CN112329741A - 一种基于小波变换和形态学滤波的电敏感区信号去噪方法 - Google Patents
一种基于小波变换和形态学滤波的电敏感区信号去噪方法 Download PDFInfo
- Publication number
- CN112329741A CN112329741A CN202011397640.2A CN202011397640A CN112329741A CN 112329741 A CN112329741 A CN 112329741A CN 202011397640 A CN202011397640 A CN 202011397640A CN 112329741 A CN112329741 A CN 112329741A
- Authority
- CN
- China
- Prior art keywords
- signal
- wavelet
- threshold
- denoising
- peak
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001914 filtration Methods 0.000 title claims abstract description 25
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 22
- 230000009466 transformation Effects 0.000 title claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 239000002245 particle Substances 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000011859 microparticle Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 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
- 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
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
Abstract
本发明涉及一种基于小波变换和形态学滤波的电敏感区信号去噪方法,包括以下步骤:步骤1、对采集到的原始信号进行小波阈值去噪,去除高频噪声;步骤2、对小波阈值降噪后的信号进行形态学滤波,去除低频干扰;步骤3、利用峰值搜索算法实现信号中所有峰值的定位,根据上下线阈值法进行峰值的选取;步骤4、同时引入两个邻近峰值点相距不小于一个脉宽的准则,有效剔除了伪峰和重叠峰的干扰。本发明首先使用小波软阈值法去除高频噪声,再结合形态学滤波去除信号基底波动和工频及倍频谐波等的低频干扰,尽可能的保持了脉冲真实波形,对后续特征提取和识别不会带来误差。
Description
技术领域
本发明属于脉冲信号去噪技术领域,涉及电敏感区信号去噪方法,尤其是一种基于小波变换和形态学滤波的电敏感区信号去噪方法。
背景技术
在工业生产中,实时在线检测悬液中微颗粒尺寸及空间分布有着极其重要的意义。实现在线方式拓展将会为实际工业中颗粒识别统计带来更为及时、精确、分辨度更高的结果。这对认识工业生产过程中局部颗粒分布或颗粒群运动等非均相特性的监测,以及依据颗粒粒度变化情况,对工艺流程的反馈、调节、优化等都有着现实指导意义。电敏感区法进行微颗粒识别是一种检测悬液中微颗粒数量和大小的有效方法,将电敏感区法有效应用到在线测量中能够实现在线检测的要求。由于信号中脉冲的特征可以反映出颗粒特征、流速、流道形状等情况,脉冲的统计特征能反映出溶液中颗粒浓度等信息。因此,通过识别不同颗粒产生的脉冲信号是判别溶液中颗粒种类的有效手段。
迄今为止在科学和专利文献中公开的电敏感区法脉冲信号处理方式通常采用频域滤波。电敏感区法信号属于非平稳信号,虽然也有研究者提出单一非平稳信号处理方式。但以上方式都很难达到去除噪声的同时实现最大程度的脉冲波形不失真。尤其针对工业生产过程中的在线测量信号处理与识别算法的深入研究。如何有效去除信号中的电磁噪声干扰,同时保证颗粒脉冲波形的不失真以及辨识不同特性颗粒的脉冲,完成硬颗粒的检测计数等任务,是在线测量中的信号处理与识别的挑战和难点。
经检索,未发现与本发明相同或相似的技术方案。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于小波变换和形态学滤波的电敏感区信号去噪方法,能够有效去除信号中的电磁噪声干扰,同时保证颗粒脉冲波形的不失真以及辨识不同特性颗粒的脉冲,完成硬颗粒的检测计数等任务。
本发明解决其现实问题是采取以下技术方案实现的:
一种基于小波变换和形态学滤波的电敏感区信号去噪方法,包括以下步骤:
步骤1、对采集到的原始信号进行小波阈值去噪,去除高频噪声;
步骤2、对小波阈值降噪后的信号进行形态学滤波,去除低频干扰;
步骤3、利用峰值搜索算法实现信号中所有峰值的定位,根据上下线阈值法进行峰值的选取。
步骤4、同时引入两个邻近峰值点相距不小于一个脉宽的准则,有效剔除了伪峰和重叠峰的干扰。
而且,所述步骤1的具体步骤包括:
(1)令信号原始信号y[n]=x[n]+f[n]+p[n]+ε[n],0<n<N-1,对该原始信号y[n]进行小波分解,得到各级尺度系数;
其中,x[n]为包含脉冲的有用信号,f[n]为基底波动信号,p[n]为工频及谐波干扰,ε[n]为环境中的高斯白噪声;
(2)对小波分解后得到的各尺度系数设置阈值;
(3)通过对前四层细节分量进行模平方阈值法去噪,进一步获得干净信号小波系数的确切估计值;
模平方阈值函数式如下:
(4)根据干净信号的小波系数确切估计值,进行小波逆变换,实现信号的重构,得到小波阈值去除噪声后的信号小波阈值降噪后的信号G(t)。
而且,所述步骤2的具体步骤包括:
(2)合理设置结构元g(n)的尺寸和形状,该结构元g(n)选用直线结构元素进行滤波;
(3)经过开操作运算后得到低频干扰信号L(t);
(4)用小波阈值降噪后的信号G(t)减去低频干扰L(t)得到去除低频干扰后的H(t)信号。
本发明的优点和有益效果:
1、本发明提出一种基于小波变换和形态学滤波的电敏感区信号去噪方法,能够解决在线电敏感法信号中的去噪、去干扰问题。首先使用小波软阈值法去除高频噪声,再结合形态学滤波去除信号基底波动和工频及倍频谐波等等的低频干扰。本发明尽可能的保持了脉冲真实波形,对后续特征提取和识别不会带来误差。
2、本发明结合小波变换去噪算法以及形态学滤波算法提出一种电敏感区信号去噪方法,通过信号的在线采集,使用小波多分辨分析和小波软阈值法去除高频噪声;并提出了使用形态学滤波去除信号基线漂移及工频等低频干扰的优化方案。通过幅度阈值法,并结合脉宽限制条件,实现脉冲的精准定位。本发明一方面采用小波分解能够适合此类非平稳信号的分解,软小波阈值去噪方式中阈值选取及阈值函数的选取,能有效的去除高频信号中的噪声,对于去除高斯白噪声等高频噪声有着很好的效果;另一方面利用形态学滤波算法保护了脉冲有效信号的波形,以得到更好的去除低频干扰的效果,如:工频干扰、基底波动等。两种去噪方法的结合能够最大程度的保留原始脉冲信号的波形,同时对于整体信号中噪声的去除有着显著的效果。
附图说明
图1为本发明的处理流程图;
图2(a)为本发明的原始数据的时域信号图;
图2(b)为本发明的原始数据的频域信号图;
图3(a)为本发明的原始信号Y(t)和小波阈值降噪后的信号G(t)的时域信号图;
图3(b)为本发明的原始信号Y(t)和小波阈值降噪后的信号G(t)的频域信号图;
图4(a)为本发明的小波阈值降噪后的信号G(t)和经形态学滤波得到的低频干扰信号L(t)细节对比图;
图4(b)为本发明的小波阈值降噪后的信号G(t)和去低频干扰后的信号H(t)基线变化对比图;
图4(c)为本发明的小波阈值降噪后的信号G(t)和低频干扰信号L(t)的对比图;
图4(d)为本发明的去低频干扰后的信号H(t)图;
图4(e)为本发明的小波阈值降噪后的信号G(t)的幅频特性图;
图4(f)为本发明的去低频干扰后的信号H(t)的幅频特性图;
经形态学滤波后所得到的信号H(t)基准线变为零,基线更加平稳,同时最大程度的保持了波形的真实形状;
图5为本发明的脉冲峰值定位图;
图6为本发明的截取到的颗粒脉冲波形图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
一种基于小波变换和形态学滤波的电敏感区信号去噪方法,如图1所示,包括以下步骤:
步骤1、对采集到的原始信号进行小波阈值去噪,去除高频噪声;
所述步骤1的具体步骤包括:
(1)令信号原始信号y[n]=x[n]+f[n]+p[n]+ε[n],0<n<N-1,原始信号的时频信号如图2所示。对该原始信号y[n]进行小波分解,得到各级尺度系数;
其中,x[n]为包含脉冲的有用信号,f[n]为基底波动信号,p[n]为工频及谐波干扰,ε[n]为环境中的高斯白噪声;
在本实施例中,对原始信号y[n]进行小波分解,小波基函数选择db10小波基函数实现5级小波分解,得到各级尺度系数。
(2)对小波分解后得到的各尺度系数设置阈值;
(3)通过对前四层细节分量进行模平方阈值法去噪,进一步获得干净信号小波系数的确切估计值;
模平方阈值函数式如下:
(4)根据干净信号的小波系数确切估计值,进行小波逆变换,实现信号的重构,得到小波阈值去除噪声后的信号小波阈值降噪后的信号G(t)。
小波阈值去噪结果如图3所示。利用小波阈值去噪方法,依据信号特征合理设置好小波分解的层数和阈值,有效地去除了原始信号中的噪声高频分量。一方面保持住了真实信号脉冲的波形,另外也达到了理想的去噪效果。
步骤2、对小波阈值降噪后的信号进行形态学滤波,去除低频干扰。
信号处理结果如图4所示。
