CN111898567A - 基于经验小波变换的弹丸激波信号噪声抑制方法 - Google Patents
基于经验小波变换的弹丸激波信号噪声抑制方法 Download PDFInfo
- Publication number
- CN111898567A CN111898567A CN202010773827.1A CN202010773827A CN111898567A CN 111898567 A CN111898567 A CN 111898567A CN 202010773827 A CN202010773827 A CN 202010773827A CN 111898567 A CN111898567 A CN 111898567A
- Authority
- CN
- China
- Prior art keywords
- frequency domain
- shock wave
- wave signal
- empirical
- 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.)
- Granted
Links
- 230000035939 shock Effects 0.000 title claims abstract description 75
- 230000001629 suppression Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 14
- 238000004088 simulation Methods 0.000 description 10
- 238000000354 decomposition reaction Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 3
- 238000004880 explosion Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开一种基于经验小波变换的弹丸激波信号噪声抑制方法,包括如下步骤:1、获取弹丸激波的频域信号;2、基于经验小波变换对频域的弹丸激波信号进行自适应分割;3、构建频域经验尺度函数和频域经验小波函数;4、计算弹丸弹丸激波信号的频域逼近小波系数和频域细节小波系数;5、基于改进的阈值去噪方法对频域细节小波系数进行噪声抑制;6、重构噪声抑制后的弹丸激波信号。本发明基于经验小波变换对频域的弹丸激波信号进行自适应分割,提取出具有紧支撑的经验模态分量,并基于改进阈值函数对频域细节小波系数进行噪声抑制完成对各模态分量的阈值去噪,在保留有效激波信号的同时较大程度抑制噪声信号。
Description
技术领域
本发明属于报靶系统中的激波信号处理技术领域,涉及一种弹丸激波信号噪声抑制方法,具体涉及一种基于经验小波变换的弹丸激波信号噪声抑制方法。
背景技术
在竞技体育、军事训练甚至娱乐活动中,射击训练逐渐成为一个重要环节,并随着科学技术的发展,报靶系统设备向着更加智能化的方向发展,其中激波自动报靶系统是一种基于由超音速弹丸激波所致声爆在掠过传感器阵列时声爆脉冲的时延数据和激波形态与传声器阵列之间的几何关系,构造出超声报靶定位的数学模型,将计算机数据采集与数值计算相结合的报靶定位系统,这种自动报靶系统目前具有很高的研究价值与市场前景。但在激波报靶系统中,传感器采集到的激波信号是一个多变量作用下的信号,大量噪声的存在严重影响了激波信号的识别,进而影响了弹道参数测量的精度,因此对采集到的弹丸激波信号进行降噪处理有着重要的意义。
弹丸激波信号噪声抑制的主要思想是,在保留有效弹丸激波信号的同时,最大程度上抑制弹丸激波信号中包含的噪声信号,提高信噪比,降低均方根误差。目前,对弹丸激波信号进行噪声抑制典型的方法为基于小波变换的噪声抑制方法和经验模态分解噪声抑制方法,但大都存在着自适应性差、对激波信号分解过程中原始信号易丢失等问题,针对这些问题,李朋雪等人于2015年在期刊《信息通信》第12期上发表了名称为“EMD及小波变换在激波靶像定点中的应用研究”的文章,公开了一种将经验模态分解(EMD)与小波去噪结合的对弹丸激波进行去噪的方法,该方法虽然具有自适应性,并在一定程度上抑制了噪声,但该方法缺乏数学理论基础,容易造成模态混叠和端点效应,且小波阈值的选取采用统一尺度下的阈值代替其他尺度的阈值而带来的误差偏大问题,影响去噪效果。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出了一种基于经验小波变换的弹丸激波信号噪声抑制方法,通过减少模态混叠和端点效应出现的频次,有效提高对弹丸激波信号噪声的抑制能力。
为实现上述目的,本发明采取的技术方案包括如下步骤:
(1)获取弹丸激波信号的频域信号:
其中,s(t)表示t时刻的理想弹丸激波信号,n(t)表示f(t)包含的噪声信号,j表示虚数,w表示f(t)的频率;
统计中的N个幅度极大值M={M1,M2,···,Mi,···MN},并以相邻幅度极大值Mi与Mi+1连线的中点wi为分界线,将划分成连续的N个频域区间,得到频域区间集合Λ={Λ1,Λ2,···,Λi,···ΛN},再以wi为中心划定宽度为2τi的过渡区间,τi=γwi,γ为系数,γ∈(0,1);
(5a)计算第i个频域区间Λi的阈值δi:
(6)获取噪声抑制后的弹丸激波信号f′(t):
其中,*表示卷积;
(6b)通过经验模态分量f0(t)和fi(t),对f(t)进行重构,得到噪声抑制后的弹丸激波信号f′(t):
本发明与现有技术相比,具有以下优点:
第一,本发明基于经验小波变换算法对弹丸激波信号的频域信号进行自适应分割,并在分割区间上构建合适的小波滤波器组,提取出不同的经验模态分量,并利用经验模态分量进行信号重构,避免了现有技术采用小波分解导致的自适应性较差和经验模态分解产生模态混叠、端点效应等现象,在保留有效激波信号的同时有效地实现了对噪声信号的抑制。
第二,本发明在基于阈值函数对频域细节小波系数进行噪声抑制时,所采用的阈值随频域区间长度和频域区间所处频率位置的变化而自适应调节,避免了传统方法采用固定阈值造成估计的阈值与实际阈值存在偏差的问题,能够有效提高信噪比,进一步抑制噪声信号。
附图说明
图1为本发明的实现流程图;
图2为本发明仿真实验采用的含噪弹丸激波信号时域波形图;
图3为本发明采用的理想弹丸激波信号的时域波形图;
图4为现有技术噪声抑制的仿真效果图;
