CN114859419A - 一种多普勒高频信号降噪方法及系统 - Google Patents

一种多普勒高频信号降噪方法及系统 Download PDF

Info

Publication number
CN114859419A
CN114859419A CN202210443764.2A CN202210443764A CN114859419A CN 114859419 A CN114859419 A CN 114859419A CN 202210443764 A CN202210443764 A CN 202210443764A CN 114859419 A CN114859419 A CN 114859419A
Authority
CN
China
Prior art keywords
wavelet
decomposition
noise reduction
noise
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
CN202210443764.2A
Other languages
English (en)
Inventor
吴慎将
李党娟
梅迪
杜昱岐
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.)
Shaanxi Wuke Weida Optical Instrument Co ltd
Original Assignee
Shaanxi Wuke Weida Optical Instrument Co ltd
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 Shaanxi Wuke Weida Optical Instrument Co ltd filed Critical Shaanxi Wuke Weida Optical Instrument Co ltd
Priority to CN202210443764.2A priority Critical patent/CN114859419A/zh
Publication of CN114859419A publication Critical patent/CN114859419A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种多普勒高频信号降噪方法及系统，涉及降噪技术领域。具体步骤包括如下：实时采集含噪信号；根据所述含噪信号，选择小波基和分解层数，对所述含噪信号进行小波包分解，得到各分解层级中的小波系数；对所述小波系数进行阈值处理，得到各层细节系数；根据所述各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。传统降噪方法并没有充分考虑信号及其噪声的分布，致使部分细节微震信号被丢失，降噪效果不明显，本发明采取的基于小波包分解重构的降噪方法克服了以上缺点，并且降噪处理方法步骤简单、设计合理且实现方便。

