CN113011287A - 一种提高高斯信号分析精确度的方法及系统 - Google Patents
一种提高高斯信号分析精确度的方法及系统 Download PDFInfo
- Publication number
- CN113011287A CN113011287A CN202110231058.7A CN202110231058A CN113011287A CN 113011287 A CN113011287 A CN 113011287A CN 202110231058 A CN202110231058 A CN 202110231058A CN 113011287 A CN113011287 A CN 113011287A
- Authority
- CN
- China
- Prior art keywords
- signal
- gaussian
- inverse
- processing
- unit
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/36—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明公开了一种提高高斯信号分析精确度的方法及系统。本发明中,一种提高高斯信号分析精确度的方法,包括以下步骤:S1:采用正向R‑C逆变换和反向R‑C逆变换对高斯信号进行处理;S2:对S1得到的信号进行取差处理;S3:对S2取得的信号进行取绝对值处理。本发明还包括一种提高高斯信号分析精确度的系统,其包括预处理模块和反卷积模块,反卷积模块有3个,呈级联关系,当原始信号输入到系统中的时候,首先会经过预处理模块的处理,再经过3个反卷积模块的处理。本发明可以将高斯信号反卷积为冲击信号,进而可以方便地对实验数据进行分析研究;在实际情况中,由于还存在噪声的影响,故在对信号进行反卷积之前还需要进行预处理。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种提高高斯信号分析精确度的方法及系统。
背景技术
在实验过程中会得到各种数据,得到数据之后需要对各种实验数据进行处理以便进行后续研究,在核辐射探测器信号处理中,高斯函数信号一直是我们追求的目标之一,在核能谱数据处理中,高斯函数信号更是标准分布。实际测量能谱数据为类高斯信号,在对诸如类高斯信号进行分析研究的过程中需要借助行之有效的方法对信号进行处理。
发明人在实际使用过程中发现,这些现有技术至少存在以下技术问题:
实际实验及测量中所取得的信号往往是具有重叠峰的类高斯信号,由于峰与峰之间相隔较近,因此其会造成相互影响,给信号的后续分析计算,如谱线分析造成了障碍,而如果能将类高斯信号反卷积为冲击信号则能够使得各个信号相互独立开来,信号之间几乎不会造成相互影响,极大降低了分析难度,在核能谱处理中如是有人尝试采用高斯响应矩阵通过迭代的方法实现能谱信号的反卷积,但是由于迭代的次数与设置的误差有关系,所以得到的结果与原来系统之间的线性关系不好建立。
基于此,我们提出了一种提高高斯信号分析精确度的方法及系统,以将高斯信号反卷积为冲击信号,进而可以方便地对实验数据进行分析研究;在实际情况中,由于还存在噪声的影响,故在对信号进行反卷积之前还需要进行预处理。
发明内容
为克服上述存在之不足,本发明的发明人通过长期的探索尝试以及多次的实验和努力,不断改革与创新,提出了一种提高高斯信号分析精确度的方法及系统,其可以将高斯信号反卷积为冲击信号,进而可以方便地对实验数据进行分析研究;在实际情况中,由于还存在噪声的影响,故在对信号进行反卷积之前还需要进行预处理。
为实现上述目的本发明所采用的技术方案是:提供一种提高高斯信号分析精确度的方法,包括以下步骤:
S1:采用正向R-C逆变换和反向R-C逆变换对高斯信号进行处理;
S2:对S1得到的信号进行取差处理;
S3:对S2取得的信号进行取绝对值处理。
根据本发明所述的一种提高高斯信号分析精确度的方法,其进一步的优选技术方案是:其中,正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...。
根据本发明所述的一种提高高斯信号分析精确度的方法,其进一步的优选技术方案是:重复步骤S1-S3三次,以将高斯信号转化为冲击信号。
根据本发明所述的一种提高高斯信号分析精确度的方法,其进一步的优选技术方案是:在进行第一次的步骤S1之前对高斯信号进行预处理,以去除高斯信号中的噪声。
根据本发明所述的一种提高高斯信号分析精确度的方法,其进一步的优选技术方案是:所述预处理为采用滤波器进行滤波处理,以去除高斯信号中的噪声。
根据本发明所述的一种提高高斯信号分析精确度的方法,其进一步的优选技术方案是:所述滤波器为正向S-K数字滤波器和反向S-K数字滤波器,
其中,正向S-K数字滤波器定义如下:
反向S-K数字滤波器定义如下:
在本发明进一步的实施例中,还提供一种采用上述方法来提高高斯信号分析精确度的系统,包括反卷积模块,所述反卷积模块中包括逆变换单元和运算单元,当高斯信号输入到反卷积模块中的时候,会先经过逆变换单元的处理,再经过运算单元的处理。
根据本发明所述的系统,其进一步的优选技术方案是:所述逆变换单元包括两个子单元:正向R-C逆变换单元和反向R-C逆变换单元,
其中,正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...;
所述运算单元包括两个子单元:取差单元和取绝对值单元,取差单元完成对待处理信号的取差处理,取绝对值单元完成对待处理信号的取绝对值处理;
当高斯信号输入到反卷积模块中的时候,首先会经过正向R-C逆变换单元和反向R-C逆变换单元的处理,再依次经过取差单元和取绝对值单元的处理。
根据本发明所述的系统,其进一步的优选技术方案是:所述系统包括三个反卷积模块,三个反卷积模块为级联关系。
根据本发明所述的系统,其进一步的优选技术方案是:
系统中还包括预处理模块,所述预处理模块包括正向S-K数字滤波器和反向S-K数字滤波器,用以完成对输入信号的降噪处理,
其中,正向S-K数字滤波器定义如下:
反向S-K数字滤波器定义如下:
当原始信号输入到系统中的时候,首先会经过预处理模块的降噪处理,再经过反卷积模块的反卷积处理。
相比现有技术,本发明的技术方案具有如下优点/有益效果:
采用正向R-C逆变换,反向R-C逆变换取差值后再取绝对值的方法实现高斯信号的分解,经过三级级联实现了高斯信号到冲击信号的反卷积,但是当信号中叠加上一定的噪声后,计算出现混乱,如是我们又采用前期构造的具有强降噪能力的数字S-K滤波器进行了数据的预处理,取得了一些进展,并尝试采用实际测量能谱数据进行处理,达到了高斯峰信号反卷积的基本目标。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将对实施方式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是本发明中一种提高高斯信号分析精确度的方法的流程图。
图2是本发明中一种提高高斯信号分析精确度的系统的框图。
图3是本发明中反卷积模块的框图。
图4是本发明中预处理模块的框图。
图5是将高斯信号进行三次级联处理后的效果图。
图6是将高斯信号中叠加噪声后两次反卷积的模拟效果图。
图7是采用S-K数字滤波器处理(K=100,a=1.05)原始信号后取平均值的结果经过三次反卷积的模拟效果图。
图8是Fe-55 X射线能谱反卷积实验(K=50,20,10)效果图。
图9是Fe-55 X射线能谱反卷积实验(K=20,10,10)效果图。
图10是Fe-55 X射线能谱反卷积实验对数显示(K=20,10,10)效果图。
图中标记分别为:1、原始输入的高斯信号;2、对称的两半信号;3、经过两次级联处理后的信号;4、冲击信号。
具体实施方式
为使本发明目的、技术方案和优点更加清楚,下面对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明的一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。因此,以下提供的本发明的实施方式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方式。
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,则在随后的附图中可以不对其进行进一步定义和解释。
实际实验及测量中所取得的信号往往是具有重叠峰的类高斯信号,由于峰与峰之间相隔较近,因此其会造成相互影响,给信号的后续分析计算,如谱线分析造成了障碍,而如果能将类高斯信号反卷积为冲击信号则能够使得各个信号相互独立开来,信号之间几乎不会造成相互影响,极大降低了分析难度。
基于此,我们提出了一种提高高斯信号分析精确度的方法及系统,以将高斯信号反卷积为冲击信号,进而可以方便地对实验数据进行分析研究;在实际情况中,由于还存在噪声的影响,故在对信号进行反卷积之前还需要进行预处理。
如图1所示,本发明提供一种提高高斯信号分析精确度的方法,其具体包括以下步骤:
S1:采用正向R-C逆变换和反向R-C逆变换对高斯信号进行处理;
S2:对S1得到的信号进行取差处理;
S3:对S2取得的信号进行取绝对值处理;
其中,正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...。
原始输入的高斯信号1经过上述各步骤的处理之后,会变成对称的两半信号2,再进行一次处理之后,可以得到经过两次级联处理后的信号3,将原始输入的高斯信号1进行三次级联处理后的效果如图5所示,此时原始输入的高斯信号1变为了冲击信号4。
在实际实验和测量中,信号中往往还存在噪声,由于噪声会对反卷积处理过程造成较大影响,所以在输入原始信号之后,可以对原始信号进行预处理,以达到滤波降噪的目的,方便后续的反卷积处理。
在原始信号中叠加上随机噪声后,模拟效果见图6,模拟结果显示噪声对算法的影响很大,图6只能做到第二次反卷积运算,第三次的数据噪声太大没法使用。
图7为采用S-K数字滤波器[3]处理(K=100,a=1.05)原始信号后取平均值的结果经过三次反卷积的模拟效果,基本可以达到准确解算单峰的效果,其中,正向S-K数字滤波器定义如下:
反向S-K数字滤波器定义如下:
如图2-4所示,本发明还提供一种提高高斯信号分析精确度的系统,其包括反卷积模块,所述反卷积模块中包括逆变换单元和运算单元,当高斯信号输入到反卷积模块中的时候,会先经过逆变换单元的处理,再经过运算单元的处理。
所述逆变换单元包括两个子单元:正向R-C逆变换单元和反向R-C逆变换单元,其中,正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...;
所述运算单元包括两个子单元:取差单元和取绝对值单元,取差单元完成对待处理信号的取差处理,取绝对值单元完成对待处理信号的取绝对值处理;
当高斯信号输入到反卷积模块中的时候,首先会经过正向R-C逆变换单元和反向R-C逆变换单元的处理,再依次经过取差单元和取绝对值单元的处理。
所述系统包括三个反卷积模块,三个反卷积模块为级联关系。
另外,系统中还包括预处理模块,所述预处理模块包括正向S-K数字滤波器和反向S-K数字滤波器,用以完成对输入信号的降噪处理,其中,正向S-K数字滤波器定义如下:
反向S-K数字滤波器定义如下:
当原始信号输入到系统中的时候,首先会经过预处理模块的降噪处理,再经过反卷积模块的反卷积处理。
下面通过使用本发明中的方法和系统对实际信号进行处理,其过程如下:
实施例1:
如图8所示,实际实验中所取得的Fe-55 X射线能谱是类高斯信号,为了便于对其进行进一步的分析计算,可以使用本发明将其反卷积(K=50,20,10)为冲击信号。
首先将原始信号输入到预处理模块中,使用S-K数字滤波器(k=20,a=1.05)对其进行滤波降噪处理,然后用反卷积模块对信号进行进一步的处理,具体而言,当信号输入到反卷积模块中的时候,首先会经过正向R-C逆变换单元和反向R-C 逆变换单元的处理,再依次经过取差单元和取绝对值单元的处理;在经过三次反卷积模块的处理之后,如图8所示,可以将原始信号变换为冲击信号(冲击信号位于类高斯信号的峰上方)。
实施例2:
如图9所示,实际实验中所取得的Fe-55 X射线能谱是类高斯信号,为了便于对其进行进一步的分析计算,可以使用本发明将其反卷积(K=20,10,10)为冲击信号。
首先将原始信号输入到预处理模块中,使用S-K数字滤波器(k=20,a=1.05)对其进行滤波降噪处理,然后用反卷积模块对信号进行进一步的处理,具体而言,当信号输入到反卷积模块中的时候,首先会经过正向R-C逆变换单元和反向R-C 逆变换单元的处理,再依次经过取差单元和取绝对值单元的处理;在经过三次反卷积模块的处理之后,如图9所示,可以将原始信号变换为冲击信号(冲击信号位于类高斯信号的峰上方)。
图10是Fe-55 X射线能谱反卷积实验对数显示(K=20,10,10)效果图,图10中对数坐标显示设计的反卷积算法基本上把主要峰都明显的展示出来了,包括后部的完全堆积峰。
名词解释:
(1)正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...
(2)正向S-K数字滤波器定义如下:
反向S-K数字滤波器定义如下:
采用正向R-C逆变换,反向R-C逆变换取差值后再取绝对值的方法实现高斯信号的分解,经过三级级联实现了高斯信号到冲击信号的反卷积,但是当信号中叠加上一定的噪声后,计算出现混乱,如是我们又采用前期构造的具有强降噪能力的数字S-K滤波器进行了数据的预处理,取得了一些进展,并尝试采用实际测量能谱数据进行处理,达到了高斯峰信号反卷积的基本目标。
在以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种提高高斯信号分析精确度的方法,其特征在于,包括以下步骤
S1:采用正向R-C逆变换和反向R-C逆变换对高斯信号进行处理;
S2:对S1得到的信号进行取差处理;
S3:对S2取得的信号进行取绝对值处理。
2.根据权利要求1所述的一种提高高斯信号分析精确度的方法,其特征在于,
其中,正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...。
3.根据权利要求2所述的一种提高高斯信号分析精确度的方法,其特征在于,重复步骤S1-S3三次,以将高斯信号转化为冲击信号。
4.根据权利要求3所述的一种提高高斯信号分析精确度的方法,其特征在于,在进行第一次的步骤S1之前对高斯信号进行预处理,以去除高斯信号中的噪声。
5.根据权利要求4所述的一种提高高斯信号分析精确度的方法,其特征在于,所述预处理为采用滤波器进行滤波处理,以去除高斯信号中的噪声。
7.一种采用权利要求1-6任一所述的方法来提高高斯信号分析精确度的系统,其特征在于,包括反卷积模块,所述反卷积模块中包括逆变换单元和运算单元,当高斯信号输入到反卷积模块中的时候,会先经过逆变换单元的处理,再经过运算单元的处理。
8.根据权利要求7所述的系统,其特征在于,
所述逆变换单元包括两个子单元:正向R-C逆变换单元和反向R-C逆变换单元,其中,正向R-C逆变换定义如下:
X1[n]=Y[n]+k(Y[n]-Y[n-1]),n=0,1,2,3,...
反向R-C逆变换定义如下:
X2[n]=Y[n]+k(Y[n]-Y[n+1]),n=m,m-1,m-2,m-3,...;
所述运算单元包括两个子单元:取差单元和取绝对值单元,取差单元完成对待处理信号的取差处理,取绝对值单元完成对待处理信号的取绝对值处理;
当高斯信号输入到反卷积模块中的时候,首先会经过正向R-C逆变换单元和反向R-C逆变换单元的处理,再依次经过取差单元和取绝对值单元的处理。
9.根据权利要求8所述的系统,其特征在于,所述系统包括三个反卷积模块,三个反卷积模块为级联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231058.7A CN113011287A (zh) | 2021-03-02 | 2021-03-02 | 一种提高高斯信号分析精确度的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231058.7A CN113011287A (zh) | 2021-03-02 | 2021-03-02 | 一种提高高斯信号分析精确度的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113011287A true CN113011287A (zh) | 2021-06-22 |
Family
ID=76402510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110231058.7A Pending CN113011287A (zh) | 2021-03-02 | 2021-03-02 | 一种提高高斯信号分析精确度的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011287A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252899A (zh) * | 2022-03-02 | 2022-03-29 | 四川新先达测控技术有限公司 | 一种核信号的级联冲激卷积成形方法和装置 |
-
2021
- 2021-03-02 CN CN202110231058.7A patent/CN113011287A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252899A (zh) * | 2022-03-02 | 2022-03-29 | 四川新先达测控技术有限公司 | 一种核信号的级联冲激卷积成形方法和装置 |
CN114252899B (zh) * | 2022-03-02 | 2022-05-20 | 四川新先达测控技术有限公司 | 一种核信号的级联冲激卷积成形方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gupta et al. | Random-valued impulse noise removal using adaptive dual threshold median filter | |
Giannakis et al. | Signal detection and classification using matched filtering and higher order statistics | |
Ala et al. | An application of improved Bernoulli sub-equation function method to the nonlinear conformable time-fractional SRLW equation | |
CN113011287A (zh) | 一种提高高斯信号分析精确度的方法及系统 | |
Ďuriš et al. | The orthogonal wavelets in the frequency domain used for the images filtering | |
Lim et al. | Morphology for jet classification | |
CN113917540B (zh) | 基于稀疏约束的抗假频射线束进行地震数据去噪的方法 | |
CN113935246A (zh) | 一种信号鲁棒稀疏时频分析方法、终端设备及存储介质 | |
Bahador et al. | Mixed Poisson-Gaussian noise reduction using a time-space fractional differential equations | |
CN112381731A (zh) | 一种基于图像去噪的单帧条纹图像相位分析方法及系统 | |
CN111798531A (zh) | 一种应用于植株监测的图像深度卷积压缩感知重构方法 | |
CN111582132A (zh) | 基于改进eemd与pcnn的气体泄漏信号降噪方法 | |
Bai et al. | Fast preconditioners for total variation deblurring with antireflective boundary conditions | |
Monk | Wavelet Analysis: Event De-noising, Shower Evolution and Jet Substructure Without Jets | |
CN116113824A (zh) | 峰形状推定装置及峰形状推定方法 | |
CN113723471A (zh) | 纳米颗粒浓度和粒径估算方法及装置 | |
CN112001956A (zh) | 基于cnn的纹影法强激光远场焦斑测量图像去噪方法 | |
CN108387928B (zh) | 基于地震特征变换空间的数据构建方法 | |
CN111598797A (zh) | 一种基于非凸张量范数和全变分的高光谱图像恢复方法 | |
CN114118308B (zh) | 基于约束能量最小化变分自编码的高光谱目标检测方法 | |
CN114238862B (zh) | 一种波前特性分析方法及系统 | |
CN114329333B (zh) | 航空γ能谱数据NASVD降噪有效奇异值数目确定方法 | |
CN109190761A (zh) | 数据处理方法、装置、设备及存储介质 | |
Gazzola et al. | Image reconstruction and restoration using the simplified topological ε-algorithm | |
Nieminen et al. | 2-D multilevel FIR-median hybrid filters |
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 |