CN113537012A - 接地网干扰信号的去噪方法、装置及计算机设备 - Google Patents
接地网干扰信号的去噪方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN113537012A CN113537012A CN202110760992.8A CN202110760992A CN113537012A CN 113537012 A CN113537012 A CN 113537012A CN 202110760992 A CN202110760992 A CN 202110760992A CN 113537012 A CN113537012 A CN 113537012A
- Authority
- CN
- China
- Prior art keywords
- signal
- imf
- imf component
- interference signal
- noise
- 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 52
- 238000001914 filtration Methods 0.000 claims abstract description 63
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000009467 reduction Effects 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims abstract description 3
- 230000000877 morphologic effect Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005260 corrosion Methods 0.000 claims description 9
- 230000007797 corrosion Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000010339 dilation Effects 0.000 claims description 4
- 238000010397 one-hybrid screening Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 23
- 230000002596 correlated effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Noise Elimination (AREA)
Abstract
本发明提供一种接地网干扰信号的去噪方法、装置及计算机设备，方法包括S1，采集Bs(t)；S2，对Bs(t)进行交替混合形态滤波处理，以得到Bs(t)′；S3，对Bs(t)′进行EMD分解处理；S4，确定Bs(t)分别与各个IMF分量间的互相关系数，并确定Bs(t)分别与各个IMF分量间的欧氏距离；S5，选取各个互相关系数中的极小值，作为第一分界点，并选取各个欧氏距离中的极大值点的下一个点，作为第二分界点，确定多个IMF分量中的噪声IMF分量、混合及信号IMF分量；S6，将每个混合IMF分量进行归一化最小均方差自适应降噪处理；S7，将处理后的各个混合IMF分量和信号IMF分量进行重构。由此，可以有效去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度。
Description
技术领域
本发明涉及接地网干扰信号降噪技术领域，具体涉及一种接地网干扰信号的去噪方法、一种接地网干扰信号的去噪装置和一种计算机设备。
背景技术
接地网干扰场易受周围环境干扰，产生随机误差，从而影响保护设备稳定性，严重时可能会导致闸刀误动。由于接地网电位差的干扰，智能变电站的数据采集设备可能会得到异常数据，该数据不是一次电气信号的正确反映，但一些情况下其数据帧中的品质因数位是正常的，测量和保护装置视其为正常数据进行处理，会对结果造成较大影响，严重时会造成保护设备的误动。接地网干扰信号主要由周围高压环境引起，由于这类干扰没有规律可循，难以用建模的方式进行消除或弱化。对高频干扰采用滤波、屏蔽等手段加以抑制，但对于频率与接地网干扰场接近的干扰成分，传统的滤波方法难以起到明显的去噪效果，导致随机噪声对接地网干扰信号的影响较大，进一步导致接地网干扰匹配精度较低。
发明内容
本发明为解决上述技术问题，提供了一种接地网干扰信号的去噪方法，可以有效降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度。
本发明采用的技术方案如下：
本发明的第一方面实施例提出了一种接地网干扰信号的去噪方法，包括以下步骤：
S1，采集接地网干扰信号Bs(t)；
S2，利用形态学滤波器对所述接地网干扰信号Bs(t)进行交替混合形态滤波处理，以得到滤波信号Bs(t)′；
S3，对所述滤波信号Bs(t)′进行经验模态分解处理，以得到多个本征模态函数IMF分量和一个余项；
S4，确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，并确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的欧氏距离；
S5，选取各个所述互相关系数中的极小值，作为第一分界点，并选取各个所述欧氏距离中的极大值点的下一个点，作为第二分界点，根据所述第一分界点及所述第二分界点，确定所述多个IMF分量中的噪声IMF分量、混合及信号IMF分量，其中，所述第二分界点与所述第一分界点不同，所述噪声IMF分量中仅包含噪声，所述混合IMF分量中包含噪声和信号，所述信号IMF分量中仅包含信号；
S6，将每个所述混合IMF分量进行归一化最小均方差自适应降噪处理；
S7，将处理后的各个混合IMF分量和所述信号IMF分量进行重构，以得到去除噪声后的接地网干扰信号。
另外，根据本发明上述实施例提出的接地网干扰信号的去噪方法，还可以具有如下附加的技术特征：
根据本发明的一个实施例，步骤S2包括以下步骤：
