CN112232321A - 一种振动数据干扰降噪方法、装置、设备及可读存储介质 - Google Patents
一种振动数据干扰降噪方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112232321A CN112232321A CN202011465069.3A CN202011465069A CN112232321A CN 112232321 A CN112232321 A CN 112232321A CN 202011465069 A CN202011465069 A CN 202011465069A CN 112232321 A CN112232321 A CN 112232321A
- Authority
- CN
- China
- Prior art keywords
- data
- fractal dimension
- vibration
- interference
- value
- 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
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
- G06F2218/08—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)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明涉及数据降噪技术领域,具体而言,涉及一种振动数据干扰降噪方法、装置、设备及可读存储介质。本发明利用分形维数计算多种干扰数据的分形维数特征,其特征主要是分形维数的数值范围,并构建干扰数据库,利用EMD经验模态分解将夹杂干扰信号的振动波进行分解,对分解得到的曲线进行分形维数计算,将与干扰信号分形维数数值范围接近的曲线剔除,将剩余曲线进行重组得到新的振动波,完成振动波的干扰降噪。本发明可以提高振动波的抗干扰能力,快速得到振动波的原始曲线。
Description
技术领域
本发明涉及数据降噪技术领域,具体而言,涉及一种振动数据干扰降噪方法、装置、设备及可读存储介质。
背景技术
振动是任何时间任何地点都会发生的,在人体中有心脏的跳动、声带的振动,生活中手机的振动、发动机的振动或地震的振动,科学上有利用声波的振动测量距离、利用超声的振动得到海洋的数据,振动无处不在。
振动被广泛用于科学上,利用测量心脏的振动波判断人体心脏的健康程度,利用血管的振动测量血压判断健康情况,利用声波的振动测量距离,利用超声波的振动测量海洋海底状况。然而在测量振动数据时会有很多干扰信号,干扰信号会影响振动波的特征,从而影响人们的判断。此时干扰降噪就格外重要,在滤除干扰信号后的良好曲线会还原原本的振动信号,从而可以让人们更好的判断振动波的形状来得到需要的结果。
传统的干扰降噪方法在干扰信号较多时、信噪比较大时都不能很好的还原原本的数据曲线特征,即使在滤除干扰信号后仍与原本的振动数据有较大的误差,特别是往往振动的干扰不是同一类型的,会出现多种干扰信号夹杂到一起的情况,在去干扰的难度上更有提高。
发明内容
本发明的目的在于提供一种振动数据干扰降噪方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
一方面,本申请实施例提供了一种振动数据干扰降噪方法,所述方法包括:
获取第一振动波数据,所述第一振动波数据包括干扰数据和正常数据;将所述第一振动波数据通过EMD经验模态分解为多条第二振动曲线;将每个所述第二振动曲线均进行分形维数计算,得到每个所述第二振动曲线的第二分形维数特征,并根据所述第二分形维数特征获得所述第二振动曲线的第二分形维数值范围;获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线;将剔除后剩余的所述第二振动曲线进行重组,得到降噪后的振动波数据。
可选地,所述方法还包括:
获取第三振动波数据,所述第三振动波数据包括单独采集的干扰数据;将所述第三振动波数据进行分形维数计算,得到所述第三振动波数据的第一分形维数特征,并根据所述第一分形维数特征获得所述第三振动波数据的第一分形维数值范围;重复上述方法,分别获取多种干扰数据的第三振动波数据、第一分形维数特征和第一分形维数值范围;将获取的第三振动波数据、第一分形维数特征和第一分形维数值范围发送至数据存储模块建立干扰数据库。
可选地,所述获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线,包括:
