CN113238190A - 一种基于emd联合小波阈值的探地雷达回波信号去噪方法 - Google Patents
一种基于emd联合小波阈值的探地雷达回波信号去噪方法 Download PDFInfo
- Publication number
- CN113238190A CN113238190A CN202110391168.XA CN202110391168A CN113238190A CN 113238190 A CN113238190 A CN 113238190A CN 202110391168 A CN202110391168 A CN 202110391168A CN 113238190 A CN113238190 A CN 113238190A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- echo signal
- threshold
- component
- emd
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于EMD联合小波阈值的回波信号去噪方法,包括以下步骤:获取回波信号,将回波信号设为s(t);对回波信号s(t)进行EMD分解,得到回波信号的所有固有模态函数IMF分量;分别计算各固有模态函数分量与回波信号s(t)的互相关系数R,第j个固有模态函数的互相关系数记为Rj,找出其中最大互相关系数Rmax,并筛选出Rj<Rmax/10的IMF分量,将筛选出Rj<Rmax/10的固有模态函数分量定义为噪声分量,将Rj≥Rmax/10的固有模态函数分量定义为有用分量;将筛选出的噪声分量进行累加,得到累加后的噪声分量,采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量;将去噪后的噪声分量与有用分量进行累加,完成信号重构,得到去噪后的信号,该方法提升重构信号信噪比。
Description
技术领域
本发明涉及探地雷达信号处理技术领域,尤其涉及一种基于EMD联合改进小波阈值的探地雷达回波信号去噪方法。
背景技术
信号去噪是对接收的目标回波信号进行处理,从而确保后续处理的准确性;探地雷达接收天线在接收目标回波时,不可避免的会受到噪声等干扰,而这些干扰在一定程度上会影响目标物的回波信号,降低了雷达回波图像对目标物探测的准确度,因此对探地雷达回波信号进行去噪处理是十分必要的。
目前针对探地雷达回波信号去噪,比较流行的是小波阈值去噪算法和经验模态分解(EMD)去噪。小波阈值去噪是通过小波变换对信号进行处理,得到一系列小波系数。然后计算阈值并利用噪声信号对应的小波系数的幅值都要比有用信号对应的小波系数的幅值小的特性,结合阈值函数处理高频小波系数。其中阈值函数的设计体现了对小波系数的处理策略,因而至关重要。利用多项式插值方法设计的阈值函数不仅克服了硬阈值函数不连续的缺点,而且克服了软阈值函数存在固定偏差的缺点,因此应用比较广泛。但是它并没有考虑小波变换模值的衰减符合指数这一规律。同时,在小波系数小于阈值时如果做置零处理,这样会损失部分有用信息。
EMD分解去噪的原理是染噪信号经过EMD算法处理后,得到一组IMF分量(固有模态函数)。由于各IMF分量分别包含原信号的局部特征,因此可通过EMD部分重构去噪法来提升信号质量。EMD部分重构去噪法是将选出的噪声分量直接去除,对其余有用分量进行累加。但该方法忽略了噪声分量中的有用信号。因此在重构时,会影响重构信号的精准度。
此外,只利用小波和EMD进行去噪过于单一,而小波联合EMD的思想弥补了这种的缺陷。因其是将信号先利用小波阈值去噪法对信号进行去噪,然后再将整体去噪后的信号进行EMD部分重构,进一步剔除信号中的噪声。但是在该算法中,高频小波系数被进行两次的去噪处理,因此很大程度上会剔除其中的有用信息。
发明内容
根据现有技术存在的问题,本发明公开了一种基于EMD联合小波阈值的回波信号去噪方法,包括以下步骤:
获取回波信号,将回波信号设为s(t);
对回波信号s(t)进行EMD分解,得到回波信号的所有固有模态函数IMF分量;
分别计算各固有模态函数分量与回波信号s(t)的互相关系数R,第j个固有模态函数的互相关系数记为Rj,找出其中最大互相关系数Rmax,并筛选出Rj<Rmax/10的IMF分量,将筛选出Rj<Rmax/10的固有模态函数分量定义为噪声分量,将Rj≥Rmax/10的固有模态函数分量定义为有用分量;
将筛选出的噪声分量进行累加,得到累加后的噪声分量,采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量;
将去噪后的噪声分量与有用分量进行累加,完成信号重构,得到去噪后的信号。
进一步地,所述第j个固有模态函数分量的互相关系数Rj的计算方程如下:
其中:E(·)表示求期望计算。
