CN109583309B - 信号降噪方法、装置、计算机设备和存储介质 - Google Patents

信号降噪方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109583309B
CN109583309B CN201811285451.9A CN201811285451A CN109583309B CN 109583309 B CN109583309 B CN 109583309B CN 201811285451 A CN201811285451 A CN 201811285451A CN 109583309 B CN109583309 B CN 109583309B
Authority
CN
China
Prior art keywords
data segment
sample point
signal
noise
weight
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
CN201811285451.9A
Other languages
English (en)
Other versions
CN109583309A (zh
Inventor
钱春强
苏红宏
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.)
Institute of Flexible Electronics Technology of THU Zhejiang
Original Assignee
Institute of Flexible Electronics Technology of THU Zhejiang
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 Institute of Flexible Electronics Technology of THU Zhejiang filed Critical Institute of Flexible Electronics Technology of THU Zhejiang
Priority to CN201811285451.9A priority Critical patent/CN109583309B/zh
Publication of CN109583309A publication Critical patent/CN109583309A/zh
Application granted granted Critical
Publication of CN109583309B publication Critical patent/CN109583309B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Noise Elimination (AREA)

Abstract

本申请涉及一种信号降噪方法、装置、计算机设备和存储介质。所述方法包括：根据预设规则获取第一数据片段；在第一预设距离范围内，根据预设规则获取第二数据片段；根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；根据所述权重，获得所述第一数据片段中心样本点的降噪信号。通过对第二数据片段中心样本点的权重进行计算，能够根据信号强度特征，在噪声频率和真实信号频率有重叠的情况下，准确的滤除噪声的干扰。

Description

信号降噪方法、装置、计算机设备和存储介质
技术领域
本申请涉及信号处理技术领域，特别是涉及一种信号降噪方法、装置、计算机设备和存储介质。
背景技术
随着人们生活水平的提高、生活节奏的加快，心血管疾病的发病率迅速的上升，已经成为威胁人类身体健康的主要因素之一。心电数据是诊断心血管疾病的重要依据。在采集用户的心电信号时，由于受到环境以及硬件的影响，所采集到的心电信号往往会含有很多种噪声信号，例如：电源工频干扰、电极接触干扰、肌电噪声以及仪表噪声等。噪声的存在会严重的影响采集到的心电信号质量，因此，对采集到的心电信号必须经过降噪，再进行分析。
目前的现有技术中，通常是基于频率的降噪，也就是根据噪声频率与所需信号频率的差别，保留信号频率消除噪声频率，达到降噪效果。但是基于频率的降噪技术，在遇到噪声频率范围与信号频率范围有重叠时，就无法将噪声滤除干净。
发明内容
基于此，有必要针对上述技术问题，提供一种能够在噪声频率范围与信号频率范围重叠时进行噪声滤除的信号降噪方法、装置、计算机设备和存储介质。
一种信号降噪方法，所述方法包括：根据预设规则获取第一数据片段；在第一预设距离范围内，根据预设规则获取第二数据片段；根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