获取所述干扰数据库中所有预存的第一分形维数值范围;将每个所述第二分形维数值范围的第一最大值和第一最小值分别提取,并将获得的所述第一最大值和所述第一最小值的值进行排序,得到第一数据段,所述第一数据段的第二最大值为所有第二分形维数值范围的第一最大值中最大的数值,所述第一数据段的第二最小值为所有第二分形维数值范围的第一最小值中最小的数值;将每个所述第一分形维数值范围中的第三最大值和第三最小值分别与所述第一数据段中的第二最大值和所述第二最小值进行对比,筛选出所述第三最小值大于所述第二最小值,且所述第三最大值小于所述第二最大值的第一分形维数值范围;将筛选出的所述第一分形维数值范围与每个所述第二分形维数值范围分别进行对比,若发现筛选出的所述第一分形维数值范围与某一个第二分形维数值范围的交集非空,则将该第二分形维数值范围所代表的第二振动曲线剔除。
可选地,所述方法还包括:
分别获取所述干扰数据库中每个干扰数据的所述第一分形维数值范围;提取出每个所述第一分形维数值范围中的第三最大值和第三最小值;将所述干扰数据库中所有的干扰数据划分为多个第二数据段,每个所述第二数据段中包括多个干扰数据;每个所述第二数据段的第四最大值,为所述第二数据段中每个干扰数据的第一分形维数值范围的第三最大值中最大的数值;每个所述第二数据段的第四最小值,为所述第二数据段中每个干扰数据的第一分形维数值范围的第三最小值中最小的数值。
可选地,所述获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线,包括:
获取所述干扰数据库中所有预存的所述第一分形维数值范围和第二数据段的数值范围;将每个所述第二分形维数值范围的第一最大值和第一最小值分别提取,并将获得的所述第一最大值和所述第一最小值的值进行排序,得到第一数据段,所述第一数据段的第二最大值为所有第二分形维数值范围的第一最大值中最大的数值,所述第一数据段的第二最小值为所有第二分形维数值范围的第一最小值中最小的数值;将所述第二数据段中的第四最大值和第四最小值分别与所述第一数据段中的第二最大值和所述第二最小值进行对比,筛选出所述第四最小值大于所述第二最小值,且所述第四最大值小于所述第二最大值的第二数据段;将筛选出的所述第二数据段中的每个第一分形维数值范围分别与每个所述第二分形维数值范围进行对比,若发现筛选出的第二数据段中某一个第一分形维数值范围与某一个第二分形维数值范围的交集非空,则将该第二分形维数值范围所代表的第二振动曲线剔除。
可选地,所述第二数据段中包括的干扰数据的第一分形维数值范围的交集非空。
可选地,所述第三振动波数据包括白噪声数据、背景噪声数据、列车干扰数据、打夯数据、捣固数据、稳定数据和清筛数据。
另一方面,本申请实施例提供了一种振动数据干扰降噪系统,所述系统包括第一数据获取模块、第一计算模块、第二计算模块、第三计算模块和第四计算模块。
第一数据获取模块,用于获取第一振动波数据,所述第一振动波数据包括干扰数据和正常数据;第一计算模块,用于将所述第一振动波数据通过EMD经验模态分解为多条第二振动曲线;第二计算模块,用于将每个所述第二振动曲线均进行分形维数计算,得到每个所述第二振动曲线的第二分形维数特征,并根据所述第二分形维数特征获得所述第二振动曲线的第二分形维数值范围;第三计算模块,用于获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线;第四计算模块,用于将剔除后剩余的所述第二振动曲线进行重组,得到降噪后的振动波数据。
第三方面,本申请实施例提供了一种振动数据干扰降噪设备,所述设备包括存储器和处理器。
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述振动数据干扰降噪方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质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振动数据干扰降噪方法的步骤。
本发明的有益效果为:
本发明利用分形维数计算多种干扰数据的分形维数特征,其特征主要是分形维数的数值范围,并构建干扰数据库,利用EMD经验模态分解将夹杂干扰信号的振动波进行分解,对分解得到的曲线进行分形维数计算,将与干扰信号分形维数数值范围接近的曲线剔除,将剩余曲线进行重组得到新的振动波,完成振动波的干扰降噪。本发明可以提高振动波的抗干扰能力,快速得到振动波的原始曲线。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的振动数据干扰降噪方法流程示意图;
图2是本发明实施例中所述的原始正弦振动波曲线图;
图3是发明实施例中所述的夹杂干扰信号振动曲线图;
图4是发明实施例中所述的列车干扰分形维数特征曲线图;
图5是发明实施例中所述的EMD分解曲线分形维数特征图;
图6是发明实施例中所述的重组振动曲线图;
图7是本发明实施例中所述的振动数据干扰降噪系统结构示意图;
图8是本发明实施例中所述的振动数据干扰降噪设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,本实施例提供了一种振动数据干扰降噪方法,所述方法包括步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