S21，利用形态学滤波器对接地网干扰信号进行腐蚀运算及膨胀运算，运算公式分别为；
(BsΘg)(n)＝min{Bs(n+m)-g(m):m∈Dg}，
其中，Θ为腐蚀运算，
为膨胀运算，Bs(n)为接地网干扰信号，Bs(n)的定义域为Df＝{0,1,2,3,……，N}，g(n)为一维结构元素序列，g(n)的定义域为Dg＝{0,1,2,……，P}，其中P和N均是整数，且N≥P，n为接地网干扰信号的长度，g(m)为形态学滤波器的结构元素，m为结构元素长度；
S22，对所述接地网干扰信号进行形态学开运算，并对接地网干扰信号Bs(n)进行形态学闭运算，运算公式分别为：
其中，ο为开运算，·为闭运算；
S23，利用交替混合滤波器对所述接地网干扰信号进行交替混合滤波运算，运算公式为：
[(Bs)altmix(g)](n)＝[(Bs)oc(g)+(Bs)co(g)](n)/2，
其中，altmix为交替混合滤波运算，oc为先开后闭的交替滤波运算，co为先闭后开的交替滤波运算，
根据本发明的一个实施例，步骤S3包括以下步骤：
S31，令k＝1，i＝1，选取所述滤波信号Bs(t)′中的所有极大值点和所有极小值点，并将所述所有极大值点连接起来形成上包络线、将所述所有极小值点连接起来形成下包络线，确定所述上包络线与所述下包络线间的均值信号m(t)；
S32，将所述滤波信号Bs(t)′减去所述均值信号m(t)，得到中间信号hi(t)，判断所述中间信号hi(t)是否满足EMD分解的条件：
且所述中间信号hi(t)的极值点个数和过零点个数间的差值是否满足不大于1，若满足，则记第i个本征模态函数imfi(t)为：
imfi(t)＝hi(t)，
若不满足，则令k＝k+1，i＝1，
返回步骤S31中；
S33，将所述滤波信号Bs(t)′减去所述第i个本征模态函数imfi(t)，得到一个余项信号ri(t)，然后判断ri(t)是否满足余项条件，若满足，令EMD分解的最后一个余项为rL(t)；若不满足，则令i＝i+1，i＝1，Bs(t)'＝ri(t)返回步骤S32继续分解；最终分解后的信号为：
其中，hi(t)代表第i个IMF分量，L表示所有IMF分量的个数，rL(t)为余项。
根据本发明的一个实施例，步骤S4包括以下步骤：
S41，计算所述接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，分别记为ρ1,ρ2,……ρL；
S42，计算所述接地网干扰信号Bs(t)及各个IMF分量的概率密度函数，分别记为pdf(Bs(t))和pdf(hi(t))，计算pdf(Bs(t))分别和各个pdf(hi(t))之间的欧氏距离，分别记为S(1),S(2),……，S(L)。
根据本发明的一个实施例，步骤S5包括以下步骤：
S51，确定各个所述互相关系数中的极小值ρmin＝[ρ1,ρ2,……ρL]，及确定各个所述欧氏距离中的极大值Smax＝[S(1),S(2),……，S(L)]；
S52，令第一分界点M1＝ρmin、第二分界点M2＝Smax+1，确定互相关系数小于M1时对应的IMF分量为所述噪声IMF分量，确定互相关系数大于或者等于M1、且欧氏距离大于或者等于M2时对应的IMF分量为所述混合IMF分量，确定欧氏距离小于M2时对应的IMF分量为所述信号IMF分量。
根据本发明的一个实施例，步骤S6包括以下步骤：
通过变步长NLMS滤波算法对每个所述混合IMF分量进行自适应降噪处理，处理过程为：
设任意一个混合IMF分量为信号ximfi(n)，对应的滤波输出信号为：
yimfi(n)＝wT(n)ximfi(n)，
误差信号为：
e(n)＝d(n)-yimfi(n)，
权系数更新信号为：
其中，α(0＜α＜1)为收敛因子，β(0＜β≤1)是正常数，||x(n)||2为抽头输入向量ximf(n)的欧氏范数平方。
根据本发明的一个实施例，去除噪声后的接地网干扰信号
为：
其中，M1为第一分界点，M2为第二分界点，yimfi(t)为将混合IMF分量进行归一化最小均方差自适应降噪处理后得到的第i个信号，hi(t)代表第i个IMF分量，
为信号IMF分量之和，L表示所有IMF分量的个数，rL(t)为余项。
本发明第二方面实施例提出了一种接地网干扰信号的去噪装置，包括：
采集模块，用于采集接地网干扰信号Bs(t)；
滤波模块，用于利用形态学滤波器对所述接地网干扰信号Bs(t)进行交替混合形态滤波处理，以得到滤波信号Bs(t)′；
分解模块，用于对所述滤波信号Bs(t)′进行经验模态分解处理，以得到多个本征模态函数IMF分量和一个余项；
确定模块，用于确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，并确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的欧氏距离；
选取模块，用于选取各个所述互相关系数中的极小值，作为第一分界点，并选取各个所述欧氏距离中的极大值点的下一个点，作为第二分界点，根据所述第一分界点及所述第二分界点，确定所述多个IMF分量中的噪声IMF分量、混合及信号IMF分量，其中，所述第二分界点与所述第一分界点不同，所述噪声IMF分量中仅包含噪声，所述混合IMF分量中包含噪声和信号，所述信号IMF分量中仅包含信号；
降噪模块，用于将每个所述混合IMF分量进行归一化最小均方差自适应降噪处理；
重构模块，用于将处理后的各个混合IMF分量和所述信号IMF分量进行重构，以得到去除噪声后的接地网干扰信号。
本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本发明上述实施例提出的接地网干扰信号的去噪方法。
本发明第三方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其该计算机程序被处理器执行时实现本发明上述实施例提出的接地网干扰信号的去噪方法。