所述步骤2的具体步骤包括:
(2)合理设置结构元g(n)的尺寸和形状,该结构元g(n)选用直线结构元素进行滤波;
在本实施例中,同时根据脉宽宽度均在200个采样点以内,将g(n)的宽度L设置为100。
(3)经过开操作运算后得到低频干扰信号L(t)
(4)用小波阈值降噪后的信号G(t)减去低频干扰L(t)得到去除低频干扰后的H(t)信号。
在本实施例中,该H(t)有效的消除了低频的干扰,保证了信号基准线为零。方法容易实现,并且去除低频基底波动效果良好。同样也极大程度的在保证原始脉冲不失真的情况下去除了低频干扰。
步骤3、利用峰值搜索算法实现信号中所有峰值的定位,定位结果如图5所示。根据上下线阈值法进行峰值的选取。
步骤4、同时引入两个邻近峰值点相距不小于一个脉宽的准则,有效剔除了伪峰和重叠峰的干扰。最终提取出图6所示的信号脉冲。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (3)
1.一种基于小波变换和形态学滤波的电敏感区信号去噪方法,其特征在于:包括以下步骤:
步骤1、对采集到的原始信号进行小波阈值去噪,去除高频噪声;
步骤2、对小波阈值降噪后的信号进行形态学滤波,去除低频干扰;
步骤3、利用峰值搜索算法实现信号中所有峰值的定位,根据上下线阈值法进行峰值的选取;
步骤4、同时引入两个邻近峰值点相距不小于一个脉宽的准则,有效剔除了伪峰和重叠峰的干扰。
2.根据权利要求1所述的一种基于小波变换和形态学滤波的电敏感区信号去噪方法,其特征在于:所述步骤1的具体步骤包括:
(1)令信号原始信号y[n]=x[n]+f[n]+p[n]+ε[n],0<n<N-1,对该原始信号y[n]进行小波分解,得到各级尺度系数;
其中,x[n]为包含脉冲的有用信号,f[n]为基底波动信号,p[n]为工频及谐波干扰,ε[n]为环境中的高斯白噪声;
(2)对小波分解后得到的各尺度系数设置阈值;
(3)通过对前四层细节分量进行模平方阈值法去噪,进一步获得干净信号小波系数的确切估计值;
模平方阈值函数式如下:
(4)根据干净信号的小波系数确切估计值,进行小波逆变换,实现信号的重构,得到小波阈值去除噪声后的信号小波阈值降噪后的信号G(t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011397640.2A CN112329741A (zh) | 2020-12-04 | 2020-12-04 | 一种基于小波变换和形态学滤波的电敏感区信号去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011397640.2A CN112329741A (zh) | 2020-12-04 | 2020-12-04 | 一种基于小波变换和形态学滤波的电敏感区信号去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112329741A true CN112329741A (zh) | 2021-02-05 |
Family
ID=74301471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011397640.2A Pending CN112329741A (zh) | 2020-12-04 | 2020-12-04 | 一种基于小波变换和形态学滤波的电敏感区信号去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329741A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093540A (zh) * | 2021-03-31 | 2021-07-09 | 中国科学院光电技术研究所 | 一种基于小波阈值去噪的滑模扰动观测器设计方法 |
CN117092406A (zh) * | 2023-08-23 | 2023-11-21 | 华北电力大学(保定) | 一种用于交流电晕电流脉冲的数据统计方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103829944B (zh) * | 2014-03-26 | 2016-02-24 | 重庆大学 | 基于模式识别的胸阻抗信号处理方法 |
CN111383216A (zh) * | 2020-03-10 | 2020-07-07 | 新疆大学 | 图像间变化的检测方法及装置 |
CN111887843A (zh) * | 2020-08-07 | 2020-11-06 | 浙江环玛信息科技有限公司 | 融合性癫痫发作期自动检测方法及系统 |
-
2020
- 2020-12-04 CN CN202011397640.2A patent/CN112329741A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103829944B (zh) * | 2014-03-26 | 2016-02-24 | 重庆大学 | 基于模式识别的胸阻抗信号处理方法 |