步骤S100.获取第一振动波数据,所述第一振动波数据包括干扰数据和正常数据;所述第一振动波数据可以通过振动传感器获取,所述传感器应包括加速度传感器、速度传感器和位移传感器;
步骤S200.将所述第一振动波数据通过EMD经验模态分解为多条第二振动曲线;
步骤S300.将每个所述第二振动曲线均进行分形维数计算,得到每个所述第二振动曲线的第二分形维数特征,并根据所述第二分形维数特征获得所述第二振动曲线的第二分形维数值范围;
步骤S400.获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线;
步骤S500.将剔除后剩余的所述第二振动曲线进行重组,得到降噪后的振动波数据。
所述第三振动波数据包括白噪声数据、背景噪声数据、列车干扰数据、打夯数据、捣固数据、稳定数据和清筛数据。
可选地,所述步骤S100之前,还可以包括步骤S001、步骤S002、步骤S003和步骤S004。
步骤S001.获取第三振动波数据,所述第三振动波数据包括单独采集的干扰数据;
步骤S002.将所述第三振动波数据进行分形维数计算,得到所述第三振动波数据的第一分形维数特征,并根据所述第一分形维数特征获得所述第三振动波数据的第一分形维数值范围;
步骤S003.重复步骤S001和步骤S002,分别获取多种干扰数据的第三振动波数据、第一分形维数特征和第一分形维数值范围;
步骤S004.将获取的第三振动波数据、第一分形维数特征和第一分形维数值范围发送至数据存储模块建立干扰数据库。
可选地,所述步骤S400中,还可以包括步骤S411、步骤S412、步骤S413和步骤S414。
步骤S411.获取所述干扰数据库中所有预存的第一分形维数值范围;
步骤S412.将每个所述第二分形维数值范围的第一最大值和第一最小值分别提取,并将获得的所述第一最大值和所述第一最小值的值进行排序,得到第一数据段,所述第一数据段的第二最大值为所有第二分形维数值范围的第一最大值中最大的数值,所述第一数据段的第二最小值为所有第二分形维数值范围的第一最小值中最小的数值;
步骤S413.将每个所述第一分形维数值范围中的第三最大值和第三最小值分别与所述第一数据段中的第二最大值和所述第二最小值进行对比,筛选出所述第三最小值大于所述第二最小值,且所述第三最大值小于所述第二最大值的第一分形维数值范围;
步骤S414.将筛选出的所述第一分形维数值范围与每个所述第二分形维数值范围分别进行对比,若发现筛选出的所述第一分形维数值范围与某一个第二分形维数值范围的交集非空,则将该第二分形维数值范围所代表的第二振动曲线剔除。
作为另一实施例,所述步骤S400中,还可以包括步骤S421、步骤S422和步骤S423。
步骤S421.分别获取所述干扰数据库中每个干扰数据的所述第一分形维数值范围;
步骤S422.提取出每个所述第一分形维数值范围中的第三最大值和第三最小值;
步骤S423.将所述干扰数据库中所有的干扰数据划分为多个第二数据段,每个所述第二数据段中包括多个干扰数据;每个所述第二数据段的第四最大值,为所述第二数据段中每个干扰数据的第一分形维数值范围的第三最大值中最大的数值;每个所述第二数据段的第四最小值,为所述第二数据段中每个干扰数据的第一分形维数值范围的第三最小值中最小的数值。
可选地,所述第二数据段中包括的干扰数据的第一分形维数值范围的交集非空。
可选地,所述步骤S400中,还可以包括步骤S424、步骤S425、步骤S426和步骤S427。
步骤S424.获取所述干扰数据库中所有预存的所述第一分形维数值范围和第二数据段的数值范围;
步骤S425.将每个所述第二分形维数值范围的第一最大值和第一最小值分别提取,并将获得的所述第一最大值和所述第一最小值的值进行排序,得到第一数据段,所述第一数据段的第二最大值为所有第二分形维数值范围的第一最大值中最大的数值,所述第一数据段的第二最小值为所有第二分形维数值范围的第一最小值中最小的数值;
步骤S426.将所述第二数据段中的第四最大值和第四最小值分别与所述第一数据段中的第二最大值和所述第二最小值进行对比,筛选出所述第四最小值大于所述第二最小值,且所述第四最大值小于所述第二最大值的第二数据段;
步骤S427.将筛选出的所述第二数据段中的每个第一分形维数值范围分别与每个所述第二分形维数值范围进行对比,若发现筛选出的第二数据段中某一个第一分形维数值范围与某一个第二分形维数值范围的交集非空,则将该第二分形维数值范围所代表的第二振动曲线剔除。
通过将干扰数据库中所有的干扰数据划分为多个第二数据段,可以更快的进行第二振动曲线的剔除。
下面以10s的100Hz的正弦波曲线,加入了10s的100Hz列车干扰的信号,形成夹杂干扰的振动波,原始正弦波振动曲线见图2,夹杂干扰信号的曲线见图3。
将不同类型的干扰数据及利用分形维数计算得到的干扰数据的分形维数特征导入数据库,明显可见列车干扰信号的分形维数数值范围为1.08-1.16之间,列车干扰分形维数特征曲线见图4;
将干扰数据形成曲线,并将曲线按照1s的时窗依次划分,将10s的干扰数据,即1000个数据点计算900次;