图5为本发明噪声抑制的仿真效果图;
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述。
参见图1,本发明包括有如下步骤:
步骤1)获取弹丸激波信号的频域信号:
其中,s(t)表示t时刻的理想弹丸激波信号,如图3所示,n(t)表示f(t)包含的噪声信号,j表示虚数,w表示f(t)的频率;
统计中的N个幅度极大值M={M1,M2,···,Mi,···MN},并以相邻幅度极大值Mi与Mi+1连线的中点wi为分界线,将划分成连续的N个频域区间,得到频域区间集合Λ={Λ1,Λ2,···,Λi,···ΛN},再以wi为中心划定宽度为2τi的过渡区间,τi=γwi,γ为系数,γ∈(0,1)。因本实施例中激波的频谱信号幅度极大值个数为4,所以取N=4,通过实验确定γ取0.3时具有较好的自适应分割效果。
不同于现有技术采用经验模态分解(EWD)法进行分解,总是分解出过多的模态数,模态分量中容易包含其它分量信息,本发明的自适应分割方法根据弹丸激波的频域信号特征,预先确定分解的模态数,较大程度解决模态混叠和端点效应。
步骤5a)计算第i个频域区间Λi的阈值δi:
阈值δ的选取在阈值去噪过程中至关重要,如果阈值选取过小,那么阈值量化后的细节小波系数中会含有较多的噪声分量,导致信号去噪不充分;如果阈值选取过大,则会丢失部分有用的信号信息,导致重构后的信号失真。现有技术中,采用固定阈值δ代替其它尺度的阈值,忽略了不同尺度下阈值的差异性,造成收缩高频细节小波系数时产生较大的误差,而本发明根据不同的频域区间和其长度Li,使得不同频域区间Λi自适应获取符合本区间特征的阈值δi,且符合阈值选取应是随着频域分解数N的增大而减小的准则,可以取得更好的去噪效果。
步骤6)获取噪声抑制后的弹丸激波信号f′(t):
其中,*表示卷积;
步骤6b)通过经验模态分量f0(t)和fi(t),对f(t)进行重构,得到噪声抑制后的弹丸激波信号f′(t):
下面结合仿真实验对本发明的技术效果作以说明。
1.仿真条件和内容:
仿真软件环境:Windows10家庭版,MATLABR2019a;
分别采用本发明和现有的EMD与小波去噪结合的噪声抑制方法对图2仿真的信号长度为500,幅度为[-1,1.5]的含噪弹丸激波信号进行噪声抑制仿真,其结果如图4与图5所示。
2.仿真结果与分析:
参见图4是现有技术噪声抑制的仿真效果图,图5是本发明噪声抑制的仿真效果图,从图中可以看出,图4的波形与图3的理想激波信号相比有明显的失真,且幅度由理想的[-1,1]变为[-0.51,1.41],图5的波形与图3的理想激波信号更为为接近,幅度为[-0.87,1.05],去噪效果更优。
定量评价图4与图5的去噪效果,采用输出信号的信噪比(SNR)和均方根误差(RMSE)作为评价指标,结果如表1所示:
表1.仿真实验中本发明和现有技术定量分析表
结合表1可以看出,本发明方法对弹丸激波信号进行噪声抑制后信噪比(SNR)明显高于现有技术,而均方根误差(RMSE)明显低于现有技术,证明本发明有着更好的噪声抑制效果。
Claims (2)
1.一种基于经验小波变换的弹丸激波信号噪声抑制方法,其特征在于,包括如下步骤:
(1)获取弹丸激波信号的频域信号:
其中,s(t)表示t时刻的理想弹丸激波信号,n(t)表示f(t)包含的噪声信号,j表示虚数,w表示f(t)的频率;
统计中的N个幅度极大值M={M1,M2,···,Mi,···MN},并以相邻幅度极大值Mi与Mi+1连线的中点wi为分界线,将划分成连续的N个频域区间,得到频域区间集合Λ={Λ1,Λ2,···,Λi,···ΛN},再以wi为中心划定宽度为2τi的过渡区间,τi=γwi,γ为系数,γ∈(0,1);
(5a)计算第i个频域区间Λi的阈值δi:
(6)获取噪声抑制后的弹丸激波信号f′(t):
其中,*表示卷积;
(6b)通过经验模态分量f0(t)和fi(t),对f(t)进行重构,得到噪声抑制后的弹丸激波信号f′(t):
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010773827.1A CN111898567B (zh) | 2020-08-04 | 2020-08-04 | 基于经验小波变换的弹丸激波信号噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010773827.1A CN111898567B (zh) | 2020-08-04 | 2020-08-04 | 基于经验小波变换的弹丸激波信号噪声抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898567A true CN111898567A (zh) | 2020-11-06 |
CN111898567B CN111898567B (zh) | 2023-11-07 |
Family
ID=73245427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010773827.1A Active CN111898567B (zh) | 2020-08-04 | 2020-08-04 | 基于经验小波变换的弹丸激波信号噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898567B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090103395A1 (en) * | 2005-07-28 | 2009-04-23 | Willen Dennis W | Method for Wavelet Denoising of Controlled Source Electromagnetic Survey Data |
CN106568607A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射故障诊断方法 |
CN108427063A (zh) * | 2018-02-01 | 2018-08-21 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于交叉验证法、经验模态和Teager峭度的首波定位方法 |
