调整第三值和曲线点，以调整所述第三值之前的衰减系数变化的斜率大于所述第三值之后的衰减系数变化的斜率。
具体的，所述衰减系数的取值，参考图3，图3中标示出具体的衰减系数的取值曲线，衰减系数为0时，衰减归零，衰减系数为100时，保持原值。
参数一【λ】：平稳小波变换降噪中的标准参数，名称为“标准阈值”或“阈值”，取法可见各大权威论文。
参数二【wPercent】：取值大于0小于curve，解释为λ以下小波系数的衰减度，即取值低于λ的小波系数值都要乘上本参数来衰减。
参数三【curve】：取值大于wPercent小于100％，和retainPoint一起，基本决定了λ以上的小波系数在幅值上的恢复程度、以及在λ附近的连续程度。
参数四【retainPoint】：取值大于λ小于max(|x|)，和curve一起，基本决定了λ以上的小波系数在幅值上的恢复程度、以及在λ附近的连续程度。一般本参数以比例或者百分数的形式出现，即从λ到retainPoint这段线段，以及从retainPoint到max(|x|)这段线段，是呈一个不变的比例的。
参数五【|x|】：即上文中的x的绝对值。
参数六【max(|x|)】：即上文中的x的绝对值的最大值。
由P的函数曲线图可知，调整以上六个参数，可以从各个角度细微调整P的取值规则，可以在传统阈值函数标定方法的优缺点之间来回精细化的调整，逐渐磨合“噪音的有效去除”和“生物特征的尽量保留”之间的矛盾，使得阈值函数达到应用意义上的最优。上述的参数二【wPercent】对应为第一衰减系数，所述【retainPoint】对应为第二值，所述【curve】对应为曲线点，|x|对应为小波系数的绝对值，max|x|对应为待处理生物信号进行小波分解后，最大的小波系数的绝对值。
所述重构模块40，用于将衰减处理后的所有小波重构得到处理后的信号。
在对小波系数衰减后，将衰减处理后的所有小波重构，即，将频域的小波转换为时域的小波，完成待处理生物信号的处理，即，完成了生物信号的降噪处理
本实施例通过进行小波分解，且针对不同段的小波系数设置不同的衰减系数，且在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小，实现对信号的精细化处理，提高信号降噪处理的精确度，进而提高降噪效果的效果。
参照图8，图8为本发明信号处理装置的第二实施例的功能模块示意图。所述装置还包括：
生成模块50，用于根据衰减处理生成所述待处理信号的衰减函数并保存；
输出模块60，用于输出所述处理后的信号。
在本实施例中，信号以生物信号为例，在衰减处理所述待处理生物信号后，按照衰减操作，生成所述待处理生物信号的衰减函数并保存，所述衰减函数为Y(i)＝P(i)*x(i)，其中y(i)为衰减后的小波系数，P(i)为衰减系数，x(i)为衰减前的小波系数。在小波重构经过降噪处理后，输出所述处理后的生物信号，供后续利用所述处理后的生物信号完成其他应用，例如，生物体征的检测或病理的检测等。具体的，参考图5，所述生物信号降噪处理的过程包括：
步骤S100，获取带有噪声的信号；步骤S200，平稳小波变换正变换；步骤S300，某层上的小波系数(一般为细节系数)x[0],x[1],x[2],……x[i]；步骤S400，根据x[i]计算P[i]；裁剪后的小波系数Y[i]＝P[i]*x[i]；步骤S500，平稳小波变换反变换；步骤S600，降噪后信号的输出。其中正变换为时域信号转换为频域信号，反变换为频域信号转换为时域信号。参考图5，包括：
变量一【x】：一段原信号进行小波分解后的某一层的小波系数，也即是平稳小波变换中，被阈值函数修剪的目标；
变量二【P】：衰减度，取值从0％到100％，0％等同于完全归0，100％等同于保持原值；
变量三【Y】：x衰减后的结果，也即是通过阈值函数修剪的降噪的结果。本实施例通过P的不断修正和设定，对降噪进行精细化调节，提高了降噪的效果，输出更加准确的信号。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种信号处理方法，其特征在于，包括步骤：
获取待处理的信号，将所述待处理的信号进行小波包分解得到每个小波的小波系数；
确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；
将衰减处理后的所有小波重构得到处理后的信号。
2.如权利要求1所述的信号处理方法，其特征在于，所述确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波的步骤包括：
在小波的小波系数小于或等于第一值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波；
在小波的小波系数大于或等于第二值时，确定大于第二值的小波的衰减系数为第二衰减系数，按照第二衰减系数调整所述大于第二值的小波；
在小波的小波系数大于第一值且小于第二值时，确定大于第一值且小于第二值的小波的衰减系数为第三衰减系数，按照第三衰减系数调整所述大于第一值且小于第二值的小波；其中，
所述第一衰减系数小于第二衰减系数，所述第二衰减系数小于第三衰减系数，所述第一衰减系数和第二衰减系数为固定系数，所述第三衰减系数为动态衰减系数。
3.如权利要求2所述的信号处理方法，其特征在于，所述第三衰减系数设置曲线点，对应小波系数为第三值，其中：
调整第三值和曲线点，以调整所述第三值之前的衰减系数变化的斜率大于所述第三值之后的衰减系数变化的斜率。
4.如权利要求2或3所述的信号处理方法，其特征在于，所述按照第一衰减系数调整所述小于或等于第一值的小波包括：
控制所述小于或等于第一值的小波按照所述第一衰减系数进行衰减，并控制所述小于或等于第一值的小波衰减不归零。
5.如权利要求2或3所述的信号处理方法，其特征在于，所述将衰减处理后的所有小波重构得到处理后的信号的步骤之后，还包括：
根据衰减处理生成所述待处理信号的衰减函数并保存；
输出所述处理后的信号。
6.一种信号处理装置，其特征在于，包括：
获取模块，用于获取待处理的信号；
分解模块，用于将所述待处理的信号进行小波包分解得到每个小波的小波系数；
衰减模块，用于确定与每个小波系数对应的衰减系数，按照所述衰减系数调整对应的小波，在小波系数大于第一值时，所述衰减系数随着小波系数增大而增大，而衰减的越小；
重构模块，用于将衰减处理后的所有小波重构得到处理后的信号。
7.如权利要求6所述的信号处理装置，其特征在于，所述衰减模块，还用于在小波的小波系数小于或等于第一值时，确定小于或等于第一值的小波的衰减系数为第一衰减系数，按照第一衰减系数调整所述小于或等于第一值的小波；衰减模块还用于
在小波的小波系数大于或等于第二值时，确定大于第二值的小波的衰减系数为第二衰减系数，按照第二衰减系数调整所述大于第二值的小波；衰减模块还用于
在小波的小波系数大于第一值且小于第二值时，确定大于第一值且小于第二值的小波的衰减系数为第三衰减系数，按照第三衰减系数调整所述大于第一值且小于第二值的小波；其中，
所述第一衰减系数小于第二衰减系数，所述第二衰减系数小于第三衰减系数，所述第一衰减系数和第二衰减系数为固定系数，所述第三衰减系数为动态衰减系数。
8.如权利要求7所述的信号处理装置，其特征在于，所述第三衰减系数设置曲线点，对应小波系数为第三值，
所述衰减模块，还用于调整第三值和曲线点，以调整所述第三值之前的衰减系数变化的斜率大于所述第三值之后的衰减系数变化的斜率。
9.如权利要求7或8所述的信号处理装置，其特征在于，所述衰减模块，还用于控制所述小于或等于第一值的小波按照所述第一衰减系数进行衰减，并控制所述小于或等于第一值的小波衰减不归零。
10.如权利要求7或8所述的信号处理装置，其特征在于，所述信号处理装置还包括：
生成模块，用于根据衰减处理生成所述待处理信号的衰减函数并保存；
输出模块，用于输出所述处理后的信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710169059.7A CN107080522A (zh) | 2017-03-16 | 2017-03-16 | 信号处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710169059.7A CN107080522A (zh) | 2017-03-16 | 2017-03-16 | 信号处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107080522A true CN107080522A (zh) | 2017-08-22 |
Family
ID=59614576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710169059.7A Pending CN107080522A (zh) | 2017-03-16 | 2017-03-16 | 信号处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107080522A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1681607A (zh) * | 2002-08-28 | 2005-10-12 | 分离技术公司 | 用于超声确定红血球指数的方法和设备 |
| CN101803911A (zh) * | 2010-04-02 | 2010-08-18 | 浙江大学 | 自组织脉搏传感器中的滤波融合方法 |
| CN101843480A (zh) * | 2009-03-27 | 2010-09-29 | 华为技术有限公司 | 处理生物电信号的方法及装置 |
| CN102512178A (zh) * | 2011-12-23 | 2012-06-27 | 深圳市理邦精密仪器股份有限公司 | 一种血氧测量装置和方法 |
| CN103761719A (zh) * | 2014-01-06 | 2014-04-30 | 暨南大学 | 一种基于邻域相关性的自适应小波阈值去噪方法 |
| CN103932687A (zh) * | 2014-04-22 | 2014-07-23 | 北京印刷学院 | 一种脉象信号预处理方法和装置 |
| CN103961092A (zh) * | 2014-05-09 | 2014-08-06 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
| CN104168821A (zh) * | 2012-03-28 | 2014-11-26 | 高通股份有限公司 | 用于ecg监视的系统和方法 |
| US9037224B1 (en) * | 2010-08-02 | 2015-05-19 | Chi Yung Fu | Apparatus for treating a patient |
| CN104771163A (zh) * | 2015-01-30 | 2015-07-15 | 杭州电子科技大学 | 基于csp和r-csp算法的脑电信号特征提取方法 |
| CN105232027A (zh) * | 2014-06-09 | 2016-01-13 | 李坚强 | 一种便携式心电信号处理方法和心电信号处理装置 |
| US20160029946A1 (en) * | 2013-03-15 | 2016-02-04 | Adam J. Simon | Wavelet analysis in neuro diagnostics |
| CN105913393A (zh) * | 2016-04-08 | 2016-08-31 | 暨南大学 | 一种自适应小波阈值图像去噪算法及装置 |
| CN106236075A (zh) * | 2016-08-30 | 2016-12-21 | 任勇 | 一种应用于便携式心电仪所测心电图的降噪方法 |
| CN106456019A (zh) * | 2014-05-19 | 2017-02-22 | 高通股份有限公司 | 血压测量设备的连续校准 |
-
2017
- 2017-03-16 CN CN201710169059.7A patent/CN107080522A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1681607A (zh) * | 2002-08-28 | 2005-10-12 | 分离技术公司 | 用于超声确定红血球指数的方法和设备 |
| CN101843480A (zh) * | 2009-03-27 | 2010-09-29 | 华为技术有限公司 | 处理生物电信号的方法及装置 |
| CN101803911A (zh) * | 2010-04-02 | 2010-08-18 | 浙江大学 | 自组织脉搏传感器中的滤波融合方法 |