其中D为分形维数的值,A为待定系数;
对每个数据段依次进行分形维数计算,得到每个时刻的分形维数值,并将分形维数值绘制曲线。
对所述EMD经验模态分解得到的若干条曲线进行分形维数计算,得到分解后曲线的分形维数特征,所述计算方法已在上文陈述,不再复述;
EMD分解,对振动波曲线利用EMD经验模态分解将振动波数据分解为若干条数据曲线。
所述振动波曲线经EMD分解得到的8条曲线见图5,将分解得到的若干条曲线利用分形维数求其分形特征;
EMD经验模态分解是找出数据序列X(t)所有的极大值点,并用三次样条插值函数拟合形成原数据的上包络线;找出所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成数据的下包络线,上包络线和下包络线的均值记作ml。将原数据序列X(t)减去包络ml,得到一个新的数据序列hl,即:
将EMD分解得到的曲线依次计算分形维数特征,并将曲线分形维数数值范围在1.08-1.16之间的曲线剔除,并将剩余曲线重组得到新的振动曲线。
曲线a的分形维数数值范围在1.18-1.28之间,不在列车干扰的分形维数数值范围之内,故不进行剔除;曲线b、c的分形维数数值范围在1.08-1.18、1.06-1.16范围之间,与列车干扰的分形维数数值范围基本接近,把曲线b、c剔除;曲线d、e、f、g、h的分形维数数值范围在1.0-1.11之间,明显不在列车干扰分形维数数值范围之内,不进行剔除。将曲线a、d、e、f、g、h进行重组,得到新的振动曲线,见图6。
通过相关性系数检验,即公式:
其中Cov(X,Y)为X和Y的协方差,Var[X]为X的方差Var[Y]为Y的方差,得到相关性系数R2为0.937,R为0.967,基本与原始正弦波曲线一致,仅发生了相位的改变。本实施例表明上述方法的确起到了干扰降噪的效果,可以有效地降低干扰噪声对振动波的影响,较大程度还原了振动波的原始曲线。
实施例2
如图7所示,本实施例提供了一种振动数据干扰降噪系统,所述系统包括第一数据获取模块701、第一计算模块702、第二计算模块703、第三计算模块704和第四计算模块705。
第一数据获取模块701,用于获取第一振动波数据,所述第一振动波数据包括干扰数据和正常数据;
第一计算模块702,用于将所述第一振动波数据通过EMD经验模态分解为多条第二振动曲线;
第二计算模块703,用于将每个所述第二振动曲线均进行分形维数计算,得到每个所述第二振动曲线的第二分形维数特征,并根据所述第二分形维数特征获得所述第二振动曲线的第二分形维数值范围;
第三计算模块704,用于获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线;
第四计算模块705,用于将剔除后剩余的所述第二振动曲线进行重组,得到降噪后的振动波数据。
可选地,所述系统还可以包括第二数据获取模块706、第五计算模块707和数据发送模块708。
第二数据获取模块706,用于获取第三振动波数据,所述第三振动波数据包括单独采集的干扰数据;
第五计算模块707,用于将所述第三振动波数据进行分形维数计算,得到所述第三振动波数据的第一分形维数特征,并根据所述第一分形维数特征获得所述第三振动波数据的第一分形维数值范围;
数据发送模块708,用于将获取的第三振动波数据、第一分形维数特征和第一分形维数值范围发送至数据存储模块建立干扰数据库。
可选地,所述第三计算模块704,还可以用于执行方法实施例中的步骤S411、步骤S412、步骤S413和步骤S411。
可选地,所述第三计算模块704,还可以用于执行方法实施例中的步骤S421、步骤S422、步骤S423、步骤S424、步骤S425、步骤S426和步骤S427。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种振动数据干扰降噪设备,下文描述的一种振动数据干扰降噪设备与上文描述的一种振动数据干扰降噪方法可相互对应参照。
图8是根据一示例性实施例示出的一种振动数据干扰降噪设备800的框图。如图8所示,该电子设备800可以包括:处理器801,存储器802。该电子设备800还可以包括多媒体组件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该电子设备800的整体操作,以完成上述的振动数据干扰降噪方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该电子设备800的操作,这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的振动数据干扰降噪方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的振动数据干扰降噪方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由电子设备800的处理器801执行以完成上述的振动数据干扰降噪方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种振动数据干扰降噪方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的振动数据干扰降噪方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种振动数据干扰降噪方法,其特征在于,所述方法包括:
获取第一振动波数据,所述第一振动波数据包括干扰数据和正常数据;
将所述第一振动波数据通过EMD经验模态分解为多条第二振动曲线;
将每个所述第二振动曲线均进行分形维数计算,得到每个所述第二振动曲线的第二分形维数特征,并根据所述第二分形维数特征获得所述第二振动曲线的第二分形维数值范围;
获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线;
将剔除后剩余的所述第二振动曲线进行重组,得到降噪后的振动波数据。
2.根据权利要求1所述的振动数据干扰降噪方法,其特征在于,所述方法还包括:
获取第三振动波数据,所述第三振动波数据包括单独采集的干扰数据;
将所述第三振动波数据进行分形维数计算,得到所述第三振动波数据的第一分形维数特征,并根据所述第一分形维数特征获得所述第三振动波数据的第一分形维数值范围;
重复上述方法,分别获取多种干扰数据的第三振动波数据、第一分形维数特征和第一分形维数值范围;
将获取的第三振动波数据、第一分形维数特征和第一分形维数值范围发送至数据存储模块建立干扰数据库。
3.根据权利要求1所述的振动数据干扰降噪方法,其特征在于:所述获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线,包括:
获取所述干扰数据库中所有预存的第一分形维数值范围;
将每个所述第二分形维数值范围的第一最大值和第一最小值分别提取,并将获得的所述第一最大值和所述第一最小值的值进行排序,得到第一数据段,所述第一数据段的第二最大值为所有第二分形维数值范围的第一最大值中最大的数值,所述第一数据段的第二最小值为所有第二分形维数值范围的第一最小值中最小的数值;
将每个所述第一分形维数值范围中的第三最大值和第三最小值分别与所述第一数据段中的第二最大值和所述第二最小值进行对比,筛选出所述第三最小值大于所述第二最小值,且所述第三最大值小于所述第二最大值的第一分形维数值范围;
将筛选出的所述第一分形维数值范围与每个所述第二分形维数值范围分别进行对比,若发现筛选出的所述第一分形维数值范围与某一个第二分形维数值范围的交集非空,则将该第二分形维数值范围所代表的第二振动曲线剔除。
4.根据权利要求1所述的振动数据干扰降噪方法,其特征在于:所述方法还包括:
分别获取所述干扰数据库中每个干扰数据的所述第一分形维数值范围;
提取出每个所述第一分形维数值范围中的第三最大值和第三最小值;
将所述干扰数据库中所有的干扰数据划分为多个第二数据段,每个所述第二数据段中包括多个干扰数据;每个所述第二数据段的第四最大值,为所述第二数据段中每个干扰数据的第一分形维数值范围的第三最大值中最大的数值;每个所述第二数据段的第四最小值,为所述第二数据段中每个干扰数据的第一分形维数值范围的第三最小值中最小的数值。
5.根据权利要求4所述的振动数据干扰降噪方法,其特征在于:所述获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线,包括:
获取所述干扰数据库中所有预存的所述第一分形维数值范围和第二数据段的数值范围;
将每个所述第二分形维数值范围的第一最大值和第一最小值分别提取,并将获得的所述第一最大值和所述第一最小值的值进行排序,得到第一数据段,所述第一数据段的第二最大值为所有第二分形维数值范围的第一最大值中最大的数值,所述第一数据段的第二最小值为所有第二分形维数值范围的第一最小值中最小的数值;
将所述第二数据段中的第四最大值和第四最小值分别与所述第一数据段中的第二最大值和所述第二最小值进行对比,筛选出所述第四最小值大于所述第二最小值,且所述第四最大值小于所述第二最大值的第二数据段;
将筛选出的所述第二数据段中的每个第一分形维数值范围分别与每个所述第二分形维数值范围进行对比,若发现筛选出的第二数据段中某一个第一分形维数值范围与某一个第二分形维数值范围的交集非空,则将该第二分形维数值范围所代表的第二振动曲线剔除。
6.根据权利要求4所述的振动数据干扰降噪方法,其特征在于:所述第二数据段中包括的干扰数据的第一分形维数值范围的交集非空。
7.根据权利要求1所述的振动数据干扰降噪方法,其特征在于:所述第三振动波数据包括白噪声数据、背景噪声数据、列车干扰数据、打夯数据、捣固数据、稳定数据和清筛数据。
8.一种振动数据干扰降噪系统,其特征在于,包括:
第一数据获取模块,用于获取第一振动波数据,所述第一振动波数据包括干扰数据和正常数据;
第一计算模块,用于将所述第一振动波数据通过EMD经验模态分解为多条第二振动曲线;
第二计算模块,用于将每个所述第二振动曲线均进行分形维数计算,得到每个所述第二振动曲线的第二分形维数特征,并根据所述第二分形维数特征获得所述第二振动曲线的第二分形维数值范围;
第三计算模块,用于获取干扰数据库中预存的第三振动波数据的第一分形维数值范围,依次将所述第二分形维数值与所述第一分形维数值进行对比,剔除与所述第三振动波数据相近的所述第二振动曲线;
第四计算模块,用于将剔除后剩余的所述第二振动曲线进行重组,得到降噪后的振动波数据。
9.一种振动数据干扰降噪设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述振动数据干扰降噪方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质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如权利要求1至7任一项所述振动数据干扰降噪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011465069.3A CN112232321B (zh) | 2020-12-14 | 2020-12-14 | 一种振动数据干扰降噪方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011465069.3A CN112232321B (zh) | 2020-12-14 | 2020-12-14 | 一种振动数据干扰降噪方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232321A true CN112232321A (zh) | 2021-01-15 |
CN112232321B CN112232321B (zh) | 2021-03-19 |
Family
ID=74124883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011465069.3A Active CN112232321B (zh) | 2020-12-14 | 2020-12-14 | 一种振动数据干扰降噪方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232321B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034499A (zh) * | 2021-05-24 | 2021-06-25 | 西南交通大学 | 边坡坡面危险区预测方法、装置、设备及可读存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008037260A2 (en) * | 2006-09-26 | 2008-04-03 | Morpheus Medical | Methods for a movement and vibration analyzer (mva) |
DE102008039060A1 (de) * | 2008-08-21 | 2010-02-25 | Ingmar Kruse | Verfahren zur Optimierung von Schwellwertgebirgen für die Rasterung |
CN102998706A (zh) * | 2012-11-23 | 2013-03-27 | 中国石油大学(北京) | 一种衰减地震数据随机噪声的方法及系统 |
CN104504181A (zh) * | 2014-12-10 | 2015-04-08 | 宁波大学 | 一种基于稀疏复原的信号包络线提取方法 |
CN104636609A (zh) * | 2015-01-30 | 2015-05-20 | 电子科技大学 | 一种基于经验模态分解与小波分析的信号联合去噪方法 |
CN105095482A (zh) * | 2015-08-13 | 2015-11-25 | 浪潮(北京)电子信息产业有限公司 | 一种检测异常数据区间的数据挖掘方法及系统 |
CN106844293A (zh) * | 2017-02-03 | 2017-06-13 | 中国铁道科学研究院 | 一种经验模态分解中模态混叠问题的自适应解耦方法 |
CN107526064A (zh) * | 2017-07-10 | 2017-12-29 | 上海电机学院 | 基于二维特征的自适应lfm信号参数估计方法 |
CN107767010A (zh) * | 2017-08-04 | 2018-03-06 | 平安科技(深圳)有限公司 | 范围值数据统计方法、电子装置及计算机可读存储介质 |
CN107907327A (zh) * | 2017-11-14 | 2018-04-13 | 上海电力学院 | 一种风电机组行星齿轮箱故障诊断方法 |
CN108061821A (zh) * | 2016-11-05 | 2018-05-22 | 南京理工大学 | 一种改进的双馈风力发电系统谐波检测方法 |
CN109558857A (zh) * | 2018-12-10 | 2019-04-02 | 西安邮电大学 | 一种混沌信号降噪方法 |
CN110287446A (zh) * | 2019-05-29 | 2019-09-27 | 东南大学 | 一种快速二维多元经验模态分解算法 |
CN110907991A (zh) * | 2019-12-11 | 2020-03-24 | 重庆大学 | 基于数据场势值的震源定位方法、系统及可读存储介质 |
CN111400346A (zh) * | 2020-03-13 | 2020-07-10 | 苏州浪潮智能科技有限公司 | 一种提升数据库一体机执行效率的方法、设备、装置和介质 |
CN111640519A (zh) * | 2020-05-07 | 2020-09-08 | 中国工程物理研究院核物理与化学研究所 | 一种基于改进小波分形算法的反应堆中子噪声频谱分析方法 |
-
2020
- 2020-12-14 CN CN202011465069.3A patent/CN112232321B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008037260A2 (en) * | 2006-09-26 | 2008-04-03 | Morpheus Medical | Methods for a movement and vibration analyzer (mva) |
DE102008039060A1 (de) * | 2008-08-21 | 2010-02-25 | Ingmar Kruse | Verfahren zur Optimierung von Schwellwertgebirgen für die Rasterung |
CN102998706A (zh) * | 2012-11-23 | 2013-03-27 | 中国石油大学(北京) | 一种衰减地震数据随机噪声的方法及系统 |
CN104504181A (zh) * | 2014-12-10 | 2015-04-08 | 宁波大学 | 一种基于稀疏复原的信号包络线提取方法 |
CN104636609A (zh) * | 2015-01-30 | 2015-05-20 | 电子科技大学 | 一种基于经验模态分解与小波分析的信号联合去噪方法 |
CN105095482A (zh) * | 2015-08-13 | 2015-11-25 | 浪潮(北京)电子信息产业有限公司 | 一种检测异常数据区间的数据挖掘方法及系统 |
CN108061821A (zh) * | 2016-11-05 | 2018-05-22 | 南京理工大学 | 一种改进的双馈风力发电系统谐波检测方法 |
CN106844293A (zh) * | 2017-02-03 | 2017-06-13 | 中国铁道科学研究院 | 一种经验模态分解中模态混叠问题的自适应解耦方法 |
CN107526064A (zh) * | 2017-07-10 | 2017-12-29 | 上海电机学院 | 基于二维特征的自适应lfm信号参数估计方法 |
CN107767010A (zh) * | 2017-08-04 | 2018-03-06 | 平安科技(深圳)有限公司 | 范围值数据统计方法、电子装置及计算机可读存储介质 |
CN107907327A (zh) * | 2017-11-14 | 2018-04-13 | 上海电力学院 | 一种风电机组行星齿轮箱故障诊断方法 |
CN109558857A (zh) * | 2018-12-10 | 2019-04-02 | 西安邮电大学 | 一种混沌信号降噪方法 |
CN110287446A (zh) * | 2019-05-29 | 2019-09-27 | 东南大学 | 一种快速二维多元经验模态分解算法 |
CN110907991A (zh) * | 2019-12-11 | 2020-03-24 | 重庆大学 | 基于数据场势值的震源定位方法、系统及可读存储介质 |
CN111400346A (zh) * | 2020-03-13 | 2020-07-10 | 苏州浪潮智能科技有限公司 | 一种提升数据库一体机执行效率的方法、设备、装置和介质 |
CN111640519A (zh) * | 2020-05-07 | 2020-09-08 | 中国工程物理研究院核物理与化学研究所 | 一种基于改进小波分形算法的反应堆中子噪声频谱分析方法 |
Non-Patent Citations (5)
Title |
---|
RUILI ZENG 等: "A method of fault detection on diesel engine based on EMD-fractal dimension and fuzzy C-mean clustering algorithm", 《2017 29TH CHINESE CONTROL AND DECISION CONFERENCE》 * |
唐雅蕾: "分形理论在P波震相识别中的应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
喻圆圆: "永平铜矿露天爆破震动信号时频与分形盒维数特征研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
杨长卫 等: "地震作用下有砟轨道路基动力响应规律振动台试验", 《岩土力学》 * |
阮有兴: "基于希尔伯特—黄变换的移动荷载作用下桥梁健康监测方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034499A (zh) * | 2021-05-24 | 2021-06-25 | 西南交通大学 | 边坡坡面危险区预测方法、装置、设备及可读存储介质 |
CN113034499B (zh) * | 2021-05-24 | 2021-09-21 | 西南交通大学 | 边坡坡面危险区预测方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112232321B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110491407B (zh) | 语音降噪的方法、装置、电子设备及存储介质 | |
CN109801644A (zh) | 混合声音信号的分离方法、装置、电子设备和可读介质 | |
US11941968B2 (en) | Systems and methods for identifying an acoustic source based on observed sound | |
CN110490296A (zh) | 一种构造卷积神经网络(cnn)模型的方法和系统 | |
US10709353B1 (en) | Detecting a respiratory abnormality using a convolution, and applications thereof | |
CN110992963B (zh) | 网络通话方法、装置、计算机设备及存储介质 | |
US10709414B1 (en) | Predicting a respiratory event based on trend information, and applications thereof | |
CN110505332A (zh) | 一种降噪方法、装置、移动终端及存储介质 | |
CN112232321B (zh) | 一种振动数据干扰降噪方法、装置、设备及可读存储介质 | |
CN109192214B (zh) | 一种语音取号方法、存储介质和机器人 | |
US20210145311A1 (en) | Digital stethoscope for detecting a respiratory abnormality and architectures thereof | |
CN109065017B (zh) | 语音数据生成方法及相关装置 | |
CN113259832B (zh) | 麦克风阵列的检测方法、装置、电子设备及存储介质 | |
CN110838306A (zh) | 语音信号检测方法、计算机存储介质及相关设备 | |
CN112735466B (zh) | 一种音频检测方法及装置 | |
CN112969130A (zh) | 音频信号处理方法、装置和电子设备 | |
CN112820278A (zh) | 基于智能耳机的家用门铃声自动监测方法、设备及介质 | |
CN115223584B (zh) | 音频数据处理方法、装置、设备及存储介质 | |
CN105912243A (zh) | 电子设备屏幕保护方法、装置及电子设备 | |
CN107154996B (zh) | 来电拦截方法、装置、存储介质及终端 | |
CN106340310A (zh) | 语音检测方法及装置 | |
CN115223221A (zh) | 人脸检测方法、装置、电子设备和存储介质 | |
US10702239B1 (en) | Predicting characteristics of a future respiratory event, and applications thereof | |
US10716534B1 (en) | Base station for a digital stethoscope, and applications thereof | |
CN114664313A (zh) | 语音识别方法、装置、计算机设备、存储介质和程序产品 |
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 |