本发明实施例的技术方案，首先通过形态学滤波器对接地网干扰信号进行形态学滤波处理，以消除其中的脉冲干扰，之后，对滤波处理后的干扰信号进行EMD分解得到多个IMF分量和一个余项，利用互相关系数和欧氏距离准则将EMD分解的IMF分量分解为噪声IMF分量、混合IMF分量和信号IMF分量，将混合IMF分量进行NLMS自适应滤波处理，之后，将处理后的混合IMF分量和信号IMF分量进行重构，即可得到去噪后的接地网干扰信号。由此，本发明实施例的接地网干扰信号的去噪方法，可以有效地去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度；且可以通过互相关系数和欧氏距离准则有效确定EMD分解中模态分界点，从而可以提高去噪可靠性。
附图说明
图1为本发明实施例的接地网干扰信号的去噪方法的流程图。
图2为本发明一个实施例的接地网干扰信号的去噪示意图。
图3为本发明实施例的接地网干扰信号的去噪装置的方框示意图。
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，所描述的实施例仅仅是本发明一部分实施例，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，都属于本发明保护的范围。
相关技术中，通过小波变换进行干扰信号的变换分析方法，然而，在相同的条件下，不同的小波基和分解层数将会产生不同的降噪效果，不利于小波去噪的应用。而经验模态分解(Empirical Mode Decomposition，简称EMD)是目前处理非平稳信号的一个新的重要发展方向。基于此，本发明实施例在EMD分解的基础上提出一种接地网干扰信号的去噪方法。
图1为本发明实施例的接地网干扰信号的去噪方法的流程图。
如图1所示，该接地网干扰信号的去噪方法包括以下步骤：
S1，采集接地网干扰信号Bs(t)。
在实际应用中，通过接地网干扰传感器测量接地网干扰信号，进而通过采集接地网干扰传感器输出信号或者模拟输出信号即可采集到的接地网干扰信号Bs(t)。
S2，利用形态学滤波器对接地网干扰信号Bs(t)进行交替混合形态滤波处理，以得到滤波信号Bs(t)′。
其中，形态学滤波器可包括交替滤波器和交替混合滤波器。
具体地，在采集到的接地网干扰信号Bs(t)之后，利用形态学滤波器对Bs(t)进行交替混合形态滤波处理，以消除脉冲干扰，得到滤波信号Bs(t)′。
S3，对滤波信号Bs(t)′进行经验模态分解处理，以得到多个本征模态函数IMF分量和一个余项。
具体地，在得到滤波信号Bs(t)′之后，可根据EMD算法对Bs(t)′进行EMD分解，分解后得到多个IMF分量和一个余项。
S4，确定接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，并确定接地网干扰信号Bs(t)分别与各个IMF分量间的欧氏距离。
需要说明的是，两个信号之间的互相关系数可以用来表征该两个信号间的关联程度，互相关系数的绝对值越接近于1，表示两个信号的相关性越强；当互相关系数为1，表示两个信号完全相关；互相关系数为0，表示两个信号完全不相关，其中，当互相关系数为正数时，表示两个信号为正相关；当互相关系数为负数时，表示两个信号为负相关。两个信号之间的欧氏距离可以用来表征该两个信号间的相似度，欧氏距离越大，相似度越小；欧氏距离越小，相似度越大。
具体地，在得到多个IMF分量之后，可根据互相关系数算法确定每个IMF分量与接地网干扰信号Bs(t)间的互相关系数，以得到多个互相关系数，该互相关系数即可表征每个分量与接地网干扰信号间的相关程度。并确定每个IMF分量与接地网干扰信号Bs(t)间的欧氏距离，该欧氏距离即可表征每个分量与接地网干扰信号间的相似度。
S5，选取各个互相关系数中的极小值，作为第一分界点，并选取各个欧氏距离中的极大值点的下一个点，作为第二分界点，根据第一分界点及第二分界点，确定多个IMF分量中的噪声IMF分量、混合及信号IMF分量，其中，第二分界点与第一分界点不同，噪声IMF分量中仅包含噪声，混合IMF分量中包含噪声和信号，信号IMF分量中仅包含信号。
其中，噪声IMF分量中仅包含噪声，混合IMF分量中包含噪声和信号，信号IMF分量中仅包含信号。即：噪声IMF分量是指多个IMF分量中仅包含噪声的分量，混合IMF分量是指多个IMF分量中包含噪声和信号(即没有噪声的信号)的分量，信号IMF分量是指多个IMF分量中仅包含信号(即没有噪声的信号)的分量。
具体地，在得到多个互相关系数及多个欧氏距离之后，可选取出多个互相关系数中的极小值，并选取出多个欧氏距离中的极大值点的下一个点，将多个互相关系数中的极小值作为第一分界点，将多个欧氏距离中的极大值点的下一个点作为第二分界点，该两个分界点将经EMD分解得到的多个IMF分量划分成三种模态分量：噪声IMF分量(仅噪声)、混合IMF分量(噪声+信号)及信号IMF分量(仅信号)，其中，混合IMF分量中的信号分量及信号IMF分量是需要获取的，即去噪后的接地网干扰信号。
互相关系数小于第一分界点时对应的IMF分量为噪声IMF分量，互相关系数大于或者等于第一分界点、且欧氏距离大于或者等于第二分界点时对应的IMF分量为混合IMF分量，欧氏距离小于第二分界点时对应的IMF分量为信号IMF分量。
本发明实施例通过步骤S4和S5，提出了一种信号分量分界点的确立方法，即利用互相关系数和欧氏距离准则将EMD分解的IMF分量分解为噪声IMF、混合IMF和信号IMF，解决了相关技术中EMD分解中模态分解点不明确的问题。
S6，将每个混合IMF分量进行归一化最小均方差自适应降噪处理。
具体地，在利用互相关系数和欧氏距离将EMD分解的IMF分量分解为噪声IMF分量、混合IMF分量和信号IMF分量之后，可将噪声IMF分量移除，将每个混合IMF分量进行归一化最小均方差(Normalized Least Mean Square，简称NLMS)自适应降噪处理，以去除混合IMF分量中的噪声。
通过对混合有噪声和信号的IMF分量进行自适应降噪处理，根据不同IMF分量的含噪能量比重设置不同的滤波参数，实现定制化的降噪处理，且计算复杂度低，有效简化信号的处理过程
S7，将处理后的各个混合IMF分量和信号IMF分量进行重构，以得到去除噪声后的接地网干扰信号。
具体地，在去除混合IMF分量中的噪声分量之后，将处理后的各个混合IMF分量和信号IMF分量进行重构，即可最终获取到去除噪声后的接地网干扰信号。