CN111383216A (zh) * | 2020-03-10 | 2020-07-07 | 新疆大学 | 图像间变化的检测方法及装置 |
CN111887843A (zh) * | 2020-08-07 | 2020-11-06 | 浙江环玛信息科技有限公司 | 融合性癫痫发作期自动检测方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093540A (zh) * | 2021-03-31 | 2021-07-09 | 中国科学院光电技术研究所 | 一种基于小波阈值去噪的滑模扰动观测器设计方法 |
CN117092406A (zh) * | 2023-08-23 | 2023-11-21 | 华北电力大学(保定) | 一种用于交流电晕电流脉冲的数据统计方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112329741A (zh) | 一种基于小波变换和形态学滤波的电敏感区信号去噪方法 | |
CN105549097A (zh) | 一种瞬变电磁信号工频及其谐波干扰消除方法及装置 | |
CN110646851B (zh) | 一种基于Shearlet变换的自适应阈值地震随机噪声压制方法 | |
CN104007469A (zh) | 一种基于曲波变换的弱地震信号重构方法 | |
CN108444954B (zh) | 光谱信号峰值检测方法、装置以及系统 | |
CN110503060B (zh) | 一种光谱信号去噪方法及其系统 | |
CN110682159A (zh) | 一种刀具磨损状态识别方法及装置 | |
CN102184451B (zh) | 一种基于多小波融合特征的神经元动作特征提取方法 | |
Zheng et al. | A novel edge detection for buried target extraction after SVD-2D wavelet processing | |
CN108270543A (zh) | 一种基于小波空域相关法的侧信道攻击预处理方法 | |
Tang et al. | Adaptive threshold shearlet transform for surface microseismic data denoising | |
Zhou et al. | Unsupervised machine learning for waveform extraction in microseismic denoising | |
Sun et al. | Wavelet denoising method based on improved threshold function | |
CN113568058B (zh) | 一种基于多分辨率奇异值分解的大地电磁信噪分离方法及系统 | |
CN114239757B (zh) | 一种电磁时间序列数据的去噪方法及系统 | |
CN112817056B (zh) | 一种大地电磁信号去噪方法及系统 | |
CN114358040A (zh) | 一种基于自适应估算阈值法的扰动信号去噪方法 | |
Wang et al. | Image edge detection algorithm based onwavelet fractional differential theory | |
Zhang et al. | Research on threshold denoising method of mining machinery | |
Li et al. | De-noising algorithm for magnetotelluric signal based on mathematical morphology filtering | |
CN117574056B (zh) | 基于混合神经网络模型的广域电磁数据去噪方法及系统 | |
CN109271971B (zh) | 一种用于时序金融数据的降噪方法 | |
Wang et al. | Seismic noise attenuation by applying a deep learning method without noise-free labels | |
Yang et al. | Image edge detection based on Gaussian mixture model in nonsubsampled contourlet domain | |
CN116299732A (zh) | 一种航空瞬变电磁剖面数据噪声压制方法 |
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 |