进一步地,对回波信号s(t)进行EMD分解过程,得到回波信号的所有固有模态函数IMF分量如下:
利用三次样条插值法构造s(t)的上包络线up(t)和下包洛线down(t),并计算均值m(t)=up(t)+down(t)/2;令h(t)=s(t)-m(t),若h(t)满足极大值点和极小值点构成的上下包络线平均值为零和极值点和过零点数量相等时,h(t)为s(t)经EMD分解出的第一条IMF分量,否则令s(t)=h(t)继续重复上述步骤,直至筛选出所有IMF分量。
进一步地,所述采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量:
采用Db5小波基函数和5层小波分解层数,对累加后的噪声分量进行小波分解,得到5层高频小波系数及1层低频小波系数;
然后采用局部阈值形式的Sqtwolog阈值,并结合改进小波阈值函数对各层高频小波系数进行处理;
利用处理后的高频小波系数与低频小波系数进行信号重构,即通过小波逆变换,得到去噪后的噪声分量。
进一步地,所述局部阈值形式的Sqtwolog阈值的计算公式如下:
其中:thrj表示计算出的第j层阈值,σj和N分别为第j噪声标准差和信号长度。
进一步地,采用的改进小波阈值函数计算公式如下:
进一步地:所述回波信号为加入噪声形成仿真探地雷达回波信号。
由于采用了上述技术方案,本发明提供的一种基于EMD联合改进小波阈值的探地雷达回波信号去噪方法,本发明将EMD和小波阈值去噪算法相结合,先利用EMD算法对回波信号进行三次样条插值法构造上、下包络线并计算包络均值,再通过计算信号与均值的差值得出新的信号,若该信号满足①极大值点和极小值点构成的上下包络线平均值为零;②极值点和过零点数量相等时,则记为第一条IMF分量,否则令该信号继续重复对回波信号的处理过程,直至筛选出所有IMF分量。然后计算各IMF分量与原信号互相关系数,并找出互相关系数小于最大互相关系数1/10的分量,判为噪声分量,并将噪声分量累加。最后对累加的噪声分量进行小波分解来得到相应的小波系数,再利用改进阈值函数对高频小波系数进行处理,本发明的新阈值函数处理后的信号更加平滑,减少信号噪声;进一步提升质量并用于后续信号重构,大大提升重构信号信噪比。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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的附图。
图1是本发明方法的流程图;
图2为GPRMAX V2.0正演结构模型图;
图3为GPRMAX V2.0正演刨面图;
图4为第36道数据原信号;
图5为第36道仿真探地雷达回波信号;
图6为仿真探地雷达正演刨面图;
图7为经EMD分解后各IMF图像;
图8为改进阈值函数与其他阈值函数图像;
图9为经EMD联合改进小波阈值函数去噪的仿真信号效果图;
图10为经EMD联合改进小波阈值函数去噪的探地雷达正演刨面图;
图11(a)为经软阈值函数进行小波阈值去噪的仿真信号效果图;
图11(b)为经硬阈值函数进行小波阈值去噪的仿真信号效果图;
图11(c)为经多项式插值阈值函数进行小波阈值去噪的仿真信号效果图;
图11(d)为经改进小波阈值函数进行小波阈值去噪的仿真信号效果图;
图12(a)为经软阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图12(b)为经硬阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图12(c)为经多项式插值阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图12(d)为经改进小波阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图13为经EMD部分重构去噪的仿真信号效果图;
图14为经EMD部分重构去噪的探地雷达正演刨面图;
图15为经改进小波阈值函数联合EMD去噪的仿真信号效果图;
图16为经改进小波阈值函数联合EMD去噪的探地雷达正演刨面图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本发明方法的流程图,本发明提供一种基于EMD联合小波阈值的探地雷达回波信号去噪方法,步骤如下:
获取回波信号,将回波信号设为s(t);
对回波信号s(t)进行EMD分解,得到回波信号的所有固有模态函数(IMF)分量;其中:EMD表示经验模态分解;
分别计算各固有模态函数分量与回波信号s(t)的互相关系数R,第j个固有模态函数的互相关系数记为Rj,找出其中最大互相关系数Rmax,并筛选出Rj<Rmax/10的IMF分量,将筛选出Rj<Rmax/10的固有模态函数分量定义为噪声分量,将Rj≥Rmax/10的固有模态函数分量定义为有用分量;