CN109785854A (zh) * | 2019-01-21 | 2019-05-21 | 福州大学 | 一种经验模态分解和小波阈值去噪相结合的语音增强方法 |
CN110634112A (zh) * | 2019-10-15 | 2019-12-31 | 中国矿业大学(北京) | 一种双域分解的矿井下含噪声图像的增强方法 |
-
2020
- 2020-08-04 CN CN202010773827.1A patent/CN111898567B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090103395A1 (en) * | 2005-07-28 | 2009-04-23 | Willen Dennis W | Method for Wavelet Denoising of Controlled Source Electromagnetic Survey Data |
CN106568607A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射故障诊断方法 |
CN108427063A (zh) * | 2018-02-01 | 2018-08-21 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于交叉验证法、经验模态和Teager峭度的首波定位方法 |
CN109785854A (zh) * | 2019-01-21 | 2019-05-21 | 福州大学 | 一种经验模态分解和小波阈值去噪相结合的语音增强方法 |
CN110634112A (zh) * | 2019-10-15 | 2019-12-31 | 中国矿业大学(北京) | 一种双域分解的矿井下含噪声图像的增强方法 |
Non-Patent Citations (1)
Title |
---|
孙磊;柏逢明;王宇航;: "小波变换在弹丸超声阵列中的应用", 长春理工大学学报(自然科学版), no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN111898567B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204467B (zh) | 一种基于级联残差神经网络的图像去噪方法 | |
CN110865357B (zh) | 一种基于参数优化vmd的激光雷达回波信号降噪方法 | |
CN111626961B (zh) | 一种基于生成对抗网络的雷达图像杂波抑制方法及系统 | |
Zhang et al. | A patch based denoising method using deep convolutional neural network for seismic image | |
CN111723701B (zh) | 一种水中目标识别方法 | |
CN102819043B (zh) | 阵列信号随机噪声自适应模型去噪方法 | |
CN113238190A (zh) | 一种基于emd联合小波阈值的探地雷达回波信号去噪方法 | |
CN106646406A (zh) | 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法 | |
CN113642484B (zh) | 一种基于bp神经网络的大地电磁信号噪声压制方法及系统 | |
CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
CN108983158B (zh) | 一种基于Hankel矩阵奇异值分解的探地雷达噪声抑制方法 | |
CN110865410A (zh) | 一种基于nar-tfpf压制地震勘探随机噪声的方法 | |
CN110349106A (zh) | 一种基于Renyi熵的小波软阈值图像去噪方法 | |
CN109085547A (zh) | 一种表层穿透雷达回波信号的去噪方法和相关装置 | |
Santoso et al. | Performance of various speckle reduction filters on Synthetic Aperture Radar image | |
CN111898567A (zh) | 基于经验小波变换的弹丸激波信号噪声抑制方法 | |
CN110248325B (zh) | 一种基于信号多重消噪的蓝牙室内定位系统 | |
CN111461999A (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
CN110032968A (zh) | 基于双树复小波和自适应半软阈值法的去噪方法 | |
CN110136086A (zh) | 基于bemd的区间阈值图像去噪方法 | |
CN115561712A (zh) | 一种线性调频信号脉冲压缩响应旁瓣抑制方法 | |
CN115808713A (zh) | 一种基于改进bemd算法的地震叠前数据优化方法及设备 | |
CN112363217A (zh) | 一种地震数据随机噪声压制方法及系统 | |
Joseph et al. | A Novel Denoising Algorithm Based on Superpixel Clustering and Dictionary Learning Approach. | |
CN112230200A (zh) | 一种基于激光雷达回波信号的改进型组合降噪方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A noise suppression method for projectile shock wave signals based on empirical wavelet transform Granted publication date: 20231107 Pledgee: Bank of Jiangsu Co.,Ltd. Suzhou Branch Pledgor: Kunshan jiumm Electronic Technology Co.,Ltd. Registration number: Y2024980015176 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |