CN107885698B - 一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法 - Google Patents
一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法 Download PDFInfo
- Publication number
- CN107885698B CN107885698B CN201710993626.0A CN201710993626A CN107885698B CN 107885698 B CN107885698 B CN 107885698B CN 201710993626 A CN201710993626 A CN 201710993626A CN 107885698 B CN107885698 B CN 107885698B
- Authority
- CN
- China
- Prior art keywords
- array
- spwvd
- bgabor
- nspwvd
- enpemf
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种用于含噪ENPEMF信号的BGabor‑NSPWVD三维时频分析方法,所述方法包括步骤:获取输入的ENPEMF信号;对所述ENPEMF信号进行Gabor变换得到Gabor数组;将所述Gabor数组二值化得到BGabor数组;对所述ENPEMF信号进行SPWVD变换得到SPWVD数组;将所述SPWVD数组进行归一化处理得到NSPWVD数组;所述NSPWVD数组点除以所述BGabor数组得到临时数组;设置合适的上限值与下限值调整所述临时数组得到调整后的临时数组;修正SPWVD数组得到修正后的SPWVD数组;所述修正后的SPWVD数组点除以调整后的临时数组得到BGabor‑NSPWVD数组。本发明能够适应噪声信号处理,实现自适应频率赋值,降低含噪信号在扫频时产生的虚假分量,在ENPEMF数据分析中得到良好的应用。
Description
技术领域
本发明涉及ENPEMF分析领域,具体涉及一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法。
背景技术
非平稳信号的时频分析研究主要应用于ENPEMF信号分析领域,包括:地表磁异常监测、烃类油气勘探、滑坡地表电磁异常监测、大坝电磁安全监测等等多个领域磁异常监测领域。同时也可应用于其他非平稳时序信号领域,如地球物理探测领域、信息通信领域、自然灾害和环境监测领域、非平稳故障信号诊断领域。但是,ENPEMF信号分析存在三维时频分布不准确的问题。因此,如何降低ENPEMF含噪信号在扫频时产生的虚假分量就成为亟待解决的问题。
发明内容
本发明提供了一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,可以有效解决上述问题。
本发明提供的技术方案是:一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,所述方法包括步骤:获取输入的ENPEMF信号;对所述ENPEMF信号进行Gabor变换得到Gabor数组;将所述Gabor数组二值化得到BGabor数组;对所述ENPEMF信号进行SPWVD变换得到SPWVD数组;将所述SPWVD数组进行归一化处理得到NSPWVD数组;所述NSPWVD数组点除以所述BGabor数组得到临时数组;设置合适的上限值与下限值调整所述临时数组得到调整后的临时数组;修正SPWVD数组得到修正后的SPWVD数组;所述修正后的SPWVD数组点除以调整后的临时数组得到BGabor-NSPWVD数组。
本发明的有益效果是:本发明提供了一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,通过综合Gabor变换与和SPWVD时频分辨率高的特点,不仅克服了Gabor变换时频分辨率固定且不够的缺点,还克服了WVD会产生交叉项的问题。同时,对Gabor数组进行二值化处理,对SPWVD数组进行归一化处理,使得最终方法具有高度的鲁棒性。本发明能够适应噪声信号处理,实现自适应频率赋值,降低含噪信号在扫频时产生的虚假分量,在ENPEMF数据分析中得到良好的应用。
附图说明
图1是本发明实施例中一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法的整体流程图;
图2是本发明实施例中使用不同算法处理ENPEMF信号的时频二维效果示意图;
图3是本发明实施例中使用不同算法处理ENPEMF信号的时频-幅值三维效果示意图;
图4是本发明实施例中使用BGabor-NSPWVD方法对2013年芦山地震期间的ENPEMF信号进行时频分析的时频-幅值效果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述,下文中提到的具体技术细节,如:方法等,仅为使读者更好的理解技术方案,并不代表本发明仅局限于以下技术细节。
本发明的实施例提供了一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法。请参阅图1,图1是本发明实施例中一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法的整体流程图,所述方法由硬件设备实现,具体步骤包括:
S101:获取输入的ENPEMF信号。
S102:对所述ENPEMF信号进行Gabor变换得到Gabor数组。
S103:将所述Gabor数组二值化得到BGabor数组,在此之前先设置合适的阈值。所述BGabor数组是二值化数组。
S104:对所述ENPEMF信号进行SPWVD变换得到SPWVD数组,所述SPWVD数组是伪平滑魏格纳-维尔数组。
S105:将所述SPWVD数组进行归一化处理得到NSPWVD数组,所述NSPWVD数组是归一化伪平滑魏格纳-维尔数组。
S106:所述NSPWVD数组点除以所述BGabor数组得到临时数组。
S107:设置合适的上限值与下限值调整所述临时数组得到调整后的临时数组,具体包括:将临时数组中大于上限值和小于下限值的数值置1。
S108:修正SPWVD数组得到修正后的SPWVD数组,具体包括:将SPWVD数组中大于上限值,且与临时数组位置相同的数置0。
S109:所述修正后的SPWVD数组点除以调整后的临时数组得到BGabor-NSPWVD数组,所述BGabor-NSPWVD数组是二值化Gabor-归一化伪平滑魏格纳-维尔数组。
