CN113011265A - 一种基于esmd联合自适应阈值的局部放电信号去噪方法 - Google Patents

一种基于esmd联合自适应阈值的局部放电信号去噪方法 Download PDF

Info

Publication number
CN113011265A
CN113011265A CN202110197061.1A CN202110197061A CN113011265A CN 113011265 A CN113011265 A CN 113011265A CN 202110197061 A CN202110197061 A CN 202110197061A CN 113011265 A CN113011265 A CN 113011265A
Authority
CN
China
Prior art keywords
partial discharge
discharge signal
esmd
modal
signal
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
Application number
CN202110197061.1A
Other languages
English (en)
Inventor
蒋伟
陈浪
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.)
Shanghai University of Electric Power
Shanghai Electric Power University
University of Shanghai for Science and Technology
Original Assignee
Shanghai Electric Power University
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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202110197061.1A priority Critical patent/CN113011265A/zh
Publication of CN113011265A publication Critical patent/CN113011265A/zh
Pending legal-status Critical Current

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
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及一种基于ESMD联合自适应阈值的局部放电信号去噪方法，包括：1)输入待处理的局部放电信号；2)利用极点对称模态分解算法对染噪局部放电信号进行分解，得到模态分量和残余分量；3)计算各个模态分量的相关系数，根据相关系数准则，保留原始局部放电信号；4)再次计算各个模态分量的峭度值，选择合适的峭度值，保留局部放电信号特征丰富的模态分量；5)对筛选后的模态分量进行重构并使用自适应阈值滤波，得到最终的去噪后的局部放电信号。本发明利用ESMD对局部放电信号进行分解，可以避免模态混叠和端点效应，并对每个模态分量进行分析，可有效保留局部放电信号特征，减少局部放电波形畸变率，为局部放电的故障诊断提供了基础。

Description

一种基于ESMD联合自适应阈值的局部放电信号去噪方法
技术领域
本发明涉及GIS局部放电在线监测技术领域，尤其是涉及一种基于ESMD联合自适应阈值的局部放电信号去噪方法。
背景技术
GIS设备在电力系统中起到极其重要的作用，直接关系到电网运行的安全及稳定。现如今，GIS被大量投入使用在枢纽变电站中。然而GIS一旦发生大面积影响的故障时，因其全封闭式结构使得人工故障定位极其困难，快速抢修不及时易造成经济损失乃至安全事故。GIS设备内部缺陷的早期局部放电信号比较微弱，而运行中的设备周围往往存在强大的干扰噪声源。可见局部放电信号相对噪声信噪比很低，几乎淹没在复杂的现场干扰中。
局部放电是一种非线性、非平稳的宽频信号，而噪声干扰主要为窄带周期干扰和白噪声。常见的局部放电降噪方法包括数字滤波、小波分析和经验模态分解(EMD)等时频分析方法，传统方法不足在于：难以有效抑制噪声的不利影响，无法有效保护信号细节，原始局部放电信号特征的损失严重，算法本身的局限性以及局放信号与噪声的复杂特性等问题，所以整体去噪效果一般。而极点对称模态分解(Extrem-point Symmetric ModeDecomposition Method，ESMD)方法是近年来提出的一种新型的信号分解技术，其主要创新是自适应全局均线概念的提出和直接插值法的引入。该方法不仅可以直观地体现各模态的振幅与频率的时变性，还可明确地获知总能量变化，上述特点为局部放电降噪提供了有效的新手段。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于ESMD联合自适应阈值的局部放电信号去噪方法。
本发明的目的可以通过以下技术方案来实现：
一种基于ESMD联合自适应阈值的局部放电信号去噪方法，该方法包括以下步骤：
步骤1：输入待处理的含噪局部放电信号；
步骤2：利用极点对称模态分解算法对含噪局部放电信号进行ESMD分解，得到模态分量和残余分量，每个模态分量分别包含局部放电信号在不同频率段的特征；
步骤3：计算各个模态分量的相关系数，并基于相关系数筛选出有效局部放电信号模态分量；
步骤4：再次计算各个模态分量的峭度值，并基于峭度值筛选出保留冲击成分及故障信息的信号模态分量；
步骤5：对筛选后的模态分量进行重构并自适应阈值滤波，得到去噪后的局部放电信号。
进一步地，所述的步骤2包括以下分步骤：
步骤201：找出信号g(t)的所有极值点，并将它们依次记为Ei，对所有相邻的极值点用线段连接，并标出线段的中点Fi，利用线性插值补充在中点集合的左右两边各加一个边界点F0和Fn，利用所获取的n+1个中点构造p条插值线L1,…,LP，p≥1，并计算对应的均值曲线L*＝(L1+…+LP)/p；
步骤202：对g(t)-L*重复步骤201直到|L*|≤ε，ε为预先设定的容许误差，或筛选次数达到了预先设定的最大值K，此时分解出第一个模态分量IMF1，并对g(t)-IMF1重复上述步骤依次获得IMF2，IMF3…，直到最后余量R剩余特定数量的极点。
进一步地，所述的步骤3具体包括：利用相关系数公式计算各个模态分量的相关系数值，保留相关系数值大于设定值的信号模态分量，即基于相关系数筛选出有效局部放电信号模态分量。
进一步地，所述的相关系数公式为：
Figure BDA0002947327190000021
式中，
Figure BDA0002947327190000022
为信号模态分量的相关系数，f(t)为原始局部放电信号，IMFi(t)为f(t)的第i阶IMF分量。
进一步地，所述的步骤4具体包括：利用峭度值公式计算各个模态分量的峭度值，筛选峭度值大于特定值的信号模态分量，即筛选出保留冲击成分及故障信息的信号模态分量。
进一步地，所述的峭度值公式为：
Figure BDA0002947327190000031
式中，K1为信号模态分量的峭度值，f(t)为原始局部放电信号，N为f(t)的信号长度，μ为f(t)的信号均值，σ为f(t)的信号方差。
进一步地，所述的步骤5具体包括：重构有效模态分量并使用自适应阈值函数对筛选出来的模态分量进行滤波，最后进行重构得到降噪后的局部放电信号。
进一步地，所述的自适应阈值函数，其对应的数学公式为：
Figure BDA0002947327190000032
式中，
Figure BDA0002947327190000033
为计算后的小波系数，ωj,k为重构信号小波系数，T为局部放电信号周期，α为自适应系数，取值范围为0≤α≤1。
进一步地，所述的设定值为0.3。
进一步地，所述的特定值为3。
与现有技术相比，本发明具有以下优点：
(1)本发明可以解决在强噪声环境下的GIS设备运行过程中的局部放电信号的降噪问题。本发明利用了简单的局部放电模型，将ESMD和自适应阈值滤波结合，该方法通过ESMD实现局部放电信号分解，分析各模态分量的特征，对分解后的各分量用相关法则筛选，可有效一直窄带周期干扰和白噪声，减少局部放电信号波形的畸变。
(2)本发明尽可能多地保留原始局部放电信号特征，减少能量损失，能在局部放电信号噪声的同时很好地保护细节信息。
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为本发明的方法流程图；
图2为本发明实施例中的局部放电信号和染噪信号图，其中，图2(a)为局部放电信号图，图2(b)为染噪信号图；
图3为本发明实施例中ESMD分解后的各模态分量和残余分量图；
图4为本发明实施例中ESMD分解后重构，采用本发明去噪方法和阈值去噪方法的结果图，其中图4(a)为采用本发明去噪方法的结果图，图4(b)为采用阈值去噪方法的结果图。
具体实施方式
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的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
具体实施例
如图1所示，一种基于ESMD联合自适应阈值的局部放电信号去噪方法，包含以下步骤：
步骤1)、输入待处理的局部放电信号；
步骤2)、对局部放电信号进行ESMD分解，得到多个模态分量和一个残余分量，每个模态分量分别包含局部放电信号在不同频率段的特征。
步骤21)、找出信号g(t)的所有极值点(极大值点和极小值点)，并将它们依次记为Ei(i＝1,2,…,n)，对所有相邻的极值点用线段连接，并标出线段的中点Fi(i＝1,2,…,n-1)，利用线性插值补充在中点集合的左右两边各加一个边界点F0和Fn，利用所获取的n+1个中点构造p条插值线L1,…,LP，p≥1，并计算对应的均值曲线L*＝(L1+…+LP)/p；
步骤22)、对g(t)-L*重复步骤201直到|L*|≤ε，ε为预先设定的容许误差，或筛选次数达到了预先设定的最大值K，此时分解出第一个模态分量IMF1，并对g(t)-IMF1重复上述步骤依次获得IMF2，IMF3…，直到最后余量R剩余特定数量的极点。
步骤3)、采用相关系数区分有效局部放电信号模态分量和虚假模态分量的过程为：利用相关系数公式得到各模态相关系数值，保留相关系数值大于0.3的模态，即初步筛选出有效局部放电信号模态：
Figure BDA0002947327190000051
式中，
Figure BDA0002947327190000052
为信号模态分量的相关系数，f(t)为原始局部放电信号，IMFi(t)为f(t)的第i阶IMF分量。
步骤4)、筛选峭度值大于3的模态分量，尽可能保留冲击成分较多以及故障信息丰富的模态分量：
Figure BDA0002947327190000061
式中，K1为信号模态分量的峭度值，f(t)为原始局部放电信号，N为f(t)的信号长度，μ为f(t)的信号均值，σ为f(t)的信号方差。
步骤5)、重构有效模态分量并使用硬、软阈值结合的自适应阈值函数对筛选出来的模态分量进行滤波，最后得到降噪后的局部放电信号：
Figure BDA0002947327190000062
式中，
Figure BDA0002947327190000063
为计算后的小波系数，ωj,k为重构信号小波系数，T为局部放电信号周期，α为自适应系数，取值范围为0≤α≤1。
算例
1、建立理想局部放电信号模型，包括单指数振荡衰减和双指数振荡模型，以及建立含有窄带周期干扰和白噪声的染噪局放信号模型，并对含噪信号进行ESMD分解，图2(a)和图2(b)分别为建立的GIS局部放电理想信号和含噪信号，图3为ESMD分解后的各模态分量。
2、计算每个模态分量的相关系数值和峭度值，可识别局部放电信号主导的模态，保留相关模态分量，即抑制了周期窄带干扰和白噪声。
3、可以看出从筛选后的模态分量重构仍残留部分噪声，利用自适应阈值方法滤除残留噪声，得到去噪后的波形图4(b)所示。将本文中的去噪方法与单独使用这两种方法以及目前普遍使用的经验模态分解方法进行对比，图4(a)为esmd去噪结果，可以看出，本发明的方法去噪效果稍好，减少了波形畸变，较完好的抑制噪声，且与原始局部放电信号更加接近。
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，可轻易想到各种等效的修改或替换，这些修改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)

1.一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，该方法包括以下步骤：
步骤1：输入待处理的含噪局部放电信号；
步骤2：利用极点对称模态分解算法对含噪局部放电信号进行ESMD分解，得到模态分量和残余分量，每个模态分量分别包含局部放电信号在不同频率段的特征；
步骤3：计算各个模态分量的相关系数，并基于相关系数筛选出有效局部放电信号模态分量；
步骤4：再次计算各个模态分量的峭度值，并基于峭度值筛选出保留冲击成分及故障信息的信号模态分量；
步骤5：对筛选后的模态分量进行重构并自适应阈值滤波，得到去噪后的局部放电信号。
2.根据权利要求1所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的步骤2包括以下分步骤：
步骤201：找出信号g(t)的所有极值点，并将它们依次记为Ei，对所有相邻的极值点用线段连接，并标出线段的中点Fi，利用线性插值补充在中点集合的左右两边各加一个边界点F0和Fn，利用所获取的n+1个中点构造p条插值线L1,…,LP，p≥1，并计算对应的均值曲线L*＝(L1+…+LP)/p；
步骤202：对g(t)-L*重复步骤201直到|L*|≤ε，ε为预先设定的容许误差，或筛选次数达到了预先设定的最大值K，此时分解出第一个模态分量IMF1，并对g(t)-IMF1重复上述步骤依次获得IMF2，IMF3…，直到最后余量R剩余特定数量的极点。
3.根据权利要求1所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的步骤3具体包括：利用相关系数公式计算各个模态分量的相关系数值，保留相关系数值大于设定值的信号模态分量，即基于相关系数筛选出有效局部放电信号模态分量。
4.根据权利要求3所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的相关系数公式为：
Figure FDA0002947327180000021
式中，
Figure FDA0002947327180000022
为信号模态分量的相关系数，f(t)为原始局部放电信号，IMFi(t)为f(t)的第i阶IMF分量。
5.根据权利要求1所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的步骤4具体包括：利用峭度值公式计算各个模态分量的峭度值，筛选峭度值大于特定值的信号模态分量，即筛选出保留冲击成分及故障信息的信号模态分量。
6.根据权利要求5所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的峭度值公式为：
Figure FDA0002947327180000023
式中，K1为信号模态分量的峭度值，f(t)为原始局部放电信号，N为f(t)的信号长度，μ为f(t)的信号均值，σ为f(t)的信号方差。
7.根据权利要求1所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的步骤5具体包括：重构有效模态分量并使用自适应阈值函数对筛选出来的模态分量进行滤波，最后进行重构得到降噪后的局部放电信号。
8.根据权利要求7所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的自适应阈值函数，其对应的数学公式为：
Figure FDA0002947327180000024
式中，
Figure FDA0002947327180000025
为计算后的小波系数，ωj,k为重构信号小波系数，T为局部放电信号周期，α为自适应系数，取值范围为0≤α≤1。
9.根据权利要求3所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的设定值为0.3。
10.根据权利要求5所述的一种基于ESMD联合自适应阈值的局部放电信号去噪方法，其特征在于，所述的特定值为3。
CN202110197061.1A 2021-02-22 2021-02-22 一种基于esmd联合自适应阈值的局部放电信号去噪方法 Pending CN113011265A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110197061.1A CN113011265A (zh) 2021-02-22 2021-02-22 一种基于esmd联合自适应阈值的局部放电信号去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110197061.1A CN113011265A (zh) 2021-02-22 2021-02-22 一种基于esmd联合自适应阈值的局部放电信号去噪方法

Publications (1)

Publication Number Publication Date
CN113011265A true CN113011265A (zh) 2021-06-22

Family

ID=76405810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110197061.1A Pending CN113011265A (zh) 2021-02-22 2021-02-22 一种基于esmd联合自适应阈值的局部放电信号去噪方法

Country Status (1)

Country Link
CN (1) CN113011265A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757233A (zh) * 2022-04-24 2022-07-15 珠海市伊特高科技有限公司 一种基于皮尔逊相关系数的iceemdan局部放电去噪方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105125204A (zh) * 2015-07-31 2015-12-09 华中科技大学 一种基于esmd方法的心电信号降噪方法
CN109858109A (zh) * 2019-01-14 2019-06-07 北京工业大学 一种基于相关性的emd与形态奇异值分解相结合的齿轮信号降噪方法
CN110334580A (zh) * 2019-05-04 2019-10-15 天津开发区精诺瀚海数据科技有限公司 基于集成增量的动态权重组合的设备故障分类方法
CN110470475A (zh) * 2019-09-04 2019-11-19 中国人民解放军空军工程大学航空机务士官学校 一种航空发动机中介轴承早期微弱故障诊断方法
CN111665424A (zh) * 2020-06-15 2020-09-15 国网山东省电力公司潍坊供电公司 一种电气设备局部放电信号去噪方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105125204A (zh) * 2015-07-31 2015-12-09 华中科技大学 一种基于esmd方法的心电信号降噪方法
CN109858109A (zh) * 2019-01-14 2019-06-07 北京工业大学 一种基于相关性的emd与形态奇异值分解相结合的齿轮信号降噪方法
CN110334580A (zh) * 2019-05-04 2019-10-15 天津开发区精诺瀚海数据科技有限公司 基于集成增量的动态权重组合的设备故障分类方法
CN110470475A (zh) * 2019-09-04 2019-11-19 中国人民解放军空军工程大学航空机务士官学校 一种航空发动机中介轴承早期微弱故障诊断方法
CN111665424A (zh) * 2020-06-15 2020-09-15 国网山东省电力公司潍坊供电公司 一种电气设备局部放电信号去噪方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIN-LIANG WANG等: ""Extreme-Point Symmetric Mode Decomposition Method for Nonlinear and Non-Stationary Signal Processing"", 《ARXIV》 *
唐宋元等: "《微弱信号处理理论》", 31 October 2018 *
王振华等: "基于ESMD和SVM的滚动轴承故障诊断", 《现代制造技术与装备》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757233A (zh) * 2022-04-24 2022-07-15 珠海市伊特高科技有限公司 一种基于皮尔逊相关系数的iceemdan局部放电去噪方法
CN114757233B (zh) * 2022-04-24 2023-07-11 珠海市伊特高科技有限公司 一种基于皮尔逊相关系数的iceemdan局部放电去噪方法

Similar Documents

Publication Publication Date Title
CN108804832B (zh) 一种基于vmd的间隔阈值局部放电去噪方法
WO2021056727A1 (zh) 一种基于变分模态分解和排列熵的联合降噪方法
Chen et al. Removal of power line interference from ECG signals using adaptive notch filters of sharp resolution
Boudraa et al. EMD-based signal filtering
Khan et al. Data denoising and compression for smart grid communication
CN108805059A (zh) 稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法
CN111616697B (zh) 一种基于新阈值函数小波变换的心电信号去噪算法
Kumar et al. Performance analysis of different filters for power line interface reduction in ECG signal
CN111160090B (zh) 一种bcg信号降噪方法及系统
Li et al. Weak crack detection for gearbox using sparse denoising and decomposition method
CN113011265A (zh) 一种基于esmd联合自适应阈值的局部放电信号去噪方法
CN110807349A (zh) 基于emd分解和小波阈值的自适应降噪方法
Almalchy et al. Noise removal from ECG signal based on filtering techniques
Sharma EEG signal denoising based on wavelet transform
Khan et al. PMU data analysis in smart grid using WPD
Rakshit et al. An improved EMD based ECG denoising method using adaptive switching mean filter
CN111553308A (zh) 一种电力变压器局部放电信号的重构方法
CN114330445A (zh) 一种基于变压器振动信号敏感imf的小波阈值去噪方法
CN110865410A (zh) 一种基于nar-tfpf压制地震勘探随机噪声的方法
CN110333054A (zh) 一种针对白车身焊接设备的缓变微小故障检测方法
Biswas et al. Noise removing from ECG signal using FIR filter with windowing techniques
CN112914588A (zh) 一种脑电爆发抑制指数计算方法及系统
Zhidong et al. A novel cancellation method of powerline interference in ECG signal based on EMD and adaptive filter
CN117316172A (zh) 一种机器人声发射信号的降噪方法及系统
Devi et al. Performance comparison and applications of sparsity based techniques for denoising of ECG signal

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210622