CN109583054B - 一种非线性自适应信号采样重构方法 - Google Patents
一种非线性自适应信号采样重构方法 Download PDFInfo
- Publication number
- CN109583054B CN109583054B CN201811362355.XA CN201811362355A CN109583054B CN 109583054 B CN109583054 B CN 109583054B CN 201811362355 A CN201811362355 A CN 201811362355A CN 109583054 B CN109583054 B CN 109583054B
- Authority
- CN
- China
- Prior art keywords
- signal
- eigenfunction
- sampling
- band
- eigenfunctions
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Filters That Use Time-Delay Elements (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开一种非线性自适应信号采样重构方法,包括:S1:构造目标函数寻找信号的每一个本征函数的带通范围,得到在保证能量损失在预设范围内,冗余最少的频段;S2:利用频段的上下边界,计算出每一个本征函数对应的采样率;S3:利用计算出的采样率对对应的本征函数进行下采样;S4:对下采样后的本征函数进行上采样,再通过线性时不变滤波器;S5:通过叠加滤波后的本征函数,重构信号,若重构信号与原始信号小于阈值,则为最优解;否则更新频段的上下边界,返回步骤S2。本发明对比现有方法,具有更低的过采样率和更低的重构误差,减少了本征函数之间的冗余。
Description
技术领域
本发明涉及非线性自适应信号分解领域,更具体地,涉及一种非线性自适应信号采样重构方法。
背景技术
经验模态分解(Empirical Mode Decomposition,EMD)是把信号分解为多个本征模函数(IMF)的叠加。而每个本征模函数都需要满足以下两个条件:(1)函数在整个时间范围内,局部极值点和过零点的数目必须相等,或最多相差一个;(2)在任意时刻点,局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均必须为零。
对于离散时间信号,本征模函数的长度等于输入信号的长度。由于本征模函数通常不止一个,所有本征模函数的离散点总数通常大于输入信号的长度。换句话说,经验模式分解会带来过采样问题。对于一些压缩应用来说,超抽样表示不是首选。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种非线性自适应信号采样重构方法。
本发明旨在至少在一定程度上解决上述技术问题。
本发明的首要目的是在得到更小混叠效应及降低过采样率的前提下,准确恢复原信号。
为解决上述技术问题,本发明的技术方案如下:
一种非线性自适应信号采样重构方法,包括以下步骤:
S1:构造目标函数寻找原始信号的每一个本征函数的带通范围,得到在保证能量损失在预设范围内,冗余最少的频段;
S2:利用频段的上下边界,计算出每一个本征函数对应的采样率;
S3:利用计算出的采样率对对应的本征函数进行下采样;
S4:对下采样后的本征函数进行上采样,再通过线性时不变滤波器,得到去除镜像分量后的本征函数;
S5:通过叠加滤波后的本征函数,重构信号,若重构信号与原始信号小于阈值,则为最优解;否则更新频段的上下边界,返回步骤S2。
通过利用计算出的采样率对本征函数进行下采样,使得下采样后的本征函数和小于未采样的本征函数和,从而减小本征函数间的冗余,用于上采样会在频段引入镜像分量,因此需要一组线性时不变滤波器对上采样后的本征函数进行处理,去除镜像分量。
优选地,步骤S1包括以下步骤:
S1.1:对第i个本征函数,其对应的带通范围定义为
对应的阻带范围:
优选地,步骤S2中计算出每一个本征函数对应的采样率,具体计算方法为:
其中Ni为第i个本征函数的采样率。
优选地,步骤S3处理后的信号为:
优选地,步骤S4处理后的信号为:
上采样后:
通过自适应线性时不变滤波器后:
优选地,步骤S1中的目标函数为:
优选地,步骤S5中重构信号与原始信号小于阈值,则为最优解,具体为:
优选地,步骤S5中更新频段的上下边界,具体为:
利用梯度下降法,更新上下边界:
式中,tk代表第k次的步长。
与现有技术相比,本发明技术方案的有益效果是:
通过利用计算出的采样率对本征函数进行下采样,使得下采样后的本征函数和小于未采样的本征函数和,从而减小本征函数间的冗余,用于上采样会在频段引入镜像分量,因此需要一组线性时不变滤波器对上采样后的本征函数进行处理,去除镜像分量,同时具有更低的过采样率和更低的重构误差。
附图说明
图1为本发明的一种非线性自适应信号采样重构方法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种非线性自适应信号采样重构方法,如图1,包括以下步骤:
S1:构造目标函数寻找信号的每一个本征函数的带通范围,得到在保证能量损失在预设范围内,冗余最少的频段;
S2:利用频段的上下边界,计算出每一个本征函数对应的采样率;
S3:利用计算出的采样率对对应的本征函数进行下采样;
S4:对下采样后的本征函数进行上采样,再通过一线性时不变滤波器;
S5:通过叠加滤波后的本征函数,重构信号,若重构信号与原始信号小于阈值,则为最优解;否则更新频段的上下边界,返回步骤S2。
在具体实施过程中,x[n]为时域信号,X(ω)为频域信号,Ci(ω)为第i个本征函数对应的离散时间傅里叶变换;
对每一个本征函数,对应的其对应的带通范围:
对应的阻带范围:
根据带宽的范围来计算采样率,保证信息不丢失,计算出每一个本征函数对应的采样率:
其中Ni为第i个本征函数的采样率;
下采样后的信号为:
上采样后的信号为:
去除镜像分量后的信号为:
重构后的信号为:
利用梯度下降法思想,更新上下边界:
其中tk代表第k次的步长。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种非线性自适应信号采样重构方法,其特征在于,包括以下步骤:
S1:构造目标函数寻找原始信号的每一个本征函数的带通范围,得到在保证能量损失在预设范围内,冗余最少的频段;
S2:利用频段的上下边界,计算出每一个本征函数对应的采样率;
S3:利用计算出的采样率对对应的本征函数进行下采样;
S4:对下采样后的本征函数进行上采样,再通过线性时不变滤波器,得到去除镜像分量后的本征函数;
S5:通过叠加滤波后的本征函数,重构信号,若重构信号与原始信号小于阈值,则为最优解;否则更新频段的上下边界,返回步骤S2;
所述步骤S1包括以下步骤:
S1.1:对第i个本征函数,其对应的带通范围定义为
对应的阻带范围:
所述步骤S2中计算出每一个本征函数对应的采样率,具体计算方法为:
其中Ni为第i个本征函数的采样率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811362355.XA CN109583054B (zh) | 2018-11-15 | 2018-11-15 | 一种非线性自适应信号采样重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811362355.XA CN109583054B (zh) | 2018-11-15 | 2018-11-15 | 一种非线性自适应信号采样重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583054A CN109583054A (zh) | 2019-04-05 |
CN109583054B true CN109583054B (zh) | 2022-07-12 |
