CN110940409A - 一种基于iceemdan与ica联合去噪的超声信号测量方法 - Google Patents

Abstract

本发明属于声学计量领域，涉及超声场测量数据处理设计，尤其是一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法，包括以下步骤：S1、对利用水听器收集到的信号进行采集；S2、利用ICEEMDAN对超声信号进行分解，得到若干模态函数IMF；S3、计算出超声信号的IMF分量与原含噪声信号的互相关系数，根据计算得到的相关系数去除相关系数高之后的分量，将剩余分量构建为虚拟噪声通道信号；S4、将虚拟噪声通道信号与原始采集到的超声信号作为ICA的输入；S5、利用FastICA提取噪声与有用信息并分离，最终得到去噪后的超声波信号。

Description

一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法

技术领域

本发明属于声学计量领域，涉及超声场测量数据处理设计，尤其是一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法。

背景技术

医用超声的普及及使用为医生及患者带来极大的便利，其中聚焦超声可以实现将超声能量聚焦在人体病变组织实现去除病变组织的功能，为了能够将超声能量精准控制在病变区域以及控制超声能量的强弱，需要对超声设备的信号进行测量。

目前，水听器法测量超声信号是一种较为常用的测量方法，通过制作的三轴控制装置实现水听器水下收集超声信号，由于收集信号过程为直接测量，空气中的声波以及控制装置在移动过程中产生的震动从而产生水波对水听器收集信号过程产生主要的干扰，空气中的声信号既有高频干扰也有低频噪声，单方面的对其中一种噪声滤波不能达到理想效果，因此需要对水听器收集到的超声信号进行去噪算法的联合去噪，实现干扰更小的信号收集。

超声在医疗领域的应用对一些特定的疾病治疗带来极大的方便，但由于超声设备是将超声能量作用于人体组织或器官，其安全性也受到密切关注，目前常用的声场测量方法为水听器法，水听器是主要依靠水生换能器将声信号转换为电信号灵敏传感器，也是由于其自身灵敏度的特点，在水听器工作时容易将掺杂在待测信号的其他干扰收集进来，其主要来源控制系统在运动过程中产生的震动以及遍布在空气中的各种声波，目前市场的各测量设备大部分将信号直接采集进行声场测量以及计算，本专利为了减少噪声对实验数据的扰动，提高超声信号收集过程中的准确性，增加超声设备的安全可靠性，对收集到的声信号进行降噪处理。

发明内容

本发明的目的在于针对水听器法测量超声声场参数的过程中产生的噪音问题，提供一种通过对接收到的水听器信号进行处理，得到准确性更高的信号数据的基于ICEEMDAN与ICA联合去噪的超声信号测量方法。

本发明采取的技术方案是：

一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法，其特征在于：包括以下步骤：

S1、对利用水听器收集到的信号进行采集；

S2、利用ICEEMDAN对超声信号进行分解，得到若干模态函数IMF；

S3、计算出超声信号的IMF分量与原含噪声信号的互相关系数，根据计算得到的相关系数去除相关系数高之后的分量，将剩余分量构建为虚拟噪声通道信号；

S4、将虚拟噪声通道信号与原始采集到的超声信号作为ICA的输入；

S5、利用FastICA提取噪声与有用信息并分离，最终得到去噪后的超声波信号。

进一步的，所述步骤S2中，包括如下步骤：

S21、将EMD分解得到的第k个模态分量定义为E_k(·)，信号的局部均值设为M(·)；把

添加给原始信号x,E₁(x)＝x-M(x)；

S22、构造Xⁱ＝x+α₀E₁(wⁱ)，其中w⁽ⁱ⁾为第i个添加的白噪声，α₀为噪声的标准差，计算出Xⁱ的局部均值M(x⁽ⁱ⁾)，得到第一个残差分量r₁＝<M(xⁱ)>；

S23、计算第一模态分量IMF₁的值:

S24、计算第一模态分量IMF₂值：

其中r₂＝<M(r₁+α₁E₂(w⁽ⁱ⁾))>；

S25、根据以下公式计算第k个模态分解IMF_k的值：

r_k＝<M(r_k-1+α_k-1E_k(w⁽ⁱ⁾))>,k＝1,2,3...N；

以上将得到获得一系列按频率从高到低的固有模态分量，我们将得到各个模态分量与原始信号的相关系数相关系数中第一个极小值点所对应的模态分量的后一个点作为分界分量，将分量前的IMF作为信号构建噪声通道。

进一步的，所述步骤S5中，在ICA中，常用的算法为FastICA，包括如下步骤：

S51、中心化观测信号，使其均值变为0，随后白化，得到标准化的数据Z(t)；

S52、确定独立成分的个数N以及收敛阈值ε；

S53、定义分离矩阵W＝[w₁,w₂...w_m]^T，并初始化w_i使得分离矩阵的模为1；

S514、更新分离矩阵，使得

其中g(y)＝tanh(y)

S55、正交化矩阵W使得

S56、判断矩阵W是否收敛，如果1-min{|(diagW(k+1)^T)W(k)|}＜ε，则W即为所求分离矩阵，若不满足条件，重复步骤S53-S56；

S57、根据Y＝WX求得独立分量。

本发明的优点和积极效果是：

本发明中，提供一种基于ICEEMDAN与ICA联合去噪的测量方法，首先将采集到的超声信号分解成不同频率的IMF分量，根据各IMF分量与原始信号相关系数的第一个极小值点设定分界分量，进而确定含有噪音的分量，对于含有噪音的分量进行ICA消除噪音，随后利用FastICA提取噪声与有用信息并分离，最终得到去噪后的超声波信号。

具体实施方式

下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。

一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法，本发明的创新在于，包括以下步骤：

S1、对利用水听器收集到的信号进行采集；

S2、利用ICEEMDAN对超声信号进行分解，得到若干模态函数IMF；

所述步骤S2中，包括如下步骤：

S21、将EMD分解得到的第k个模态分量定义为E_k(·)，信号的局部均值设为M(·)；把

添加给原始信号x,E₁(x)＝x-M(x)；

S22、构造Xⁱ＝x+α₀E₁(wⁱ)，其中w⁽ⁱ⁾为第i个添加的白噪声，α₀为噪声的标准差，计算出Xⁱ的局部均值M(x⁽ⁱ⁾)，得到第一个残差分量r₁＝<M(xⁱ)>；

S23、计算第一模态分量IMF₁的值:

S24、计算第一模态分量IMF₂值：

其中r₂＝<M(r₁+α₁E₂(w⁽ⁱ⁾))>；

S25、根据以下公式计算第k个模态分解IMF_k的值：

r_k＝<M(r_k-1+α_k-1E_k(w(i)))>,k＝1,2,3...N；

以上将得到获得一系列按频率从高到低的固有模态分量，我们将得到各个模态分量与原始信号的相关系数相关系数中第一个极小值点所对应的模态分量的后一个点作为分界分量，将分量前的IMF作为信号构建噪声通道。

S3、计算出超声信号的IMF分量与原含噪声信号的互相关系数，根据计算得到的相关系数去除相关系数高之后的分量，将剩余分量构建为虚拟噪声通道信号；

S4、将虚拟噪声通道信号与原始采集到的超声信号作为ICA的输入；

S5、利用FastICA提取噪声与有用信息并分离，最终得到去噪后的超声波信号

所述步骤S5中，在ICA中，常用的算法为FastICA，包括如下步骤：

S51、中心化观测信号，使其均值变为0，随后白化，得到标准化的数据Z(t)；

S52、确定独立成分的个数N以及收敛阈值ε；

S53、定义分离矩阵W＝[w₁,w₂...w_m]^T，并初始化w_i使得分离矩阵的模为1；

S514、更新分离矩阵，使得

其中g(y)＝tanh(y)

S55、正交化矩阵W使得

S56、判断矩阵W是否收敛，如果1-min{|(diagW(k+1)^T)W(k)|}＜ε，则W即为所求分离矩阵，若不满足条件，重复步骤S53-S56；

S57、根据Y＝WX求得独立分量。

Claims (3)

1.一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法，其特征在于：包括以下步骤：

S1、对利用水听器收集到的信号进行采集；

S2、利用ICEEMDAN对超声信号进行分解，得到若干模态函数IMF；

S3、计算出超声信号的IMF分量与原含噪声信号的互相关系数，根据计算得到的相关系数去除相关系数高之后的分量，将剩余分量构建为虚拟噪声通道信号；

S4、将虚拟噪声通道信号与原始采集到的超声信号作为ICA的输入；

S5、利用FastICA提取噪声与有用信息并分离，最终得到去噪后的超声波信号。

2.根据权利要求1所述的一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法，其特征在于：所述步骤S2中，包括如下步骤：

S21、将EMD分解得到的第k个模态分量定义为E_k(·)，信号的局部均值设为M(·)；把

添加给原始信号x,E₁(x)＝x-M(x)；

S22、构造X_i＝x+α₀E₁(wⁱ)，其中w⁽ⁱ⁾为第i个添加的白噪声，α₀为噪声的标准差，计算出Xⁱ的局部均值M(x⁽ⁱ⁾)，得到第一个残差分量r₁＝<M(xⁱ)>；

S23、计算第一模态分量IMF₁的值:

S24、计算第一模态分量IMF₂值：

其中r₂＝<M(r₁+α₁E₂(w⁽ⁱ⁾))>；

S25、根据以下公式计算第k个模态分解IMF_k的值：

r_k＝<M(r_k-1+α_k-1E_k(w⁽ⁱ⁾))>,k＝1,2,3...N；

以上将得到获得一系列按频率从高到低的固有模态分量，我们将得到各个模态分量与原始信号的相关系数相关系数中第一个极小值点所对应的模态分量的后一个点作为分界分量，将分量前的IMF作为信号构建噪声通道。

3.根据权利要求1所述的一种基于ICEEMDAN与ICA联合去噪的超声信号测量方法，其特征在于：所述步骤S5中，在ICA中，常用的算法为FastICA，包括如下步骤：

S51、中心化观测信号，使其均值变为0，随后白化，得到标准化的数据Z(t)；

S52、确定独立成分的个数N以及收敛阈值ε；

S53、定义分离矩阵W＝[w₁,w₂...w_m]^T，并初始化w_i使得分离矩阵的模为1；

S514、更新分离矩阵，使得

其中g(y)＝tanh(y)

S55、正交化矩阵W使得

S56、判断矩阵W是否收敛，如果1-min{|(diagW(k+1)^T)W(k)|}＜ε，则W即为所求分离矩阵，若不满足条件，重复步骤S53-S56；

S57、根据Y＝WX求得独立分量。