参见图2,图2是本发明实施例中使用不同算法处理ENPEMF信号的时频二维效果示意图,仿真信号为sig1(t)=cos(50t-0.125t2.5+6cos(t))+cos(25t-0.125t2.5+6cos(t))其中包括:理想二维时频图201(信噪比为0dB)、Gabor二维时频图202(信噪比为2dB)、WVD二维时频图203(信噪比为2dB)、SPWVD二维时频图204(信噪比为2dB)、最小值法Gabor-WVD二维时频图205、幂系数法Gabor-WVD二维时频图206、二值化法Gabor-WVD二维时频图207、BGabor-NWVD二维时频图208、最小值法Gabor-SPWVD二维时频图209、幂系数法Gabor-SPWVD二维时频图210、二值化法Gabor-SPWVD二维时频图211及BGabor-NSPWVD二维时频图212。由图中可以看出,Gabor变换时频聚集度较低,且鲁棒性很差;而WVD方法的时频聚集度较高,但存在交叉项的问题;SPWVD虽然克服了交叉项的问题,但是由于从时间和频率两个方向进行了平滑,导致其时频聚集度较差。Gabor-WVD方法的时频聚集度要好于Gabor-SPWVD方法,尽管都解决了交叉项的问题,但鲁棒性很差。BGabor-NSPWVD方法在保留原有高时频聚集度的优点的情况下,提升了算法的鲁棒性,使其在一定背景噪声的情况下仍能够进行足够分辨率的时频分析。
参见图3,图3是本发明实施例中使用不同算法处理ENPEMF信号的时频-幅值三维效果示意图,仿真信号为,其中包括:Gabor三维时频-幅值图301、SPWVD三维时频-幅值图302、WVD三维时频-幅值图303、最小值法Gabor-WVD三维时频-幅值图304、幂系数法Gabor-WVD三维时频-幅值图305、二值化法Gabor-WVD三维时频-幅值图306、BGabor-NWVD三维时频-幅值图307、最小值法Gabor-SPWVD三维时频-幅值图308、幂系数法Gabor-SPWVD三维时频-幅值图309、二值化法Gabor-SPWVD三维时频-幅值图310及BGabor-NSPWVD三维时频-幅值图311。由图中可见,尽管Gabor三维表现较好,但二维存在较强的时频模糊现象,SPWVD处理得到的三维分布则在信号的两端存在失真的情况,WVD方法尽管有较高的时频分辨率,但存在着严重的交叉项的问题。最小值法Gabor-WVD、幂系数法Gabor-WVD及二值化法Gabor-WVD三种方法虽然能够消除无关频段上的交叉项,但不能消除信息项上的交叉项。BGabor-NWVD方法在时间-频率域上有较高的时频分辨率和鲁棒性,在但在时间-频率-幅值的三维分布上,尽管消除了信息项上的交叉项,但幅值顶端仍存在模糊现象,但基本可以接受。最小值法Gabor-SPWVD、幂系数法Gabor-SPWVD及二值化法Gabor-SPWVD三种方法对处理三分量线性调频信号的结果大致相同,尽管在时间-频率-幅值域上的表现较好,但两端仍存在比较明显的失真,且时间-频率域上的时频分析结果较为模糊,时频分辨率不高。BGabor-NSPWVD方法效果最佳,幅值刻画良好,且分量顶端和低端没有出现明显失真,时间-频率-幅值分布清晰准确。
参见图4,图4是本发明实施例中使用BGabor-NSPWVD方法对2013年芦山地震期间的ENPEMF信号进行时频分析的时频-幅值效果示意图,其中包括:三维时频-幅度曲线401及曲线深度值指示条402。由图中可见,BGabor-NSPWVD方法能够有效的分解出非线性非平稳ENPEMF信号的各个分量,以及信号的时频分布,具有很好的抗噪声性能。地球天然脉冲电磁场信号是一种典型的非平稳信号,而且由于它的场源比较复杂,所以它含有较多的噪声,所以将BGabor-NSPWVD方法应用于地球天然脉冲电磁场信号是比较合适的。
通过执行本发明的实施例,本发明权利要求里的所有技术特征都得到了详尽阐述。
区别于现有技术,本发明的实施例提供了一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,通过综合Gabor变换与和SPWVD时频分辨率高的特点,不仅克服了Gabor变换时频分辨率固定且不够的缺点,还克服了WVD会产生交叉项的问题。同时,对Gabor数组进行二值化处理,对SPWVD数组进行归一化处理,使得最终方法具有高度的鲁棒性。本发明能够适应噪声信号处理,实现自适应频率赋值,降低含噪信号在扫频时产生的虚假分量,在ENPEMF数据分析中得到良好的应用。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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)
1.一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,所述方法由硬件设备实现,其特征在于:包括以下步骤:获取输入的ENPEMF信号;对所述ENPEMF信号进行Gabor变换得到Gabor数组;将所述Gabor数组二值化得到BGabor数组;对所述ENPEMF信号进行SPWVD变换得到SPWVD数组,所述SPWVD数组是伪平滑魏格纳一维尔数组;将所述SPWVD数组进行归一化处理得到NSPWVD数组,所述NSPWVD数组是归一化伪平滑魏格纳一维尔数组;所述NSPWVD数组点除以所述BGabor数组得到临时数组;设置合适的上限值与下限值调整所述临时数组得到调整后的临时数组;修正SPWVD数组得到修正后的SPWVD数组;所述修正后的SPWVD数组点除以调整后的临时数组得到BGabor-NSPWVD数组,所述BGabor-NSPWVD数组是二值化Gabor-归一化伪平滑魏格纳-维尔数组。
2.如权利要求1所述的一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,其特征在于:所述将所述Gabor数组二值化得到BGabor数组前先设置合适的阈值。
3.如权利要求1所述的一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,其特征在于:所述设置合适的上限值与下限值调整所述临时数组得到调整后的临时数组具体包括:将临时数组中大于上限值和小于下限值的数值置1。
4.如权利要求1所述的一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,其特征在于:所述修正SPWVD数组得到修正后的SPWVD数组具体包括:将SPWVD数组中大于上限值,且与临时数组位置相同的数置0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710993626.0A CN107885698B (zh) | 2017-10-23 | 2017-10-23 | 一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710993626.0A CN107885698B (zh) | 2017-10-23 | 2017-10-23 | 一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107885698A CN107885698A (zh) | 2018-04-06 |
CN107885698B true CN107885698B (zh) | 2020-01-17 |
Family