在其中一个实施例中，所述第一预设距离范围以第一数据片段中心样本点为中心。
在其中一个实施例中，所述预设规则为第二预设距离范围；根据预设规则获取第一数据片段包括：以待检测样本点为中心，获取第二预设距离范围内的信号作为第一数据片段；根据预设规则获取第二数据片段包括：以第一预设距离范围内任一样本点为中心，获取第二预设距离范围内的信号作为第二数据片段。
在其中一个实施例中，计算权重前更新当前样本点的噪声系数，包括：获取第一数据片段的标准差；根据第一数据片段的标准差以及前一个样本点的噪声系数，计算当前样本点的噪声系数；其中，所述当前样本点为第一数据片段中心样本点。
在其中一个实施例中，计算第二数据片段中心样本点的权重包括：计算第二数据片段中心样本点的子权重。
在其中一个实施例中，所述计算第二数据片段中心样本点的子权重包括：获取所述第一数据片段中样本点的信号值；获取所述第二数据片段中与所述第一数据片段对应的样本点的信号值；获取第二数据片段中样本点个数；根据第一数据片段中样本点的信号值、第二数据片段中样本点的信号值、第二数据片段中样本点个数以及当前样本点的噪声系数，计算相应第二数据片段中心样本点的子权重。
在其中一个实施例中，根据所述权重，获得所述第一数据片段中心样本点的降噪信号包括计算所述第一预设距离范围内的所有第二数据片段中心样本点的子权重，对第一预设距离范围内的所有第二数据片段中心样本点的信号值加权平均，获得所述第一数据片段中心样本点降噪后的值。
在其中一个实施例中，对第一预设距离范围内的所有第二数据片段中心样本点的信号值加权平均包括：计算第二数据片段中心样本点的权重包括计算总权重；其中，所述总权重为第一预设距离范围内的所有第二数据片段中心样本点的子权重之和；将第一预设距离范围内的所有第二数据片段的子权重与相应第二数据片段的中心样本点的信号值相乘后求和，得到权重信号；将所述权重信号除以总权重，对降噪后的第一数据片段中心样本点进行降噪。
一种用于一维信号降噪的方法，在初始信号中以预设采样频率获取样本点，根据上述任一种所述的方法，对所述样本点依次降噪获得降噪信号。
一种信号降噪装置，所述装置包括：第一数据片段获取模块，用于根据预设规则获取第一数据片段；第二数据片段获取模块，用于在第一预设距离范围内，根据预设规则获取第二数据片段；权重计算模块，用于根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；降噪模块，用于根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。
上述信号降噪方法、装置、计算机设备和存储介质，首先根据预设规则获取第一数据片段；再在第一预设距离范围内，根据预设规则获取第二数据片段，根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重，最终根据所述权重，获得所述第一数据片段中心样本点的降噪信号。通过对第二数据片段中心样本点的权重进行计算，能够根据信号强度特征，在噪声频率和真实信号频率有重叠的情况下，准确的滤除噪声的干扰。
附图说明
图1为一个实施例中信号降噪方法的流程示意图；
图2为一个实施例中搜索框、第一数据片段以及第二数据片段的示意图；
图3为一个实施例中心电信号的原始数据图；
图4为一个实施例中样本点的权重图；
图5为一个实施例中心电信号原始数据与降噪后数据的对比图；
图6为一个实施例中声音信号的原始数据图；
图7为一个实施例中声音信号包含噪声的数据图；
图8为一个实施例中声音信号原始数据与降噪后数据的对比图；
图9为一个实施例中信号降噪装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
附图标记：第一数据片段获取模块100、第二数据片段获取模块200、权重计算模块300、降噪模块400。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
信号的降噪，一般通过两种手段实现。第一种手段为硬件降噪；第二种手段为软件降噪。通过硬件进行降噪，要达到较好的降噪效果，需要复杂的硬件设计，开发成本大，并且后期无法随意进行修改。通过软件进行降噪，也就是通过降噪算法实现，则会具有更高的灵活性，能够进行更加复杂的降噪。现有的一维信号(如声音信号)的滤波，大都是基于线性滤波器：带通滤波器或陷波滤波器等基于信号频率的滤波器。但一些伪迹噪声的频率范围可能被包含在保留信号的频率范围内，也就是说噪声频率与真实信号频率两者范围有重叠，这样基于频率的降噪算法很难滤除噪声。也就是需要一种更好的降噪方法进行实时的降噪处理。
在一个实施例中，如图1所示，提供了一种信号降噪方法，包括以下步骤：根据预设规则获取第一数据片段；在第一预设距离范围内，根据预设规则获取第二数据片段；根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