Description

一种多普勒高频信号降噪方法及系统
技术领域
本发明涉及降噪技术领域，更具体的说是涉及一种多普勒高频信号降噪方法及系统。
背景技术
在爆破活动中需要进行信号采集，爆炸波的特点是压力高、传播速度快，对介质质点的作用在瞬间完成，在采集高频信号的过程中，往往受到不同类型的噪声干扰，采集到微弱的高频信号容易被噪声淹没，导致检测不准确甚至检测系统在现场无法正常工作等问题。因此信号降噪是提高采集精度的重要环节。
目前，大多数微地震处理商业软件一般采用基于FIR滤波器或IIR滤波器对微地震数据进行降噪处理，受到滤波器结构的影响，滤波后的微地震数据容易引起相位畸变。小波变换因其优异的时频分析性能被数学家们称为“信号的显微镜”，可以在多个尺度下分析被测信号且不会引起信号降噪后的波形畸变，已经广泛应用于弱信号的数据压缩、信号预测、降噪分析和特征提取等。因此，对本领域技术人员来说，如何利用小波变换方法进行高频信号滤波是亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种多普勒高频信号降噪方法及系统，以解决背景技术中存在的问题。
为了实现上述目的，本发明采用如下技术方案：一种多普勒高频信号降噪方法，具体步骤包括如下：
实时采集含噪信号；
根据所述含噪信号，选择小波基和分解层数，对所述含噪信号进行小波包分解，得到各分解层级中的小波系数；
对所述小波系数进行阈值处理，得到各层细节系数；
根据所述各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。
可选的，对所述小波系数进行阈值处理的具体步骤为：针对每层分解层级选择一个阈值，采用改进软阈值对所述小波系数进行处理，所述改进软阈值的收缩函数表达式为：
Figure BDA0003615699760000021
其中，w为含噪信号的小波变换系数，T为阈值，k为正整数，根据信号的噪声估计水平选择阶数的高低。
可选的，还包括在不同分解层级的阈值中加入约束因子β，
β＝logeσj，其中，σ为噪声强度，j为分解层数。
通过采用上述技术方案，具有以下有益的技术效果：在不同尺度的阈值加入约束因子，是为了避免阈值过大而造成微地震信号失真；
可选的，所述阈值T为采用Birge-Massart策略确定的阈值。
可选的，对各分解层级中的小波系数，若其低于设定的门限，则保留分量，不对其进行阈值处理。
可选的，所述小波基为sym系列小波基函数。
可选的，还包括基于负反馈神经网络对降噪效果进行评估并生成负反馈，根据所述负反馈利用降噪算法模型对含噪信号进行降噪处理。
可选的，所述基于负反馈神经网络对降噪效果进行评估并生成负反馈的具体步骤为：
将所述降噪信号进行预处理后输入负反馈神经网络，对降噪效果进行MOS打分；
检测所述MOS打分减去预设标准MOS打分后的差值；
若所述差值为负，则根据预设标准MOS打分生成负反馈。
另一方面，提供一种多普勒高频信号降噪系统，包括数据获取模块、小波分解模块、阈值处理模块、小波重构模块，其中；
所述数据获取模块，用于实时采集含噪信号；
所述小波分解模块，用于根据所述含噪信号，选择小波基和分解层数，对所述含噪信号进行小波包分解，得到各分解层级中的小波系数；
所述阈值处理模块，用于对所述小波系数进行阈值处理，得到各层细节系数；
所述小波重构模块，用于根据所述各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。
由上述的技术方案可知，与现有技术相比，本发明公开提供了一种多普勒高频信号降噪方法及系统，具有以下有益的技术效果：
(1)降噪处理方法步骤简单、设计合理且实现方便；
(2)适用范围较广，能对各种类型检测信号进行降噪处理，尤其是对于检测信号中所含的非平稳噪声能进行有效处理；
(3)传统降噪方法并没有充分考虑信号及其噪声的分布，致使部分细节微震信号被丢失，降噪效果不明显。本文采取的基于小波包分解重构的降噪方法克服了以上缺点和不足；
(4)利用负反馈神经网络评估该降噪效果产生负反馈来调度适应实时声场环境最优的降噪算法对带噪声音进行降噪，避免了无法在变化的噪声环境中取得良好降噪效果的情况。
附图说明
为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程图；
图2为本发明的系统结构图。
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。
本发明实施例1公开了一种多普勒高频信号降噪方法，其特征在于，如图1所示，具体步骤包括如下：
S1、实时采集含噪信号；
S2、根据含噪信号，选择小波基和分解层数，对含噪信号进行小波包分解，得到各分解层级中的小波系数；
S3、对小波系数进行阈值处理，得到各层细节系数；
S4、根据各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。
进一步的，在本实施例中，小波基为sym系列小波基函数。根据小波系数计算各分解层数的定级指标，根据定级指标确定最优分解层数。
小波包阈值降噪法的基本思想是：信号经过小波包分解后，得到多个具有不同频率段信号的子频带系数。根据信号的特征，对不同的子频带信号进行相对应的阈值降噪，最后将这些降噪后的小波包系数重构起来，从而达到信号总体降噪的目的。
在本实施例中，对小波系数进行阈值处理的具体步骤为：针对每层分解层级选择一个阈值，采用改进软阈值对小波系数进行处理，改进软阈值的收缩函数表达式为：
Figure BDA0003615699760000051
其中，w为含噪信号的小波变换系数，T为阈值，k为正整数，根据信号的噪声估计水平选择阶数的高低，阈值T为采用Birge-Massart策略确定的阈值。
更进一步的，还包括在不同分解层级的阈值中加入约束因子β，
β＝logeσj，其中，σ为噪声信号，j为分解层数。
对各分解层级中的小波系数，若其低于设定的门限，则保留该分量，不对其进行阈值处理。
在本实施例中，还包括对小波系数进行互相关计算。
小波包分解得到的每个子频带与原信号进行互相关计算，对应互相关系数如下所示：
Figure BDA0003615699760000061
其中，t表示时间，s(t)表示原信号，si(t)表示第i个子频带，M为采样点数，
Figure BDA0003615699760000062
小波包分解得到的子频带与原信号互相关系数越高，表示对应的频带中有用信号成分越大；反之，说明噪声成分更大。因此，可以将互相关系数的大小作为确定信号段与过渡段分界的衡量标准。互相关系数大于0.5即可认为子频带与原信号之间具有较强的相关性，可作为原信号的主要成分来处理；互相关系数大于0.1且小于0.5时可认为子频带与微震信号有一定程度的相关性，子频带中既有信号成分也包含有噪声，可作为过渡段进行阈值化降噪处理；互相关系数小于0.1可认为子频带与微震信号之间的相关性很小，可作为噪声处理直接剔除。
进一步的，还包括基于负反馈神经网络对降噪效果进行评估并生成负反馈，根据所述负反馈利用降噪算法模型对含噪信号进行降噪处理。
基于负反馈神经网络对降噪效果进行评估并生成负反馈的具体步骤为：
将降噪信号进行预处理后输入负反馈神经网络，对降噪效果进行MOS打分；
检测MOS打分减去预设标准MOS打分后的差值；
若差值为负，则根据预设标准MOS打分生成负反馈。
本发明实施例2公开了一种多普勒高频信号降噪系统，如图2所示，包括数据获取模块、小波分解模块、阈值处理模块、小波重构模块，其中；
数据获取模块，用于实时采集含噪信号；
小波分解模块，用于根据含噪信号，选择小波基和分解层数，对含噪信号进行小波包分解，得到各分解层级中的小波系数；
阈值处理模块，用于对小波系数进行阈值处理，得到各层细节系数；
小波重构模块，用于根据各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种多普勒高频信号降噪方法，其特征在于，具体步骤包括如下：
实时采集含噪信号；
根据所述含噪信号，选择小波基和分解层数，对所述含噪信号进行小波包分解，得到各分解层级中的小波系数；
对所述小波系数进行阈值处理，得到各层细节系数；
根据所述各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。
2.根据权利要求1所述的一种多普勒高频信号降噪方法，其特征在于，对所述小波系数进行阈值处理的具体步骤为：针对每层分解层级选择一个阈值，采用改进软阈值对所述小波系数进行处理，所述改进软阈值的收缩函数表达式为：
Figure FDA0003615699750000011
其中，w为含噪信号的小波变换系数，T为阈值，k为正整数，根据信号的噪声估计水平选择阶数的高低。
3.根据权利要求1所述的一种多普勒高频信号降噪方法，其特征在于，还包括在不同分解层级的阈值中加入约束因子β，
β＝logeσj，其中，σ为噪声强度，j为分解层数。
4.根据权利要求2所述的一种多普勒高频信号降噪方法，其特征在于，所述阈值T为采用Birge-Massart策略确定的阈值。
5.根据权利要求1所述的一种多普勒高频信号降噪方法，其特征在于，对各分解层级中的小波系数，若其低于设定的门限，则保留分量，不对其进行阈值处理。
6.根据权利要求1所述的一种多普勒高频信号降噪方法，其特征在于，所述小波基为sym系列小波基函数。
7.根据权利要求1所述的一种多普勒高频信号降噪方法，其特征在于，还包括基于负反馈神经网络对降噪效果进行评估并生成负反馈，根据所述负反馈利用降噪算法模型对含噪信号进行降噪处理。
8.根据权利要求7所述的一种多普勒高频信号降噪方法，其特征在于，所述基于负反馈神经网络对降噪效果进行评估并生成负反馈的具体步骤为：
将所述降噪信号进行预处理后输入负反馈神经网络，对降噪效果进行MOS打分；
检测所述MOS打分减去预设标准MOS打分后的差值；
若所述差值为负，则根据预设标准MOS打分生成负反馈。
9.一种多普勒高频信号降噪系统，其特征在于，包括数据获取模块、小波分解模块、阈值处理模块、小波重构模块，其中；
所述数据获取模块，用于实时采集含噪信号；
所述小波分解模块，用于根据所述含噪信号，选择小波基和分解层数，对所述含噪信号进行小波包分解，得到各分解层级中的小波系数；
所述阈值处理模块，用于对所述小波系数进行阈值处理，得到各层细节系数；
所述小波重构模块，用于根据所述各层细节系数对小波分解后的各分解层级信号进行重构，获得重构后的降噪信号。
CN202210443764.2A 2022-04-26 2022-04-26 一种多普勒高频信号降噪方法及系统 Pending CN114859419A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210443764.2A CN114859419A (zh) 2022-04-26 2022-04-26 一种多普勒高频信号降噪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210443764.2A CN114859419A (zh) 2022-04-26 2022-04-26 一种多普勒高频信号降噪方法及系统

Publications (1)

Publication Number Publication Date
CN114859419A true CN114859419A (zh) 2022-08-05

Family

ID=82633886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210443764.2A Pending CN114859419A (zh) 2022-04-26 2022-04-26 一种多普勒高频信号降噪方法及系统

Country Status (1)

Country Link
CN (1) CN114859419A (zh)

Similar Documents

Publication Publication Date Title
Smital et al. Adaptive wavelet wiener filtering of ECG signals
CN110244202B (zh) 基于同步压缩小波变换域变压器局部放电去噪方法
CN102928517A (zh) 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法
CN109932624B (zh) 一种基于高斯尺度空间的电缆局放周期窄带干扰去噪方法
Daqrouq et al. An investigation of speech enhancement using wavelet filtering method
CN110151175A (zh) 基于ceemd与改进小波阈值的表面肌电信号消噪方法
CN111650654B (zh) 联合emd与wt算法的地面磁共振信号尖峰噪声剔除方法
CN115700544A (zh) 一种联合经验模态分解及小波软阈值的色谱信号去噪方法
CN115840879A (zh) 一种增材制造构件超声检测回波信号处理方法及系统
CN111239565B (zh) 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统
Phinyomark et al. EMG denoising estimation based on adaptive wavelet thresholding for multifunction myoelectric control
CN102735759A (zh) 一种基于脊的兰姆波信号去噪方法
Li Speech denoising based on improved discrete wavelet packet decomposition
CN111553308A (zh) 一种电力变压器局部放电信号的重构方法
CN114581674A (zh) 一种基于改进阈值函数的小波去噪方法
Fu et al. Improved Wavelet Thresholding Function and Adaptive Thresholding for Noise Reduction
Ou et al. Frame-based time-scale filters for underwater acoustic noise reduction
CN112580451A (zh) 一种基于改进emd和med的数据降噪方法
CN114859419A (zh) 一种多普勒高频信号降噪方法及系统
CN113375065B (zh) 管道泄漏监测中趋势信号的消除方法及装置
CN113567129A (zh) 一种列车轴承振动信号基于ceemd的降噪方法
AU2021104217A4 (en) A system and method for optimum wavelet basis function selection for ecg arrhythmia denoising using artificial intelligence
CN115376540A (zh) 一种基于变分模态分解的生物雷达语音增强方法及系统
CN109712639A (zh) 一种基于小波阈值滤波的音频采集系统及方法
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

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