ID=61782068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710993626.0A Expired - Fee Related CN107885698B (zh) | 2017-10-23 | 2017-10-23 | 一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107885698B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110336587B (zh) * | 2019-07-16 | 2021-10-22 | 电子科技大学 | 一种多跳频信号侦察中获取组合时频分布的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728663A (zh) * | 2012-10-16 | 2014-04-16 | 中国石油化工股份有限公司 | 一种时频分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140297188A1 (en) * | 2013-03-29 | 2014-10-02 | Cgg Services Sa | Time-frequency representations of seismic traces using wigner-ville distributions |
-
2017
- 2017-10-23 CN CN201710993626.0A patent/CN107885698B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728663A (zh) * | 2012-10-16 | 2014-04-16 | 中国石油化工股份有限公司 | 一种时频分析方法 |
Non-Patent Citations (3)
Title |
---|
A Receiving Instruments of the Earth"s Natural Pulse Electromagnetic Field and Its Data Analysis via Time-Frequency Method before an Earthquake;Guocheng Hao et al.;《2017 IEEE International Instrumentation and Measurement Technology Conference》;20170522;第1-6页 * |
基于NSTFT-WVD变换的芦山MS7.0级地震前后地球天然脉冲电磁场信号时频分析;郝国成 等;《地学前缘》;20160131;第23卷(第1期);第276-286页 * |
基于STFT与SPWVD的跳频参数盲估计算法;付卫红 等;《华中科技大学学报(自然科学版)》;20140930;第42卷(第9期);第59-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107885698A (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112395992B (zh) | 一种基于改进小波阈值的电力谐波信号去噪方法 | |
Liu et al. | A medical image enhancement method using adaptive thresholding in NSCT domain combined unsharp masking | |
CN110096956B (zh) | 基于eemd和排列熵二阶差分的信号去噪方法及装置 | |
CN102928517A (zh) | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
CN109557429A (zh) | 基于改进小波阈值去噪的gis局部放电故障检测方法 | |
CN106199532B (zh) | 基于混合傅立叶-小波分析的探地雷达信号降噪方法 | |
CN108961181B (zh) | 一种基于shearlet变换的探地雷达图像去噪方法 | |
CN102818629A (zh) | 基于平稳小波变换的微型光谱仪信号去噪方法 | |
Zhang et al. | Signal preserving and seismic random noise attenuation by Hurst exponent based time–frequency peak filtering | |
CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN105044769B (zh) | 提高地震信号的分辨率的方法 | |
CN107885698B (zh) | 一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法 | |
Wang et al. | Multi-resolution generalized S-transform denoising for precise localization of partial discharge in substations | |
CN109558857B (zh) | 一种混沌信号降噪方法 | |
CN110287853B (zh) | 一种基于小波分解的暂态信号去噪方法 | |
CN105700019B (zh) | 一种基于Born‑Jordan时频分布的地震信号时频峰值滤波方法 | |
Fedi et al. | Localized denoising filtering using the wavelet transform | |
Shuchong et al. | Seismic signals wavelet packet de-noising method based on improved threshold function and adaptive threshold | |
CN116304559A (zh) | 一种基于卷积自编码网络的微震信号降噪方法及系统 | |
CN103344988B (zh) | 基于k-l分解的可控震源信号相位检测方法 | |
CN112817056B (zh) | 一种大地电磁信号去噪方法及系统 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
Gupta et al. | Wavelet based adaptive thresholding technique to remove earthquakes and other transient signals from continuous ambient noise records | |
CN105372707A (zh) | 一种多尺度地震资料随机噪音衰减方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200117 Termination date: 20201023 |
|
CF01 | Termination of patent right due to non-payment of annual fee |