本实施例所述方法包括一预设规则，所述预设规则为一数据片段的宽度即第二预设距离，所述数据片段的宽度也是数据片段所含信号的数据量。
步骤S102:根据预设规则获取第一数据片段。
所述第一数据片段包括待检测样本点，所述待检测样本点也是第一数据片段的中心样本点。
根据预设规则获取第一数据片段包括以所述待检测样本点为中心，获取第二预设距离范围内的信号作为第一数据片段。具体地，所述第一数据片段以待检测样本点s为中心，获取待检测样本点s附近第二预设距离范围内的信号作为第一数据片段，其中，第一数据片段的半宽为P，也就是第二预设距离为P，则第二预设距离范围以样本点s为中心，宽度为2P，即第一数据片段的宽度为2P。
步骤S104:在第一预设距离范围内，根据预设规则获取第二数据片段。
其中，所述第一数据片段与第二数据片段所含的数据量相同。
其中，所述第二数据片段为第一预设距离范围内符合预设规则的任一数据片段。所述第一预设距离范围以第一数据片段中心样本点即待检测信号为中心。
根据预设规则获取第二数据片段包括以第一预设距离范围内任一样本点为中心，获取第二预设距离范围内的信号作为第二数据片段。具体地，在第一预设距离范围内，获取任一样本点t附近第二预设距离内的信号分别作为第二数据片段。其中，第二预设距离为P，也就是第二数据片段的半宽为P，则所述第二数据片段以样本点t为中心，第二数据片段的宽度为2P。其中，所述第一预设距离范围以样本点s为中心，宽度为2M，第一预设距离为M,第二预设距离P小于第一预设距离M。
步骤S106:根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重。
在计算权重之前更新待检测样本点的噪声系数，即在计算权重前更新当前样本点的噪声系数。具体地，获取第一数据片段的标准差；根据第一数据片段的标准差以及前一个样本点的噪声系数，计算当前样本点的噪声系数；其中，所述当前样本点为第一数据片段中心样本点。
在其中一个实施例中，计算第一数据片段中心样本点的噪声系数的公式为：
Figure BDA0001848931220000051
其中，λs为当前样本点的噪声系数；λs-1为前一个样本点的噪声系数；αr为反应速率，一般取值范围为1～10-3；参数β的取值范围为0.1～10；σs为第一数据片段的标准差，其中标准差的计算公式为
Figure BDA0001848931220000052
exp是指以e为底的指数函数。σs在某些信号位置计算值中会包含信号本身波动的成分。在上述计算第一数据片段的噪声系数的公式中，exp(-|βσs-λs-1|)项随着|βσs-λs-1|的增大而减小，也就是说在βσs与λs-1差别很大时(如心电信号中R波的波峰)，减小λ的更新幅度，这样有利于λ最终趋于稳定值。反应速率αr用与控制λ的更新速率，αr值越大，λ的更新对信号本身的大波动越敏感，这样会使得像心电信号中的R波峰处过度平均。
在其中一个实施例中，计算第一数据片段中心样本点的噪声系数的公式也可以为：
Figure BDA0001848931220000061
其中，λs为当前样本点的噪声系数；λs-1为前一个样本点的噪声系数；αr为反应速率，一般取值范围为1～10-3；σs为第一数据片段的标准差，其中标准差的计算公式为
Figure BDA0001848931220000062
exp是指以e为底的指数函数。
在其中一个实施例中，计算第一数据片段中心样本点的噪声系数的公式也可以为：
Figure BDA0001848931220000063
其中，λs为当前样本点的噪声系数；λs-1为前一个样本点的噪声系数；αr为反应速率，一般取值范围为1～10-3；参数β的取值范围为0.1～10；σs为第一数据片段的标准差，其中标准差的计算公式为
Figure BDA0001848931220000064
exp是指以e为底的指数函数。
在其中一个实施例中，计算第二数据片段的噪声系数的公式也可以为：
Figure BDA0001848931220000065
其中，λs为当前样本点的噪声系数；λs-1为前一个样本点的噪声系数；αr为反应速率，一般取值范围为1～10-3；参数β的取值范围为0.1～10；σs为第一数据片段的标准差，其中标准差的计算公式为
Figure BDA0001848931220000066
exp是指以e为底的指数函数。
具体地，计算第二数据片段中心样本点的权重包括计算第二数据片段中心样本点的子权重，首先获取所述第一数据片段中所有样本点的信号值；获取所述第二数据片段中与所述第一数据片段对应的样本点的信号值；获取第二数据片段中样本点个数；根据第一数据片段中样本点的信号值、第二数据片段中样本点的信号值、第二数据片段中样本点个数以及当前样本点的噪声系数，计算相应第二数据片段中心样本点的子权重。
在其中一个实施例中，计算第二数据片段中心样本点的权重的公式为：
Figure BDA0001848931220000071
其中，LΔ为第二数据片段中样本点的个数；LΔ＝2P+1，P为数据片段的半宽，λs为样本点的噪声系数；u(s+δ)为第一数据片段中所有样本点的信号值；u(t+δ)为第二数据片段中所有样本点的信号值，第二数据片段的样本点t+δ为与第一数据片段样本点s+δ对应的样本点；w(s，t)为第二数据片段中心样本点t的的权重。λs的大小决定了非局部平均法对信号的平均程度，也就是说决定了最终的降噪效果。
步骤S108：根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
在一实施例中，计算所述第一预设距离范围内的所有第二数据片段中心样本点的子权重，对第一预设距离范围内的所有第二数据片段中心样本点的信号值加权平均，获得所述第一数据片段中心样本点降噪后的值。
具体地，计算第二数据片段中心样本点的权重包括计算总权重，其中，所述总权重为第一预设距离范围内的所有第二数据片段中心样本点的子权重之和；将第一预设距离范围内的所有第二数据片段的子权重与相应第二数据片段的中心样本点的信号值相乘后求和，得到权重信号；将所述权重信号除以总权重，获得降噪后的第一数据片段中心样本点进行降噪。
在其中一个实施例中，计算得到降噪信号的公式为：
Figure BDA0001848931220000072
其中，Z(s)为第一预设距离范围内所有第二数据片段中心样本点的子权重之和；u(t)为第二数据片段中心样本点的信号值；w(s，t)为相应第二数据片段中心样本点的子权重；
Figure BDA0001848931220000082
为降噪后的信号。
本发明还公开一种用于一维信号降噪的方法，用于对连续的多个采样信号进行降噪，包括以下步骤：
步骤S202，在初始信号中以预设采样频率获取样本点。
具体地，初始信号为需要进行降噪处理的信号。在初始信号中以预设采样频率获取多个样本点。所述样本点为与时间相关的信号值的序列。
步骤S204,根据步骤S104、S106、S108、S110对步骤S202的所有样本点依次降噪获得降噪信号。
具体地，请一并参阅图2，在初始信号中，以某一样本点s为中心点，获取附近第一预设距离内的信号作为搜索框，所述搜索框即第一预设距离范围。其中，第一预设距离用于决定滤除噪声的最低频率。也就是搜索框的大小决定了能够滤除的噪声的最低频率。根据采样获取到的多个样本点，分别以各自样本点为中心，获取样本点附近第一预设距离内的信号作为相应样本点的搜索框。每个采样点都有相应的搜索框，因此存在多个搜索框。
在其中一个实施例中，计算能够滤除的噪声最低频率的公式为：
Figure BDA0001848931220000081
其中，fs为获取样本点时的采样频率，fL为能够滤除的噪声最低频率，M为搜索框的半宽。例如，以样本点为中心，搜索框为的宽度为2M，则搜索框的半宽为M，也就是第一预设距离为M。信号与信号之间的宽度为1，因此搜索框的半宽M也能够体现搜索框半宽所含的数据量。从上述计算能够滤除的噪声最低频率的公式，可以明显的看出，搜索框的半宽越大，所能够滤除的噪声的最低频率fL越低，也就是说能够滤除的噪声的频域越宽；搜索框的半宽越小，所能够滤除的噪声的最低频率fL越高，也就是说能够滤除的噪声的频域越窄。因为搜索框的半宽M也能够体现搜索框半宽所含的数据量，所以搜索框的大小也能够决定信号降噪算法的执行效率，搜索框的半宽越大，信号降噪算法的执行效率越低；搜索框的半宽越小，信号降噪算法的执行效率越高。实际应用信号降噪算法时，应当权衡信号降噪算法的执行效率以及所要滤除的噪声的最低频率，从而选择一个合适搜索框大小。
在其中一个实施例中，根据上述公式(1)、公式(2)、公式(3)或公式(4)递推依次计算所有样本点的噪声系数。首先预先设置步骤S202获得的第一个样本点的噪声系数，其中初始的噪声系数λ0＝0。再根据所述第一个样本点的噪声系数以及更新算法，计算所有样本点的噪声系数。也就是获取第一数据片段的标准差，根据第一数据片段的标准差以及第一个样本点的噪声系数，计算第二个样本点的噪声系数，依次计算所有样本点的噪声系数。更具体地，根据第一数据片段的标准差以及第二个样本点的噪声系数，计算第三个样本点的噪声系数；根据第一数据片段的标准差以及第三个样本点的噪声系数，计算第四个样本点的噪声系数；依次计算所有样本点的噪声系数。
在其中一个实施例中，分别计算所有搜索框内第二数据片段中心样本点的子权重得到所有样本点的权重信号。
上述信号降噪方法，通过在初始信号中根据预先设置的采样频率获取多个样本点，再以样本点为中心，分别获取样本点附近第一预设距离内的信号作为相应样本点的搜索框，在搜索框内，根据预先设置的规则选取第一数据片段以及第二数据片段，根据第一数据片段、第二数据片段以及实时更新的噪声系数计算相应搜索框中心样本点的权重，根据所有样本点的权重以及初始信号，计算降噪信号。基于信号强度特征，可以解决噪声频率和真实信号频率有重叠的问题。并且通过更新的噪声系数实现了权重的自适应调整，进一步的提高了滤除噪声的效率。
在其中一个实施例中，以一维心电信号的降噪进行举例说明，请参阅图3-5，图3为一个实施例中心电信号的原始数据图；图4为一个实施例中样本点的权重图；图5为一个实施例中心电信号原始数据与降噪后数据的对比图。首先在心电信号中以预设的采样频率获取样本点，根据所需滤除的噪声的最低特征频率来确定第一预设距离的大小，也就是搜索框半宽的大小。以样本点为中心，第一预设距离50，也就是搜索框半宽50设置搜索框。获取搜索框内中心样本点附近第二预设距离10内的第一数据片段；获取搜索框内所有样本点附近第二预设距离10内的第二数据片段。计算第一数据片段的标准差，更新噪声系数，优选的，αr＝1×10-3，β＝0.5。以初始样本点权重为零开始，计算所有样本点的权重。如图4所示，随着降噪的不断进行，信号降噪算法中的权重不断的增大，并趋近于一个稳定值0.1，在0.1附近进行微小的波动。如图5所示，初始阶段随着权重的不断增大，心电信号的降噪效果从一开始降噪效果弱，慢慢不断的调整降噪参数，是降噪效果逐渐增强。也就是本实施例能够实现权重的自适应调节，是降噪的效果更加的优越。
在其中一个实施例中，以一维声音信号的降噪进行举例说明，请参阅图6-8；图6为一个实施例中声音信号的原始数据图；图7为一个实施例中声音信号包含噪声的数据图；图8为一个实施例中声音信号原始数据与降噪后数据的对比图。首先选取一段无噪声的声音信号的原始数据，如图6所示。然后在原始数据的基础上叠加高斯白噪声，生成包含噪声的声音信号，如图7所示。利用上述信号降噪方法进行降噪，其中将第一预设距离设置为100；将第二预设距离设置为5；αr＝1×10-3；β＝2。得到降噪后的声音信号，将声音信号原始数据与降噪后数据进行对比，如图8所示。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图9所示，提供了一种信号降噪装置，包括：第一数据片段获取模块100、第二数据片段获取模块200、权重计算模块300和降噪模块400，其中：
第一数据片段获取模块100，用于根据预设规则获取第一数据片段。
第二数据片段获取模块200，用于在第一预设距离范围内，根据预设规则获取第二数据片段。
权重计算模块300，用于根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重。
降噪模块400，用于根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
第一数据片段获取模块100，还用于以待检测样本点为中心，获取第二预设距离范围内的信号作为第一数据片段。
第二数据片段获取模块200，还用于以第一预设距离范围内任一样本点为中心，获取第二预设距离范围内的信号作为第二数据片段。
信号降噪装置还包括：噪声系数更新模块，用于标准差获取单元，用于获取第一数据片段的标准差，根据第一数据片段的标准差以及前一个样本点的噪声系数，计算当前样本点的噪声系数。
权重计算模块300包括：信号值获取单元、样本点个数获取单元以及子权重计算单元。
信号值获取单元，用于获取所述第一数据片段中样本点的信号值；还用于获取所述第二数据片段中与所述第一数据片段对应的样本点的信号值。
样本点个数获取单元，用于获取第二数据片段中样本点个数。
子权重计算单元，用于根据第一数据片段中样本点的信号值、第二数据片段中样本点的信号值、第二数据片段中样本点个数以及当前样本点的噪声系数，计算相应第二数据片段中心样本点的子权重。
降噪模块400还用于计算所述第一预设距离范围内的所有第二数据片段中心样本点的子权重，对第一预设距离范围内的所有第二数据片段中心样本点的信号值加权平均，获得所述第一数据片段中心样本点降噪后的值。
降噪模块400还用于计算第二数据片段中心样本点的权重包括计算总权重；其中，所述总权重为第一预设距离范围内的所有第二数据片段中心样本点的子权重之和；将第一预设距离范围内的所有第二数据片段的子权重与相应第二数据片段的中心样本点的信号值相乘后求和，得到权重信号；将所述权重信号除以总权重，对降噪后的第一数据片段中心样本点进行降噪。
在一个实施例中，提供了一种用于一维信号降噪的装置，在上述信号降噪装置的基础上还包括：
采样模块，用于在初始信号中以预设采样频率获取样本点。
关于信号降噪装置的具体限定可以参见上文中对于信号降噪方法的限定，在此不再赘述。上述信号降噪装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信号降噪方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据预设规则获取第一数据片段；在第一预设距离范围内，根据预设规则获取第二数据片段；根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据预设规则获取第一数据片段；在第一预设距离范围内，根据预设规则获取第二数据片段；根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种信号降噪方法，其特征在于，所述方法包括：
根据预设规则获取第一数据片段；
在第一预设距离范围内，根据预设规则获取第二数据片段，其中，所述第一预设距离用于决定滤除噪声的最低频率；
根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；且计算所述权重前更新当前样本点的噪声系数，更新当前样本点的噪声系数包括：获取第一数据片段的标准差，根据第一数据片段的标准差以及前一个样本点的噪声系数，计算当前样本点的噪声系数；其中，所述当前样本点为第一数据片段中心样本点；
根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
2.根据权利要求1所述的信号降噪方法，其特征在于，
所述第一预设距离范围以第一数据片段中心样本点为中心。
3.根据权利要求1所述的信号降噪方法，其特征在于，
所述预设规则为第二预设距离范围；
根据预设规则获取第一数据片段包括：以待检测样本点为中心,获取第二预设距离范围内的信号作为第一数据片段；
根据预设规则获取第二数据片段包括：以第一预设距离范围内任一样本点为中心，获取第二预设距离范围内的信号作为第二数据片段。
4.根据权利要求1所述的信号降噪方法，其特征在于，计算第二数据片段中心样本点的权重包括：计算第二数据片段中心样本点的子权重。
5.根据权利要求4所述的信号降噪方法，其特征在于，所述计算第二数据片段中心样本点的子权重包括：
获取所述第一数据片段中样本点的信号值；
获取所述第二数据片段中与所述第一数据片段对应的样本点的信号值；
获取第二数据片段中样本点个数；
根据第一数据片段中样本点的信号值、第二数据片段中样本点的信号值、第二数据片段中样本点个数以及当前样本点的噪声系数，计算相应第二数据片段中心样本点的子权重。
6.根据权利要求5所述的信号降噪方法，其特征在于，根据所述权重，获得所述第一数据片段中心样本点的降噪信号包括：
计算所述第一预设距离范围内的所有第二数据片段中心样本点的子权重；
对第一预设距离范围内的所有第二数据片段中心样本点的信号值加权平均，获得所述第一数据片段中心样本点降噪后的值。
7.根据权利要求6所述的信号降噪方法，其特征在于，对第一预设距离范围内的所有第二数据片段中心样本点的信号值加权平均包括：
计算第二数据片段中心样本点的权重包括计算总权重；其中，所述总权重为第一预设距离范围内的所有第二数据片段中心样本点的子权重之和；
将第一预设距离范围内的所有第二数据片段的子权重与相应第二数据片段的中心样本点的信号值相乘后求和，得到权重信号；
将所述权重信号除以总权重，对降噪后的第一数据片段中心样本点进行降噪。
8.一种用于一维信号降噪的方法，其特征在于，
在初始信号中以预设采样频率获取样本点，
根据权利要求1-7任一项所述的方法，对所述样本点依次降噪获得降噪信号。
9.一种信号降噪装置，其特征在于，所述装置包括：
第一数据片段获取模块，用于根据预设规则获取第一数据片段；
第二数据片段获取模块，用于在第一预设距离范围内，根据预设规则获取第二数据片段，其中，所述第一预设距离用于决定滤除噪声的最低频率；
权重计算模块，用于根据所述第一数据片段、第二数据片段以及噪声系数，计算第二数据片段中心样本点的权重；且计算所述权重前更新当前样本点的噪声系数，更新当前样本点的噪声系数包括：获取第一数据片段的标准差，根据第一数据片段的标准差以及前一个样本点的噪声系数，计算当前样本点的噪声系数；其中，所述当前样本点为第一数据片段中心样本点；
降噪模块，用于根据所述权重，获得所述第一数据片段中心样本点的降噪信号。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
CN201811285451.9A 2018-10-31 2018-10-31 信号降噪方法、装置、计算机设备和存储介质 Active CN109583309B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811285451.9A CN109583309B (zh) 2018-10-31 2018-10-31 信号降噪方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811285451.9A CN109583309B (zh) 2018-10-31 2018-10-31 信号降噪方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109583309A CN109583309A (zh) 2019-04-05
CN109583309B true CN109583309B (zh) 2021-05-04

Family

ID=65920941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811285451.9A Active CN109583309B (zh) 2018-10-31 2018-10-31 信号降噪方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109583309B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163827B (zh) * 2019-05-28 2023-01-10 腾讯科技（深圳）有限公司 图像去噪模型的训练方法、图像去噪方法、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609904A (zh) * 2012-01-11 2012-07-25 云南电力试验研究院（集团）有限公司电力研究院 双变量非局部平均滤波x射线图像消噪方法
CN102769722A (zh) * 2012-07-20 2012-11-07 上海富瀚微电子有限公司 时域与空域结合的视频降噪装置及方法
CN104036457A (zh) * 2013-09-02 2014-09-10 上海联影医疗科技有限公司 一种图像降噪方法
CN104706350A (zh) * 2014-11-13 2015-06-17 华中科技大学 一种心电信号降噪方法
CN106023093A (zh) * 2016-05-09 2016-10-12 吉林大学 一种基于改进图像块匹配的非局部均值图像去噪方法
CN106204490A (zh) * 2016-07-12 2016-12-07 厦门大学 一种太赫兹脉冲图像去噪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609904A (zh) * 2012-01-11 2012-07-25 云南电力试验研究院（集团）有限公司电力研究院 双变量非局部平均滤波x射线图像消噪方法
CN102769722A (zh) * 2012-07-20 2012-11-07 上海富瀚微电子有限公司 时域与空域结合的视频降噪装置及方法
CN104036457A (zh) * 2013-09-02 2014-09-10 上海联影医疗科技有限公司 一种图像降噪方法
CN104706350A (zh) * 2014-11-13 2015-06-17 华中科技大学 一种心电信号降噪方法
CN106023093A (zh) * 2016-05-09 2016-10-12 吉林大学 一种基于改进图像块匹配的非局部均值图像去噪方法
CN106204490A (zh) * 2016-07-12 2016-12-07 厦门大学 一种太赫兹脉冲图像去噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Nonlocal Means Denoising of ECG Signals;Brian H. Tracey, Eric L. Miller;《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》;20120930;第59卷(第9期);第2383-2386页 *
Brian H. Tracey, Eric L. Miller."Nonlocal Means Denoising of ECG Signals.《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》.2012,第59卷(第9期), *

Also Published As

Publication number Publication date
CN109583309A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
CN111163690B (zh) 心律失常的检测方法、装置、电子设备及计算机存储介质
CN110236573B (zh) 心理压力状态的检测方法及相关装置
Rahman et al. An efficient cardiac signal enhancement using time–frequency realization of leaky adaptive noise cancelers for remote health monitoring systems
Singh et al. An efficient ECG denoising technique based on non-local means estimation and modified empirical mode decomposition
CA2520761A1 (en) Biomedical signal denoising techniques
Kumar et al. Efficient QRS complex detection algorithm based on Fast Fourier Transform
CN110309758B (zh) 心电信号特征提取方法、装置、计算机设备及存储介质
WO2020228420A1 (zh) 降噪自编码器的训练方法、心电信号的降噪方法及其装置
Galiana-Merino et al. Power line interference filtering on surface electromyography based on the stationary wavelet packet transform
Fatemi et al. An online subspace denoising algorithm for maternal ECG removal from fetal ECG signals
CN109583309B (zh) 信号降噪方法、装置、计算机设备和存储介质
Qureshi et al. Analysis of ECG signal processing and filtering algorithms
Eltrass Novel cascade filter design of improved sparse low-rank matrix estimation and kernel adaptive filtering for ECG denoising and artifacts cancellation
CN114492528A (zh) 一种脉象信号消噪方法、装置、电子设备及存储介质
Azzouz et al. An efficient ECG signals denoising technique based on the combination of particle swarm optimisation and wavelet transform
Kim et al. Semi-real-time removal of baseline fluctuations in electrocardiogram (ECG) signals by an infinite impulse response low-pass filter (IIR-LPF)
CN110808058B (zh) 语音增强方法、装置、设备及可读存储介质
Amhia et al. Stability and Phase Response Analysis of Optimum Reduced‐Order IIR Filter Designs for ECG R‐Peak Detection
Bhavsar Improved ECG Denoising using CEEMAN based on Complexity Measure and Nonlocal Mean Approach.
CN113229799A (zh) 一种ppg心率估计方法、系统、存储介质、设备
Nallamothu et al. Eye Blink Artefact Cancellation in EEG Signal Using Sign-Based Nonlinear Adaptive Filtering Techniques
CN115644886A (zh) 心电信号滤波方法、装置、计算机设备及存储介质
Manosueb et al. PLI Cancellation in ECG Signal Based on Adaptive Filter by Using Wiener‐Hopf Equation for Providing Initial Condition
CN117562542B (zh) 基于脑电信号的情感识别方法、计算机设备及存储介质
CN115836856A (zh) 一种基于ppg信号的呼吸率测量方法、装置及电子设备

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