Family
ID=65922856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811362355.XA Active CN109583054B (zh) | 2018-11-15 | 2018-11-15 | 一种非线性自适应信号采样重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583054B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114145757B (zh) * | 2022-02-08 | 2022-05-10 | 广东工业大学 | 一种基于非对称合成滤波器组的脑电信号重构方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1462966A3 (en) * | 1999-06-10 | 2004-10-20 | Interuniversitair Microelektronica Centrum Vzw | A method of determining signals in mixed signal systems |
EP1473965A2 (en) * | 2003-04-17 | 2004-11-03 | Matsushita Electric Industrial Co., Ltd. | Acoustic signal-processing apparatus and method |
CN102254103B (zh) * | 2011-07-27 | 2013-08-28 | 西安交通大学 | 自适应总体平均经验模式分解eemd筛选次数确定方法 |
US20160164721A1 (en) * | 2013-03-14 | 2016-06-09 | Google Inc. | Anomaly detection in time series data using post-processing |
US9503733B2 (en) * | 2013-04-10 | 2016-11-22 | ARRIS Enterprises, LLC | Re-sampling with phase offset adjustment for luma and chroma to signal adaptive filters in scalable video coding |
CN103257296B (zh) * | 2013-05-08 | 2015-08-05 | 西南交通大学 | 一种电力系统低频振荡在线分析及预警方法 |
CN107908863A (zh) * | 2017-11-14 | 2018-04-13 | 哈尔滨理工大学 | 一种基于emd理论与hht变换的水轮机运转状态判定方法 |
CN108763113B (zh) * | 2018-05-23 | 2020-10-09 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种总线嵌入式工业控制系统及控制方法、信息处理终端 |
-
2018
- 2018-11-15 CN CN201811362355.XA patent/CN109583054B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109583054A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Manju et al. | ECG denoising using wiener filter and kalman filter | |
Holtzman | Convexity and the maximum principle for discrete systems | |
CN109583054B (zh) | 一种非线性自适应信号采样重构方法 | |
Stošić et al. | Design of new selective CIC filter functions with passband‐droop compensation | |
Agrawal et al. | A new design method for stable IIR filters with nearly linear-phase response based on fractional derivative and swarm intelligence | |
DE102017203804A1 (de) | Umwandlung digitaler Abtastrate | |
CN104714076A (zh) | 一种电流信号平滑处理方法及装置 | |
WO2018022942A1 (en) | Fractional scaling digital signal processing | |
CN107239623B (zh) | 基于凸优化的m通道过采样图滤波器组的优化设计方法 | |
CN110866344B (zh) | 基于提升结构的非下采样图滤波器组的设计方法 | |
Khanna et al. | Design and analysis of higher order fractional step Butterworth filters | |
Strintzis | Optimal filters for the generation of multiresolution sequences | |
Medlin et al. | A new design technique for maximally linear differentiators | |
CN107241082B (zh) | 基于凸优化松弛的dft调制滤波器组的设计方法 | |
CN107171665B (zh) | 带通信号的双通道tiadc非线性系统参数估计方法 | |
CN111697927A (zh) | 宽带带通滤波器系统及方法 | |
Medlin | A design technique for high order digital differentiators | |
Sagar | Implementation of CIC Filter for Multirate Transmission Systems | |
Rakovich et al. | Transfer functions for sharp cut-off filters with an equalized phase response | |
Thakur et al. | Computationally efficient sampling rate converter for audio signal application | |
Kheirati Roonizi | A New Approach based Delay Differential Equation To Smoothing Filter Design | |
CN114564831B (zh) | 一种带通滤波器的电磁暂态建模方法及装置 | |
Sugita et al. | A DESIGN METHOD OF TWO-DIMENSIONAL LINEAR PHASE FIR FILTERS USING FRITZ JOHN’S THEOREM | |
Muhammad et al. | COMPUTATIONAL ANALYSIS OF BUTTERWORTH AND CHEBYSHEV-I FILTERS USING BILINEAR TRANSFORMATION | |
CN116050489A (zh) | 基于神经网络激活函数的芯片加速方法、设备及存储介质 |
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 |