总的来说，如图2所示，通过执行上述步骤，首先通过形态学滤波器对接地网干扰信号(也可称为原始信号)进行形态学滤波处理，以消除其中的脉冲干扰，之后，对滤波处理后的干扰信号进行EMD分解得到多个IMF分量和一个余项，利用互相关系数和欧氏距离准则将EMD分解的IMFs(IMS分量)分解为噪声IMFs、混合IMFs和信号IMFs，将噪声IMFs移除，将混合IMFs进行NLMS自适应滤波处理，之后，将处理后的混合IMFs和信号IMFs进行重构，即可得到去噪后的接地网干扰信号
由此，本发明实施例的接地网干扰信号的去噪方法，可以有效地去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度；且可以通过互相关系数和欧氏距离准则有效确定EMD分解中模态分界点，从而可以提高去噪可靠性。
在一个实施例中，上述步骤S2可包括以下步骤：
S21，利用形态学滤波器对接地网干扰信号进行腐蚀运算及膨胀运算，运算公式分别为；
(BsΘg)(n)＝min{Bs(n+m)-g(m):m∈Dg}，
其中，Θ为腐蚀运算，
为膨胀运算，Bs(n)为接地网干扰信号，Bs(n)的定义域为Df＝{0,1,2,3,……，N}，g(n)为一维结构元素序列，g(n)的定义域为Dg＝{0,1,2,……，P}，其中P和N均是整数，且N≥P，n为接地网干扰信号的长度，g(m)为形态学滤波器的结构元素，m为结构元素长度。
S22，对接地网干扰信号进行形态学开运算，并对接地网干扰信号进行形态学闭运算，运算公式分别为：
其中，
为开运算，·为闭运算。
S23，利用交替混合滤波器对接地网干扰信号进行交替混合滤波运算。
具体地，为同时发挥各基本算子的优点，本发明实时采取交替混合滤波器的组合方式。其实现方式为：
交替滤波器：
交替混合滤波器：
[(Bs)altmix(g)](n)＝[(Bs)oc(g)+(Bs)co(g)](n)/2
其中，altmix为交替混合滤波运算，oc为先开后闭的交替滤波运算，co为先闭后开的交替滤波运算。
由此，提出了一种改进的形态学滤波处理方式，可以有效去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度。
在一个实施例实施例中，上述步骤S3可包括以下步骤：
S31，令k＝1，i＝1，选取滤波信号Bs(t)′中的所有极大值点和所有极小值点，并将所有极大值点连接起来形成上包络线、将所有极小值点连接起来形成下包络线，确定上包络线与下包络线间的均值信号m(t)。
具体地，在得到滤波信号Bs(t)′，根据该信号的所有极大值、极小值，对应画出上、下包络线Bs +(i)和Bs -(j)，进而确定上、下包络线间的均值得到均值包络线，该均值包络线即对应均值信号m(t)＝(Bs +(i)+Bs -(j))/2。
S32，将滤波信号Bs(t)′减去均值信号m(t)，得到中间信号hi(t)，判断中间信号hi(t)是否满足EMD分解的条件：
且中间信号hi(t)的极值点个数和过零点个数间的差值是否满足不大于1，若满足，则记第i个本征模态函数imfi(t)为：
imfi(t)＝hi(t)，
若不满足，则令k＝k+1，i＝1，
返回步骤S31中。
S33，将滤波信号Bs(t)′减去第i个本征模态函数imfi(t)，得到一个余项信号ri(t)，然后判断ri(t)是否满足余项条件，若满足，令EMD分解的最后一个余项为rL(t)；若不满足，则令i＝i+1，i＝1，Bs(t)'＝ri(t)返回步骤S32继续分解；最终分解后的信号为：
其中，hi(t)代表第i个IMF分量，L表示所有IMF分量的个数，rL(t)为余项。
余项条件可以是：不能分解，也就是说，在得到一个余项信号之后，可判断该余项信号是否还能进行分解，如果能，则令i＝i+1，i＝1，Bs(t)'＝ri(t)返回步骤S32继续分解；如果不能，则记EMD分解的最后一个余项为rL(t)。
在一个实施例中，上述步骤S4可包括以下步骤：
S41，计算接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，分别记为ρ1,ρ2,……ρL。
S42，计算接地网干扰信号Bs(t)及各个IMF分量的概率密度函数，分别记为pdf(Bs(t))和pdf(hi(t))，计算pdf(Bs(t))分别和各个pdf(hi(t))之间的欧氏距离，分别记为S(1),S(2),……，S(L)。
进一步地，上述步骤S5可包括以下步骤：
S51，确定各个互相关系数中的极小值ρmin＝[ρ1,ρ2,……ρL]，及确定各个欧氏距离中的极大值Smax＝[S(1),S(2),……，S(L)]；
S52，令第一分界点M1＝ρmin、第二分界点M2＝Smax+1，确定互相关系数小于M1时对应的IMF分量为噪声IMF分量，确定互相关系数大于或者等于M1、且欧氏距离大于或者等于M2时对应的IMF分量为混合IMF分量，确定欧氏距离小于M2时对应的IMF分量为信号IMF分量。
也就是说，通过M1和M2将各IMFs分解为噪声IMFs，混合IMFs和信号IMFs。当IMF分量对应的互相关系数小于M1时，确定该IMF分量为噪声IMF分量；当IMF分量对应的互相关系数大于或者等于M1、且对应的欧氏距离大于或者等于M2时，确定该IMF分量为混合IMF分量；当IMF分量对应的欧氏距离小于M2时，确定该IMF分量为信号IMF分量。
在一个实施例中，上述步骤S6可包括以下步骤：
通过变步长NLMS滤波算法对每个混合IMF分量进行自适应降噪处理，处理过程为：
设任意一个混合IMF分量为信号ximfi(n)，对应的滤波输出信号为：
yimfi(n)＝wT(n)ximfi(n)，
误差信号为：
e(n)＝d(n)-yimfi(n)，
权系数更新信号为：
其中，α(0＜α＜1)为收敛因子，β(0＜β≤1)是正常数，||x(n)||2为抽头输入向量ximf(n)的欧氏范数平方。
在一个示例中，将NLMS降噪处理后的混合IMFs与信号IMFs进行重构，得到的去除噪声后的接地网干扰信号
为：
其中，M1为第一分界点，M2为第二分界点，yimfi(t)为将混合IMF分量进行归一化最小均方差自适应降噪处理后得到的第i个信号，hi(t)代表第i个IMF分量，
为信号IMF分量之和，L表示所有IMF分量的个数，rL(t)为余项。
综上所述，本发明实施例的接地网干扰信号的去噪方法，可以有效地去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度；针对经验模态分解中模态分界点不明确的问题，提出一种新的确立准则，利用互相关系数和欧氏距离准则将EMD分解的本征模态函数分量分解为噪声IMF、混合IMF和信号IMF；对混合有噪声和信号的IMF进行自适应降噪处理，根据不同IMF分量的含噪能量比重设置不同的滤波参数，实现定制化的降噪处理，且计算复杂度低，有效简化信号的处理过程。
图3是本发明实施例的接地网干扰信号的去噪装置的方框示意图。
如图3所示，该接地网干扰信号的去噪装置100包括：采集模块10、滤波模块20、分解模块30、确定模块40、选取模块50、降噪模块60及重构模块70。
其中，采集模块10，用于采集接地网干扰信号Bs(t)；滤波模块20，用于利用形态学滤波器对接地网干扰信号Bs(t)进行交替混合形态滤波处理，以得到滤波信号Bs(t)′；分解模块30，用于对滤波信号Bs(t)′进行经验模态分解处理，以得到多个本征模态函数IMF分量和一个余项；确定模块40，用于确定接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，并确定接地网干扰信号Bs(t)分别与各个IMF分量间的欧氏距离；选取模块50，用于选取各个互相关系数中的极小值，作为第一分界点，并选取各个欧氏距离中的极大值点的下一个点，作为第二分界点，根据第一分界点及第二分界点，确定多个IMF分量中的噪声IMF分量、混合及信号IMF分量，其中，第二分界点与第一分界点不同，噪声IMF分量中仅包含噪声，混合IMF分量中包含噪声和信号，信号IMF分量中仅包含信号；降噪模块60，用于将每个混合IMF分量进行归一化最小均方差自适应降噪处理；重构模块70，用于将处理后的各个混合IMF分量和信号IMF分量进行重构，以得到去除噪声后的接地网干扰信号。
在一个实施例中，滤波模块20，可包括：
第一运算单元，用于利用形态学滤波器对接地网干扰信号进行腐蚀运算及膨胀运算，运算公式分别为；
(BsΘg)(n)＝min{Bs(n+m)-g(m):m∈Dg}，
其中，Θ为腐蚀运算，
为膨胀运算，Bs(n)为接地网干扰信号，Bs(n)的定义域为Df＝{0,1,2,3,……，N}，g(n)为一维结构元素序列，g(n)的定义域为Dg＝{0,1,2,……，P}，其中P和N均是整数，且N≥P，n为接地网干扰信号的长度，g(m)为形态学滤波器的结构元素，m为结构元素长度；
第二运算单元，用于对接地网干扰信号进行形态学开运算，并对接地网干扰信号Bs(n)进行形态学闭运算，运算公式分别为：
其中，
为开运算，·为闭运算；
第三运算单元，用于利用交替混合滤波器对接地网干扰信号进行交替混合滤波运算，运算公式为：
[(Bs)altmix(g)](n)＝[(Bs)oc(g)+(Bs)co(g)](n)/2，
其中，altmix为交替混合滤波运算，oc为先开后闭的交替滤波运算，co为先闭后开的交替滤波运算，
在一个实施例中，分解模块30，可包括：
第一确定单元，用于令k＝1，i＝1，选取滤波信号Bs(t)′中的所有极大值点和所有极小值点，并将所有极大值点连接起来形成上包络线、将所有极小值点连接起来形成下包络线，确定上包络线与下包络线间的均值信号m(t)；
第四运算单元，用于将滤波信号Bs(t)′减去均值信号m(t)，得到中间信号hi(t)，判断中间信号hi(t)是否满足EMD分解的条件：
且中间信号hi(t)的极值点个数和过零点个数间的差值是否满足不大于1，若满足，则记第i个本征模态函数imfi(t)为：
imfi(t)＝hi(t)，
若不满足，则令k＝k+1，i＝1，
返回步骤S31中；
第五运算单元，用于将滤波信号Bs(t)′减去第i个本征模态函数imfi(t)，得到一个余项信号ri(t)，然后判断ri(t)是否满足余项条件，若满足，令EMD分解的最后一个余项为rL(t)；若不满足，则令i＝i+1，i＝1，Bs(t)'＝ri(t)返回步骤S32继续分解；最终分解后的信号为：
其中，hi(t)代表第i个IMF分量，L表示所有IMF分量的个数，rL(t)为余项。
在一个实施例中，确定模块40，可包括：
第六运算单元，用于计算接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，分别记为ρ1,ρ2,……ρL；
第七运算单元，用于计算接地网干扰信号Bs(t)及各个IMF分量的概率密度函数，分别记为pdf(Bs(t))和pdf(hi(t))，计算pdf(Bs(t))分别和各个pdf(hi(t))之间的欧氏距离，分别记为S(1),S(2),……，S(L)。
在一个实施例中，选取模块50，可包括：第二确定单元，用于确定各个互相关系数中的极小值ρmin＝[ρ1,ρ2,……ρL]，及确定各个欧氏距离中的极大值Smax＝[S(1),S(2),……，S(L)]；
第三确定单元，用于令第一分界点M1＝ρmin、第二分界点M2＝Smax+1，确定互相关系数小于M1时对应的IMF分量为噪声IMF分量，确定互相关系数大于或者等于M1、且欧氏距离大于或者等于M2时对应的IMF分量为混合IMF分量，确定欧氏距离小于M2时对应的IMF分量为信号IMF分量。
在一个实施例中，降噪模块60，具体可用于：通过变步长NLMS滤波算法对每个混合IMF分量进行自适应降噪处理，处理过程为：
设任意一个混合IMF分量为信号ximfi(n)，对应的滤波输出信号为：
yimfi(n)＝wT(n)ximfi(n)，
误差信号为：
e(n)＝d(n)-yimfi(n)，
权系数更新信号为：
其中，α(0＜α＜1)为收敛因子，β(0＜β≤1)是正常数，||x(n)||2为抽头输入向量ximf(n)的欧氏范数平方。
在一个实施例中，去除噪声后的接地网干扰信号
为：
其中，M1为第一分界点，M2为第二分界点，yimfi(t)为将混合IMF分量进行归一化最小均方差自适应降噪处理后得到的第i个信号，hi(t)代表第i个IMF分量，
为信号IMF分量之和，L表示所有IMF分量的个数，rL(t)为余项。
需要说明的是，接地网干扰信号的去噪装置的其他具体实施方式可参见接地网干扰信号的去噪方法的具体实施方式，为避免冗余，此处不再赘述。
本发明实施例的接地网干扰信号的去噪装置，可以有效地去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度；且可以通过互相关系数和欧氏距离准则有效确定EMD分解中模态分界点，从而可以提高去噪可靠性。
对应上述实施例，本发明还提出一种计算机设备。
本发明实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该计算机程序时，可实现根据本发明上述实施例所述的接地网干扰信号的去噪方法。
根据本发明实施例的计算机设备，处理器执行存储在存储器上的计算机程序时，首先通过形态学滤波器对接地网干扰信号(也可称为原始信号)进行形态学滤波处理，以消除其中的脉冲干扰，之后，对滤波处理后的干扰信号进行EMD分解得到多个IMF分量和一个余项，利用互相关系数和欧氏距离准则将EMD分解的IMFs(IMS分量)分解为噪声IMFs、混合IMFs和信号IMFs，将混合IMFs进行NLMS自适应滤波处理，之后，将处理后的混合IMFs和信号IMFs进行重构，即可得到去噪后的接地网干扰信号。
本发明实施例的计算机设备，在执行计算机程序时，可以有效地去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度；且可以通过互相关系数和欧氏距离准则有效确定EMD分解中模态分界点，从而可以提高去噪可靠性。
对应上述实施例，本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时可实现根据本发明上述实施例所述的接地网干扰信号的去噪方法。
根据本发明实施例的非临时性计算机可读存储介质，处理器执行存储在其上的计算机程序时，首先首先通过形态学滤波器对接地网干扰信号(也可称为原始信号)进行形态学滤波处理，以消除其中的脉冲干扰，之后，对滤波处理后的干扰信号进行EMD分解得到多个IMF分量和一个余项，利用互相关系数和欧氏距离准则将EMD分解的IMFs(IMS分量)分解为噪声IMFs、混合IMFs和信号IMFs，将混合IMFs进行NLMS自适应滤波处理，之后，将处理后的混合IMFs和信号IMFs进行重构，即可得到去噪后的接地网干扰信号。
本发明实施例的非临时性计算机可读存储介质，在执行计算机程序时，可以有效地去除瞬时脉冲干扰，降低随机噪声对接地网干扰信号的影响，提高接地网干扰匹配精度；且可以通过互相关系数和欧氏距离准则有效确定EMD分解中模态分界点，从而可以提高去噪可靠性。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种接地网干扰信号的去噪方法，其特征在于，包括以下步骤：
S1，采集接地网干扰信号Bs(t)；
S2，利用形态学滤波器对所述接地网干扰信号Bs(t)进行交替混合形态滤波处理，以得到滤波信号Bs(t)′；
S3，对所述滤波信号Bs(t)′进行经验模态分解处理，以得到多个本征模态函数IMF分量和一个余项；
S4，确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，并确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的欧氏距离；
S5，选取各个所述互相关系数中的极小值，作为第一分界点，并选取各个所述欧氏距离中的极大值点的下一个点，作为第二分界点，根据所述第一分界点及所述第二分界点，确定所述多个IMF分量中的噪声IMF分量、混合及信号IMF分量，其中，所述第二分界点与所述第一分界点不同，所述噪声IMF分量中仅包含噪声，所述混合IMF分量中包含噪声和信号，所述信号IMF分量中仅包含信号；
S6，将每个所述混合IMF分量进行归一化最小均方差自适应降噪处理；
S7，将处理后的各个混合IMF分量和所述信号IMF分量进行重构，以得到去除噪声后的接地网干扰信号。
2.根据权利要求1所述的接地网干扰信号的去噪方法，其特征在于，步骤S2包括以下步骤：
S21，利用形态学滤波器对接地网干扰信号进行腐蚀运算及膨胀运算，运算公式分别为；
(BsΘg)(n)＝min{Bs(n+m)-g(m):m∈Dg}，
其中，Θ为腐蚀运算，
为膨胀运算，Bs(n)为接地网干扰信号，Bs(n)的定义域为Df＝{0,1,2,3,……，N}，g(n)为一维结构元素序列，g(n)的定义域为Dg＝{0,1,2,……，P}，其中P和N均是整数，且N≥P，n为接地网干扰信号的长度，g(m)为形态学滤波器的结构元素，m为结构元素长度；
S22，对所述接地网干扰信号进行形态学开运算，并对接地网干扰信号Bs(n)进行形态学闭运算，运算公式分别为：
其中，
为开运算，·为闭运算；
S23，利用交替混合滤波器对所述接地网干扰信号进行交替混合滤波运算，运算公式为：
[(Bs)altmix(g)](n)＝[(Bs)oc(g)+(Bs)co(g)](n)/2，
其中，altmix为交替混合滤波运算，oc为先开后闭的交替滤波运算，co为先闭后开的交替滤波运算，
3.根据权利要求1所述的接地网干扰信号的去噪方法，其特征在于，步骤S3包括以下步骤：
S31，令k＝1，i＝1，选取所述滤波信号Bs(t)′中的所有极大值点和所有极小值点，并将所述所有极大值点连接起来形成上包络线、将所述所有极小值点连接起来形成下包络线，确定所述上包络线与所述下包络线间的均值信号m(t)；
S32，将所述滤波信号Bs(t)′减去所述均值信号m(t)，得到中间信号hi(t)，判断所述中间信号hi(t)是否满足EMD分解的条件：
且所述中间信号hi(t)的极值点个数和过零点个数间的差值是否满足不大于1，若满足，则记第i个本征模态函数imfi(t)为：
imfi(t)＝hi(t)，
若不满足，则令k＝k+1，i＝1，
返回步骤S31中；
S33，将所述滤波信号Bs(t)′减去所述第i个本征模态函数imfi(t)，得到一个余项信号ri(t)，然后判断ri(t)是否满足余项条件，若满足，令EMD分解的最后一个余项为rL(t)；若不满足，则令i＝i+1，i＝1，Bs(t)'＝ri(t)返回步骤S32继续分解；最终分解后的信号为：
其中，hi(t)代表第i个IMF分量，L表示所有IMF分量的个数，rL(t)为余项。
4.根据权利要求1所述的接地网干扰信号的去噪方法，其特征在于，步骤S4包括以下步骤：
S41，计算所述接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，分别记为ρ1,ρ2,……ρL；
S42，计算所述接地网干扰信号Bs(t)及各个IMF分量的概率密度函数，分别记为pdf(Bs(t))和pdf(hi(t))，计算pdf(Bs(t))分别和各个pdf(hi(t))之间的欧氏距离，分别记为S(1),S(2),……，S(L)。
5.根据权利要求4所述的接地网干扰信号的去噪方法，其特征在于，步骤S5包括以下步骤：
S51，确定各个所述互相关系数中的极小值ρmin＝[ρ1,ρ2,……ρL]，及确定各个所述欧氏距离中的极大值Smax＝[S(1),S(2),……，S(L)]；
S52，令第一分界点M1＝ρmin、第二分界点M2＝Smax+1，确定互相关系数小于M1时对应的IMF分量为所述噪声IMF分量，确定互相关系数大于或者等于M1、且欧氏距离大于或者等于M2时对应的IMF分量为所述混合IMF分量，确定欧氏距离小于M2时对应的IMF分量为所述信号IMF分量。
6.根据权利要求1所述的接地网干扰信号的去噪方法，其特征在于，步骤S6包括以下步骤：
通过变步长NLMS滤波算法对每个所述混合IMF分量进行自适应降噪处理，处理过程为：
设任意一个混合IMF分量为信号ximfi(n)，对应的滤波输出信号为：
yimfi(n)＝wT(n)ximfi(n)，
误差信号为：
e(n)＝d(n)-yimfi(n)，
权系数更新信号为：
其中，α(0＜α＜1)为收敛因子，β(0＜β≤1)是正常数，||x(n)||2为抽头输入向量ximf(n)的欧氏范数平方。
7.根据权利要求6所述的接地网干扰信号的去噪方法，其特征在于，去除噪声后的接地网干扰信号
为：
其中，M1为第一分界点，M2为第二分界点，yimfi(t)为将混合IMF分量进行归一化最小均方差自适应降噪处理后得到的第i个信号，hi(t)代表第i个IMF分量，
为信号IMF分量之和，L表示所有IMF分量的个数，rL(t)为余项。
8.一种接地网干扰信号的去噪装置，其特征在于，包括：
采集模块，用于采集接地网干扰信号Bs(t)；
滤波模块，用于利用形态学滤波器对所述接地网干扰信号Bs(t)进行交替混合形态滤波处理，以得到滤波信号Bs(t)′；
分解模块，用于对所述滤波信号Bs(t)′进行经验模态分解处理，以得到多个本征模态函数IMF分量和一个余项；
确定模块，用于确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的互相关系数，并确定所述接地网干扰信号Bs(t)分别与各个IMF分量间的欧氏距离；
选取模块，用于选取各个所述互相关系数中的极小值，作为第一分界点，并选取各个所述欧氏距离中的极大值点的下一个点，作为第二分界点，根据所述第一分界点及所述第二分界点，确定所述多个IMF分量中的噪声IMF分量、混合及信号IMF分量，其中，所述第二分界点与所述第一分界点不同，所述噪声IMF分量中仅包含噪声，所述混合IMF分量中包含噪声和信号，所述信号IMF分量中仅包含信号；
降噪模块，用于将每个所述混合IMF分量进行归一化最小均方差自适应降噪处理；
重构模块，用于将处理后的各个混合IMF分量和所述信号IMF分量进行重构，以得到去除噪声后的接地网干扰信号。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现根据权利要求1-7中任一项所述的接地网干扰信号的去噪方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现根据权利要求1-7中任一项所述的接地网干扰信号的去噪方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110760992.8A CN113537012A (zh) | 2021-07-06 | 2021-07-06 | 接地网干扰信号的去噪方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110760992.8A CN113537012A (zh) | 2021-07-06 | 2021-07-06 | 接地网干扰信号的去噪方法、装置及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113537012A true CN113537012A (zh) | 2021-10-22 |
Family
ID=78126819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110760992.8A Pending CN113537012A (zh) | 2021-07-06 | 2021-07-06 | 接地网干扰信号的去噪方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113537012A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508013A (zh) * | 2011-11-25 | 2012-06-20 | 国网技术学院 | 改进数学形态学滤波器的电流报警信号处理方法 |
| CN103576131A (zh) * | 2013-11-02 | 2014-02-12 | 中国人民解放军海军航空工程学院 | 距离扩展目标内禀模态特征能量智能融合检测方法 |
| CN104182625A (zh) * | 2014-08-15 | 2014-12-03 | 重庆邮电大学 | 基于形态学与emd类小波阈值的心电信号去噪方法 |
| CN109598152A (zh) * | 2018-10-11 | 2019-04-09 | 天津大学 | 基于emd降噪数据预处理的硬件木马检测优化方法 |
| CN110186557A (zh) * | 2019-06-05 | 2019-08-30 | 国网江苏省电力有限公司检修分公司 | 一种电抗器故障诊断方法 |
| CN110542406A (zh) * | 2019-09-03 | 2019-12-06 | 兰州交通大学 | 基于emd-mpf改进的陀螺仪信号去噪方法 |
| 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 |
| CN112183263A (zh) * | 2020-09-17 | 2021-01-05 | 昆明理工大学 | 一种基于改进的iceemd和hd的单向阀早期故障信号降噪方法 |
-
2021
- 2021-07-06 CN CN202110760992.8A patent/CN113537012A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508013A (zh) * | 2011-11-25 | 2012-06-20 | 国网技术学院 | 改进数学形态学滤波器的电流报警信号处理方法 |
| CN103576131A (zh) * | 2013-11-02 | 2014-02-12 | 中国人民解放军海军航空工程学院 | 距离扩展目标内禀模态特征能量智能融合检测方法 |
| CN104182625A (zh) * | 2014-08-15 | 2014-12-03 | 重庆邮电大学 | 基于形态学与emd类小波阈值的心电信号去噪方法 |
| CN109598152A (zh) * | 2018-10-11 | 2019-04-09 | 天津大学 | 基于emd降噪数据预处理的硬件木马检测优化方法 |
| CN110186557A (zh) * | 2019-06-05 | 2019-08-30 | 国网江苏省电力有限公司检修分公司 | 一种电抗器故障诊断方法 |
| CN110542406A (zh) * | 2019-09-03 | 2019-12-06 | 兰州交通大学 | 基于emd-mpf改进的陀螺仪信号去噪方法 |
| 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 |
| CN112183263A (zh) * | 2020-09-17 | 2021-01-05 | 昆明理工大学 | 一种基于改进的iceemd和hd的单向阀早期故障信号降噪方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Singh et al. | Denoising of ECG signal by non-local estimation of approximation coefficients in DWT | |
| CN112446323B (zh) | 基于改进emd模态混叠和端点效应的hht谐波分析方法 | |
| CN108742697B (zh) | 心音信号分类方法及终端设备 | |
| CN109948396B (zh) | 一种心拍分类方法、心拍分类装置及电子设备 | |
| Madan et al. | Denoising of ECG signals using weighted stationary wavelet total variation | |
| Kumar et al. | Biosignal denoising via wavelet thresholds | |
| CN114781430A (zh) | 一种局部放电信号去噪方法 | |
| Malghan et al. | A review on ECG filtering techniques for rhythm analysis | |
| CN114886378A (zh) | 一种基于改进的互补集合模态分解联合去噪方法及系统 | |
| CN117692074B (zh) | 一种适用于非稳态水声目标信号的低频混叠噪声抑制方法 | |
| Fatemi et al. | An online subspace denoising algorithm for maternal ECG removal from fetal ECG signals | |
| CN114077854B (zh) | 一种基于自适应VMD的φ-OTDR水声信号处理方法和装置 | |
| Biswas et al. | Denoising ECG signal using different wavelet families and comparison with other techniques | |
| CN113537012A (zh) | 接地网干扰信号的去噪方法、装置及计算机设备 | |
| CN112914588A (zh) | 一种脑电爆发抑制指数计算方法及系统 | |
| CN117158999A (zh) | 一种基于ppmcc和自适应vmd的脑电信号去噪方法及系统 | |
| CN115859054B (zh) | 基于mic-ceemdan的水电机组尾水管压力脉动信号去噪方法 | |
| CN116915216A (zh) | 一种大电压电流脉冲发生器的降噪方法及装置 | |
| Hermawan et al. | Denoising noisy ECG signal based on adaptive Fourier decomposition | |
| Ladrova et al. | Power line interference elimination in ECG signals | |
| Birok | ECG denoising using artificial neural networks and complete ensemble empirical mode decomposition | |
| Saxena et al. | Optimisation of thresholding techniques in de-noising of ECG signals | |
| CN112213561B (zh) | 主导负荷参数类噪声辨识的量测数据预处理方法和装置 | |
| Behbahani | Investigation of Adaptive Filtering for Noise Cancellation inECG signals | |
| CN113375065A (zh) | 管道泄漏监测中趋势信号的消除方法及装置 |
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 |