将筛选出的噪声分量进行累加,得到累加后的噪声分量,采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量;
将去噪后的噪声分量与有用分量进行累加,完成信号重构,得到去噪后的信号。
进一步地,所述第j个固有模态函数分量的互相关系数Rj的计算方程如下:
其中:E(·)表示求期望计算。
进一步地,对回波信号s(t)进行EMD分解过程,得到回波信号的所有固有模态函数IMF分量如下:
利用三次样条插值法构造s(t)的上包络线up(t)和下包洛线down(t),并计算均值m(t)=up(t)+down(t)/2;令h(t)=s(t)-m(t),若h(t)满足极大值点和极小值点构成的上下包络线平均值为零和极值点和过零点数量相等时,h(t)为s(t)经EMD分解出的第一条IMF分量,否则令s(t)=h(t)继续重复上述步骤,直至筛选出所有IMF分量。
进一步地:所述采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量:
采用Db5小波基函数和5层小波分解层数,对累加后的噪声分量进行小波分解,得到5层高频小波系数及1层低频小波系数;
然后采用局部阈值形式的Sqtwolog阈值,并结合改进小波阈值函数对各层高频小波系数进行处理,而低频小波系数不做处理。
利用处理后的高频小波系数与低频小波系数进行信号重构,即通过小波逆变换,得到去噪后的噪声分量。
进一步地:所述局部阈值形式的Sqtwolog阈值的计算公式如下:
其中:thrj表示计算出的第j层阈值,σj和N分别为第j噪声标准差和信号长度。
其中:wj,k为第j层小波系数,median(·)代表取中值。
进一步地:采用的改进小波阈值函数计算公式如下:
所述回波信号可以是加入噪声形成仿真探地雷达回波信号,也可以是真实采集的回波信号,对加入噪声形成仿真探地雷达回波信号采用基于EMD联合小波阈值的去噪方法,详细步骤如下:
步骤S1:利用GPRMAX V2.0进行探地雷达探测正演数值模拟,设置道路结构模型剖面相关参数,建立探地雷达含噪回波信号的仿真模型;;
用GPRMAX V2.0进行探地雷达探测正演数值模拟,设置道路结构模型剖面大小为2m*1.5m,结构层及其电性参数设定自上而下分别为:第一层为空气层,空气的电导率=0(S/m)、相对介电常数=1,地下深度设置为0m-0.1m。第二层为路面层,地下深度设置为0.1m-0.35m,电性参数分别设置为电导率σ=0.001(S/m)、相对介电常数ε=5。第三层为路基层,地下深度设置为0.35m-0.75m,电性参数分别设置为电导率σ=0.005(S/m)、相对介电常数ε=15。第四层为底基层,地下深度设置为0.75m-1.05m,电性参数分别设置为电导率σ=0.01(S/m)、相对介电常数ε=25。第五层为垫层,地下深度设置为1.05m-1.5m,电性参数分别设置为电导率σ=0.1(S/m)、相对介电常数ε=35,在坐标(1,0.55)处有一半径为0.15m且内部充满空气的圆形空洞;图2为GPRMAX V2.0正演结构模型图;图3为GPRMAX V2.0正演刨面图;
步骤S2:提取探地雷达正演剖面图中的第36道回波信号,设其为f(t),
图4为第36道数据原信号图,并在此基础上加噪,设置仿真探地雷达回波设为s(t):
s(t)=f(t)+n(t) (5)
其中n(t)为加入SNR为10db的高斯白噪声,图5为第36道仿真探地雷达回波信号图;。
仿真探地雷达正演刨面图,图6为仿真探地雷达正演刨面图;
步骤S3:利用EMD算法将仿真信号s(t)分解成多个IMF分量;
s(t)形式变为:
上(5)式中,n表示IMF分量的数量;
步骤S4:计算各IMF分量与回波信号s(t)的互相关系数R,找出其中最大互相关系数Rmax,并筛选出Rj<Rmax/10的IMF分量,记为高频IMF分量,由于高频IMF分量包含了大量噪声,记为噪声分量。其中Rj为第j个IMF的互相关系数
步骤S5:将筛选出的噪声分量累加,并结合改进小波阈值函数,对其进行小波阈值去噪处理。
改进阈值函数与传统阈值函数相比,其具备连续性,克服了硬阈值函数不连续的缺点,且当m取正无穷时,在|wj,k|≥thr内的恒定偏差趋近于0,克服了软阈值函数恒定偏差的缺点。此外,改进阈值函数继承了多项式插值阈值函数的双阈值形式,提高了原信号波形的保留。而且引入了调节因子,提高了阈值处理的灵活性,而且恒定偏差会随着小波系数的增大而逐渐变小。因此,函数变化更加平滑;
步骤S6:将去噪处理后的噪声分量与有用分量直接进行累加,完成信号重构,得到去噪后的信号。
计算并对比各去噪方法下,重构信号的信噪比(SNR)、均方误差(RMSE)评价指标并演示各去噪手段下为每一道信号去噪得到剖面图;
实施例1
仿真条件:本实施例中提供的仿真是在主频3.0GHZ的Intel(R)Pentium(R)CPUG2030、内存4.0GB的硬件环境和MATLAB R2018a的软件环境下进行的。
仿真内容:本实施例中提供的实验为对比各小波阈值函数去噪、EMD部分重构去噪法、小波联合EMD去噪及本文EMD联合改进小波阈值函数的去噪效果并演示各去噪手段下为每一道信号去噪得到剖面图。
首先建立探地雷达回波仿真信号:
利用GPRMAX V2.0构造2m*1.5m的5层结构模型(空气层、面层、基层、底基层、垫层)及一个坐标(1,0.55)且半径为0.15m且内部充满空气的圆形空洞,并得到正演结构模型图及正演刨面图,并选择剖面图中第36道回波加SNR为10db高斯白噪声,设置仿真回波信号。
仿真实验结果及分析:
先对仿真探地雷达回波信号进行EMD分解,得到7个IMF分量,如图7所示;
计算各IMF的互相关系数,分别为0.0572、0.3317、0.2930、0.3777、0.5873、0.4589、0.3737;通过判决机制,第一个IMF分量为噪声分量,用于后续处理。
然后对筛选的噪声分量进行小波阈值去噪算法,在这里采用改进小波阈值函数,其函数图像如图8所示。
从函数图像上,不难发现,改进阈值函数与传统阈值函数相比。其具备连续性,克服了硬阈值函数不连续的缺点。且当m取正无穷时,在|wj,k|≥thr内的恒定偏差趋近于0,克服了软阈值函数恒定偏差的缺点。此外,改进阈值函数与多项式插值阈值函数相比,恒定偏差会随着小波系数的增大而逐渐变小。因此,函数变化更加平滑。
并设置Db5小波基函数、5层小波分解层数以及局部阈值形式的Sqtwolog阈值,对噪声分量进行小波阈值去噪处理,最后将处理后的噪声分量与有用分量进行累加,完成信号重构。
计算评价指标,EMD联合小波阈值的SNR和RMSE分别为21.5644和0.3696,图9为经EMD联合改进小波阈值函数去噪的仿真信号效果图;。
利用EMD联合小波阈值为每一道信号去噪的探地雷达正演刨面图,
图10为经EMD联合改进小波阈值函数去噪的探地雷达正演刨面图;
对比实验去噪方法如下:
对比实验一:利用各小波阈值函数进行去噪;
分别利用软、硬、多项式插值阈值函数以及改进阈值函数单独对仿真探地雷达回波信号进行小波阈值去噪,并采用Db5小波基函数、5层小波分解层数以及局部阈值形式的Sqtwolog阈值。
软阈值函数的公式如下:
硬阈值函数的公式如下:
多项式插值阈值函数如下:
本发明利用多项式插值阈值函数去噪时,令λ1=thr,λ2=thr/2。
去噪后计算的评价指标分别为:软阈值函数:SNR=16.4326、RMSE=0.7956。硬阈值函数:SNR=15.9886、RMSE=0.8451。多项式插值阈值函数:SNR=18.3895、RMSE=0.6951。改进阈值函数:SNR=19.2345、RMSE=0.5989。
各仿真信号去噪效果及为每一道信号去噪后的探地雷达正演刨面图,
图11(a)为经软阈值函数进行小波阈值去噪的仿真信号效果图;
图11(b)为经硬阈值函数进行小波阈值去噪的仿真信号效果图;
图11(c)为经多项式插值阈值函数进行小波阈值去噪的仿真信号效果图;
图11(d)为经改进小波阈值函数进行小波阈值去噪的仿真信号效果图;
图12(a)为经软阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图12(b)为经硬阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图12(c)为经多项式插值阈值函数进行小波阈值去噪的探地雷达正演刨面图;
图12(d)为经改进小波阈值函数进行小波阈值去噪的探地雷达正演刨面图;
对比实验二:EMD部分重构去噪法
先利用EMD对仿真信号进行分解,得到7个IMF分量。
计算各互相关系数为0.0572、0.3317、0.2930、0.3777、0.5873、0.4589、0.3737。
通过判断,第一个IMF分量为噪声分量。在这里直接忽略该分量,其余直接进行信号重构,完成信号去噪。
图13为经EMD部分重构去噪的仿真信号效果图;
计算评价指标:SNR为19.7935、RMSE为0.5441。利用EMD部分重构为每一道信号去噪的探地雷达正演刨面图,如图14所示。
对比实验三:小波联合EMD去噪法
先利用本文改进阈值函数对一维仿真信号进行小波阈值去噪处理,同样采用Db5小波基函数、5层小波分解层数以及局部阈值形式的Sqtwolog阈值。
然后对小波阈值去噪后的信号进行EMD部分重构法,完成信号去噪,仿真信号去噪效果如图15所示,计算评价指标:SNR为20.7665、RMSE为0.4141;为每一道信号去噪的探地雷达正演刨面图,如图16所示。
通过对比实验,本发明提出的EMD联合改进小波阈值函数对正演刨面图的去噪效果及评价指标上都优于各小波阈值函数、EMD部分重构去噪法及小波联合EMD去噪法。
综上所述,本发明的基于EMD联合改进小波阈值函数的探地雷达回波信号去噪方法,提高了回波信号的信噪比,减少了均方误差。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种基于EMD联合小波阈值的回波信号去噪方法,其特征在于:包括以下步骤:
获取回波信号,将回波信号设为s(t);
对回波信号s(t)进行EMD分解,得到回波信号的所有固有模态函数IMF分量;
分别计算各固有模态函数分量与回波信号s(t)的互相关系数R,第j个固有模态函数的互相关系数记为Rj,找出其中最大互相关系数Rmax,并筛选出Rj<Rmax/10的IMF分量,将筛选出Rj<Rmax/10的固有模态函数分量定义为噪声分量,将Rj≥Rmax/10的固有模态函数分量定义为有用分量;
将筛选出的噪声分量进行累加,得到累加后的噪声分量,采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量;
将去噪后的噪声分量与有用分量进行累加,完成信号重构,得到去噪后的信号。
3.根据权利要求1所述的一种基于EMD联合小波阈值的探地雷达回波信号去噪方法,其特征在于:对回波信号s(t)进行EMD分解过程,得到回波信号的所有固有模态函数IMF分量如下:
利用三次样条插值法构造s(t)的上包络线up(t)和下包洛线down(t),并计算均值m(t)=up(t)+down(t)/2;令h(t)=s(t)-m(t),若h(t)满足极大值点和极小值点构成的上下包络线平均值为零和极值点和过零点数量相等时,h(t)为s(t)经EMD分解出的第一条IMF分量,否则令s(t)=h(t)继续重复上述步骤,直至筛选出所有IMF分量。
4.根据权利要求1所述的一种基于EMD联合小波阈值的探地雷达回波信号去噪方法,其特征在于:所述采用改进小波阈值函数,对累加后的噪声分量进行小波阈值去噪处理,得到去噪后的噪声分量:
采用Db5小波基函数和5层小波分解层数,对累加后的噪声分量进行小波分解,得到5层高频小波系数及1层低频小波系数;
然后采用局部阈值形式的Sqtwolog阈值,并结合改进小波阈值函数对各层高频小波系数进行处理;
利用处理后的高频小波系数与低频小波系数进行信号重构,即通过小波逆变换,得到去噪后的噪声分量。
7.根据权利要求1所述的一种基于EMD联合小波阈值的探地雷达回波信号去噪方法,其特征在于:所述回波信号为加入噪声形成仿真探地雷达回波信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391168.XA CN113238190B (zh) | 2021-04-12 | 2021-04-12 | 一种基于emd联合小波阈值的探地雷达回波信号去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391168.XA CN113238190B (zh) | 2021-04-12 | 2021-04-12 | 一种基于emd联合小波阈值的探地雷达回波信号去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113238190A true CN113238190A (zh) | 2021-08-10 |
CN113238190B CN113238190B (zh) | 2023-07-21 |
Family
ID=77128100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391168.XA Active CN113238190B (zh) | 2021-04-12 | 2021-04-12 | 一种基于emd联合小波阈值的探地雷达回波信号去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113238190B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628627A (zh) * | 2021-08-11 | 2021-11-09 | 广东电网有限责任公司广州供电局 | 一种基于结构化语音分析的电力行业客户服务质检系统 |
CN113791453A (zh) * | 2021-09-17 | 2021-12-14 | 中国人民解放军海军潜艇学院 | 一种基于水下目标磁异常信号的最优小波基函数选取方法 |
CN114510976A (zh) * | 2022-02-15 | 2022-05-17 | 杭州电子科技大学 | 基于双变量阈值函数的呼吸信号去噪方法及装置 |
CN116108336A (zh) * | 2023-04-13 | 2023-05-12 | 吉林省百皓科技有限公司 | 一种基于小波变换的二氧化氯传感器信号去噪方法 |
CN117235585A (zh) * | 2023-11-16 | 2023-12-15 | 深圳市瑞健医信科技有限公司 | 一种可联机的血透信息管理系统 |
CN114510976B (zh) * | 2022-02-15 | 2024-05-24 | 杭州电子科技大学 | 基于双变量阈值函数的呼吸信号去噪方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100092028A1 (en) * | 2008-10-10 | 2010-04-15 | National Central University | Data Decomposition Method and Computer System Therefrom |
CN103954944A (zh) * | 2014-05-14 | 2014-07-30 | 武汉大学 | 一种高频地波雷达射频干扰抑制的方法 |
CN105913393A (zh) * | 2016-04-08 | 2016-08-31 | 暨南大学 | 一种自适应小波阈值图像去噪算法及装置 |
CN106897663A (zh) * | 2017-01-06 | 2017-06-27 | 重庆邮电大学 | 主成分分析改进小波算法的超声波消噪方法 |
CN108491355A (zh) * | 2018-02-05 | 2018-09-04 | 南京邮电大学 | 一种基于ceemd与小波包的超声信号降噪方法 |
CN108596144A (zh) * | 2018-05-09 | 2018-09-28 | 大连海事大学 | 一种分解参数自适应确定的互补集成经验模态分解方法 |
CN109145729A (zh) * | 2018-07-13 | 2019-01-04 | 杭州电子科技大学 | 基于改进小波阈值与eemd的肌电信号去噪方法 |
CN109359567A (zh) * | 2018-09-30 | 2019-02-19 | 江苏大学 | 一种基于改进小波阈值去噪的参数化传递路径分析方法 |
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 |
CN110163128A (zh) * | 2019-05-08 | 2019-08-23 | 南京邮电大学 | 改进的emd算法结合小波包变换及csp算法的脑电信号分类方法 |
US20190287220A1 (en) * | 2016-05-11 | 2019-09-19 | Cornell University | Systems, methods and programs for denoising signals using wavelets |
WO2019179340A1 (zh) * | 2018-03-19 | 2019-09-26 | 河北工业大学 | 基于eemd和msb的滚动轴承故障特征提取方法 |
CN110688964A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于稀疏分解的小波阈值与emd联合降噪方法 |
CN110807349A (zh) * | 2019-08-02 | 2020-02-18 | 邯郸钢铁集团有限责任公司 | 基于emd分解和小波阈值的自适应降噪方法 |
EP3730048A1 (fr) * | 2019-04-26 | 2020-10-28 | Thales | Dispositif et procede d'analyse de l'etat d'un systeme en contexte bruite |
US20200348438A1 (en) * | 2019-05-03 | 2020-11-05 | Guoqiang Xue | Method for Suppressing Airborne Transient Electromagnetic In-Band Vibration Noise |
-
2021
- 2021-04-12 CN CN202110391168.XA patent/CN113238190B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100092028A1 (en) * | 2008-10-10 | 2010-04-15 | National Central University | Data Decomposition Method and Computer System Therefrom |
CN103954944A (zh) * | 2014-05-14 | 2014-07-30 | 武汉大学 | 一种高频地波雷达射频干扰抑制的方法 |
CN105913393A (zh) * | 2016-04-08 | 2016-08-31 | 暨南大学 | 一种自适应小波阈值图像去噪算法及装置 |
US20190287220A1 (en) * | 2016-05-11 | 2019-09-19 | Cornell University | Systems, methods and programs for denoising signals using wavelets |
CN106897663A (zh) * | 2017-01-06 | 2017-06-27 | 重庆邮电大学 | 主成分分析改进小波算法的超声波消噪方法 |
CN108491355A (zh) * | 2018-02-05 | 2018-09-04 | 南京邮电大学 | 一种基于ceemd与小波包的超声信号降噪方法 |
WO2019179340A1 (zh) * | 2018-03-19 | 2019-09-26 | 河北工业大学 | 基于eemd和msb的滚动轴承故障特征提取方法 |
CN108596144A (zh) * | 2018-05-09 | 2018-09-28 | 大连海事大学 | 一种分解参数自适应确定的互补集成经验模态分解方法 |
CN109145729A (zh) * | 2018-07-13 | 2019-01-04 | 杭州电子科技大学 | 基于改进小波阈值与eemd的肌电信号去噪方法 |
CN109359567A (zh) * | 2018-09-30 | 2019-02-19 | 江苏大学 | 一种基于改进小波阈值去噪的参数化传递路径分析方法 |
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 |
EP3730048A1 (fr) * | 2019-04-26 | 2020-10-28 | Thales | Dispositif et procede d'analyse de l'etat d'un systeme en contexte bruite |
US20200348438A1 (en) * | 2019-05-03 | 2020-11-05 | Guoqiang Xue | Method for Suppressing Airborne Transient Electromagnetic In-Band Vibration Noise |
CN110163128A (zh) * | 2019-05-08 | 2019-08-23 | 南京邮电大学 | 改进的emd算法结合小波包变换及csp算法的脑电信号分类方法 |
CN110807349A (zh) * | 2019-08-02 | 2020-02-18 | 邯郸钢铁集团有限责任公司 | 基于emd分解和小波阈值的自适应降噪方法 |
CN110688964A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于稀疏分解的小波阈值与emd联合降噪方法 |
Non-Patent Citations (8)
Title |
---|
姜建玮; 李尚平; 李冰; 解向阳: "EMD分解与小波阈值联合去噪 在蔗地路谱信号处理中的应用", 制造业自动化, vol. 37, no. 11 * |
巨鑫;郑小鹏;武科含;周健;商冬明;徐静霞;: "基于EMD和改进小波阈值的地震信号去噪方法", 内蒙古石油化工, no. 05 * |
张成龙;刘超;赵兴旺;邓永春;: "基于改进EEMD的GPS多路径误差建模与削弱方法研究", 大地测量与地球动力学, no. 10 * |
张静,柳晓鸣,索继东: "用于雷达信号杂波抑制的小波算法选择", 中国航海, no. 03 * |
徐方慧; 王祝文; 刘菁华; 欧伟明: "联合EMD 及小波阈值去噪在电成像测井数据中的应用", 中国石油大学学报(自然科学版), vol. 44, no. 3 * |
赵坤;郑小霞: "基于改进EMD 和小波阈值法的风机数据降噪研究", 上海电力大学学报, vol. 36, no. 2 * |
赵坤;郑小霞: "基于改进EMD 和小波阈值法的风机数据降噪研究", 上海电力大学学报, vol. 36, no. 2, pages 1 - 5 * |
陈晓楠;索继东;柳晓鸣;: "基于改进小波阈值函数的船用雷达回波去噪", 沈阳工业大学学报, no. 02 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628627A (zh) * | 2021-08-11 | 2021-11-09 | 广东电网有限责任公司广州供电局 | 一种基于结构化语音分析的电力行业客户服务质检系统 |
CN113628627B (zh) * | 2021-08-11 | 2022-06-14 | 广东电网有限责任公司广州供电局 | 一种基于结构化语音分析的电力行业客户服务质检系统 |
CN113791453A (zh) * | 2021-09-17 | 2021-12-14 | 中国人民解放军海军潜艇学院 | 一种基于水下目标磁异常信号的最优小波基函数选取方法 |
CN114510976A (zh) * | 2022-02-15 | 2022-05-17 | 杭州电子科技大学 | 基于双变量阈值函数的呼吸信号去噪方法及装置 |
CN114510976B (zh) * | 2022-02-15 | 2024-05-24 | 杭州电子科技大学 | 基于双变量阈值函数的呼吸信号去噪方法及装置 |
CN116108336A (zh) * | 2023-04-13 | 2023-05-12 | 吉林省百皓科技有限公司 | 一种基于小波变换的二氧化氯传感器信号去噪方法 |
CN117235585A (zh) * | 2023-11-16 | 2023-12-15 | 深圳市瑞健医信科技有限公司 | 一种可联机的血透信息管理系统 |
CN117235585B (zh) * | 2023-11-16 | 2024-02-27 | 深圳市瑞健医信科技有限公司 | 一种可联机的血透信息管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113238190B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN110865357B (zh) | 一种基于参数优化vmd的激光雷达回波信号降噪方法 | |
CN101303764B (zh) | 基于非下采样轮廓波的多传感器图像自适应融合方法 | |
Marsh et al. | Neural network classification of multibeam backscatter and bathymetry data from Stanton Bank (Area IV) | |
CN101482617A (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
CN108550121A (zh) | 一种基于中值滤波和小波变换的海底底质声呐图像处理方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
Quilfen et al. | On denoising satellite altimeter measurements for high-resolution geophysical signal analysis | |
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 | |
CN102393423A (zh) | 基于自适应阈值正交小波变换的兰姆波去噪方法 | |
CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN104849757A (zh) | 消除地震信号中随机噪声系统及方法 | |
CN113109289A (zh) | 最优小波去噪组合的选取方法及THz光谱去噪方法 | |
CN114779343A (zh) | 一种基于曲波变换-联合双边滤波的地震数据去噪方法 | |
Ashraf et al. | Underwater ambient-noise removing GAN based on magnitude and phase spectra | |
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 | |
CN113589253A (zh) | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 | |
CN111582205A (zh) | 一种基于多分辨率奇异值分解模型的降噪方法 | |
CN108226996B (zh) | 基于能量频带分布的自适应各向异性分频分区滤波方法 | |
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 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN104463325A (zh) | 一种极地探冰雷达原始数据噪声抑制方法 | |
Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
CN110032968A (zh) | 基于双树复小波和自适应半软阈值法的去噪方法 |
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 |