| US9037224B1 (en) * | 2010-08-02 | 2015-05-19 | Chi Yung Fu | Apparatus for treating a patient |
| CN102512178A (zh) * | 2011-12-23 | 2012-06-27 | 深圳市理邦精密仪器股份有限公司 | 一种血氧测量装置和方法 |
| CN104168821A (zh) * | 2012-03-28 | 2014-11-26 | 高通股份有限公司 | 用于ecg监视的系统和方法 |
| US20160029946A1 (en) * | 2013-03-15 | 2016-02-04 | Adam J. Simon | Wavelet analysis in neuro diagnostics |
| CN103761719A (zh) * | 2014-01-06 | 2014-04-30 | 暨南大学 | 一种基于邻域相关性的自适应小波阈值去噪方法 |
| CN103932687A (zh) * | 2014-04-22 | 2014-07-23 | 北京印刷学院 | 一种脉象信号预处理方法和装置 |
| CN103961092A (zh) * | 2014-05-09 | 2014-08-06 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
| CN106456019A (zh) * | 2014-05-19 | 2017-02-22 | 高通股份有限公司 | 血压测量设备的连续校准 |
| CN105232027A (zh) * | 2014-06-09 | 2016-01-13 | 李坚强 | 一种便携式心电信号处理方法和心电信号处理装置 |
| CN104771163A (zh) * | 2015-01-30 | 2015-07-15 | 杭州电子科技大学 | 基于csp和r-csp算法的脑电信号特征提取方法 |
| CN105913393A (zh) * | 2016-04-08 | 2016-08-31 | 暨南大学 | 一种自适应小波阈值图像去噪算法及装置 |
| CN106236075A (zh) * | 2016-08-30 | 2016-12-21 | 任勇 | 一种应用于便携式心电仪所测心电图的降噪方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孙萍萍: "基于小波包理论的激波信号去噪研究", 《国外电子测量技术》 * |
| 连根辉: "通信设备上语音的降噪算法研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107845389B (zh) | 一种基于多分辨率听觉倒谱系数和深度卷积神经网络的语音增强方法 | |
| Han et al. | Electrocardiogram signal denoising based on a new improved wavelet thresholding | |
| CN109643554B (zh) | 自适应语音增强方法和电子设备 | |
| Aggarwal et al. | Noise reduction of speech signal using wavelet transform with modified universal threshold | |
| CN103632677B (zh) | 带噪语音信号处理方法、装置及服务器 | |
| CN110491407A (zh) | 语音降噪的方法、装置、电子设备及存储介质 | |
| CN102136271B (zh) | 舒适噪声生成器、方法及回声抵消装置 | |
| CN110276726B (zh) | 一种基于多通道网络先验信息引导的图像去模糊方法 | |
| CN107403416B (zh) | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 | |
| CN110680308A (zh) | 基于改进emd与阈值法融合的心电信号去噪方法 | |
| WO2003090610A3 (en) | Fast estimation of weak bio-signals using novel algorithms for generating multiple additional data frames | |
| US20080056511A1 (en) | Audio Signal Interpolation Method and Audio Signal Interpolation Apparatus | |
| CN107480100B (zh) | 基于深层神经网络中间层特征的头相关传输函数建模系统 | |
| CN110151175A (zh) | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 | |
| CN101159062A (zh) | 一种基于相关系数的自适应图像增强方法 | |
| CN109033965A (zh) | 一种水下机器人推进器故障时频特征增强方法 | |
| CN114325598A (zh) | 信号去噪的方法及装置 | |
| CN104280776B (zh) | 一种自适应小波阈值求取方法 | |
| CN114429151A (zh) | 一种基于深度残差网络的大地电磁信号识别与重建方法及其系统 | |
| EP1800218A2 (en) | Apparatus for and method of signal processing | |
| CN107481203A (zh) | 一种图像导向滤波方法及计算设备 | |
| CN111192204A (zh) | 一种图像增强方法、系统和计算机可读存储介质 | |
| CN107080522A (zh) | 信号处理方法及装置 | |
| Sherstinsky et al. | M-lattice: from morphogenesis to image processing | |
| US9159336B1 (en) | Cross-domain filtering for audio noise reduction |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |