CN114938218A - 一种采样信号的滤波方法 - Google Patents
一种采样信号的滤波方法 Download PDFInfo
- Publication number
- CN114938218A CN114938218A CN202210643921.4A CN202210643921A CN114938218A CN 114938218 A CN114938218 A CN 114938218A CN 202210643921 A CN202210643921 A CN 202210643921A CN 114938218 A CN114938218 A CN 114938218A
- Authority
- CN
- China
- Prior art keywords
- signal
- jitter
- processing
- frequency
- filtering
- 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
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Analogue/Digital Conversion (AREA)
- Noise Elimination (AREA)
Abstract
本发明提供一种采样信号的滤波方法,首先对采样信号进行伪高频变换以获得伪高频信号;其次赋予经过伪高频变换的采样信号抖动步长n或频率△f,对经过伪高频变换的采样信号进行抖动滤波计算实现高通滤波,压制低频信号,保留高频信号;本发明能够简单有效的滤除干扰信号以准确地辨识目标信号或提取边界信息;还能够摒弃技术领域的限制,便捷地应用到多个领域。
Description
技术领域
本发明涉及信号滤波领域,尤其涉及一种采样信号或信号采样时的滤波方法。
背景技术
对于众多日常生活或高科技领域采样信号的辨识,由于存在不同信号的干扰或相互干涉现象,导致目标信号的辨识或边界提取困难。比如超声无损检测和地震勘探中反射波、散射波的提取,车牌号提取时基于图形图像处理中的边界检测等等,在工程界广泛存在,是一个棘手的难题。
在不同应用领域,很多场景下技术人员往往更关心的是边界或异常信号所处采样位置的判断或辨识,而忽略信号的真实幅度,这时,滤波算法,尤其是高通滤波算法,常常作为处理方法的首选。现有的通识滤波方法包括时间、空间或频率域滤波,卡尔曼滤波以及小波变换等算法,在各行各业广泛应用;特殊的行业或观测系统获得的采样信号也可能通过特定的处理模式或算法改进来实现干扰信号与目标信号的分离。尽管这类算法有系统的理论原理支撑,计算方法完备,但在实际操作过程中往往存在假频、震荡、边界效应以及计算量大等不利一面,某一个领域的一套算法很难适用于其它工程领域,不熟悉该领域的专业技术人员理解和使用起来非常不方便。
因此,亟需一种采样信号的滤波方法,能够简单有效的滤除干扰信号以准确地辨识目标信号或提取边界信息;还能够摒弃技术领域的限制,便捷地应用到多个领域。
发明内容
本发明的主要目的在于提供一种采样信号的滤波方法、系统及存储介质,旨在解决现有的采样信号的滤波方法对目标信号的分辨率低以及对技术领域限制的技术问题。
为实现上述目的,本发明提供一种采样信号的滤波方法,所述方法包括以下步骤:
S1:赋予采样信号抖动步长n或频率Δf;基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,对采样信号进行抖动滤波计算实现高通滤波,压制低频信号,保留高频信号,以提高采样信号分辨率。
作为上述方案进一步的改进,在对采样信号进行抖动滤波计算前,还包括:
S0:对采样信号进行伪高频变换以获得伪高频信号;
步骤S1对步骤S0经过伪高频变换的采样信号进行抖动滤波计算。
作为上述方案进一步的改进,所述抖动滤波计算通过式(2)进行计算:
newy(i)=y(i)-y(i-n),(i-n)>0
或newy(i-n)=y(i-n)-y(i),(i-n)>0 (2)
其中,newy(i)为抖动滤波后的序列信号;y(i)为采样信号或为伪高频信号;i为序列号;n为抖动步长,为1的整数倍;抖动频率Δf=1/n。
作为上述方案进一步的改进,在对采样信号进行抖动滤波计算时:
若给定的抖动步长n通过式(2)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(2)处理未达到信号处理预期效果,则调整抖动步长n继续计算,直到达到信号处理预期效果。
作为上述方案进一步的改进,所述伪高频变换的方法为对采样信号进行常有理数幂运算,以使原始信号呈现倍频于原始信号频率的伪高频信号。
作为上述方案进一步的改进,所述伪高频信号通过式(1)计算获得,
其中,Y(i)为实施伪高频处理后信号;y(i)为采样信号;i为采样信号序号;M为数据总数;e为幂函数运算因子、常有理数,根据信号处理预期效果灵活设置;sign()为取符号函数;abs()为取绝对值函数。
作为上述方案进一步的改进,在对采样信号进行伪高频变换时,根据预期的处理效果,事先给定一个幂函数运算因子e,
若给定的幂函数运算因子e通过式(1)处理达到信号处理预期效果,再进行抖动滤波计算;
若给定幂函数运算因子e通过式(1)处理未达到信号处理预期效果,则调整幂函数运算因子e继续处理,直到达到信号处理预期效果。
作为上述方案进一步的改进,在对采样信号进行抖动滤波处理时:
若给定的抖动步长n通过式(2)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(2)处理未达到信号处理预期效果,则调整抖动步长n继续计算;
若调整抖动步长n仍然未达到信号处理预期效果,则返回调整幂函数运算因子e,直到达到信号处理预期效果。
需要说明的是,本发明所述的伪高频变换时,所述信号处理预期效果,宏观上是能够明显看到增强的高频信号特征。具体的,针对不同的领域,根据对应的领域的采样信号相应显现;对于地震勘探数据处理领域,是指高频信号或目标反射同相轴信号显现;
所述的抖动滤波计算的,所述信号处理预期效果,可通过振幅谱或功率谱分析比较,可以发现低频被压制,高频相对增强;或者,使用者根据已有资料初步预判应该出现有效信号的区间段,处理后该区间段出现明显增强的有效信号;或者,用于图像边界识别领域,信号处理预期效果是看到目标边界或轮廓得到清晰呈现。
此外,为实现上述目的,本发明还提供一种采样信号的滤波系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的采样信号的滤波程序,所述采样信号的滤波程序被所述处理器执行时实现如上述所述的一种采样信号的滤波方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有采样信号的滤波方法程序,所述采样信号的滤波程序被处理器执行时实现如上述任一项所述的一种采样信号的滤波方法的步骤。
由于本发明采用了以上技术方案,使本申请具备的有益效果在于:
1、本发明提供一种采样信号的滤波方法,首先赋予采样信号抖动步长n或频率△f,基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,对采样信号进行抖动滤波计算实现高通滤波,压制低频信号,保留高频信号,以提高采样信号的分辨率。这种采样信号的滤波方法,只需要事先设定抖动步长n或频率△f,基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,便能够对压制低频信号,保留高频信号从而提高提高采样信号的分辨率;因此,整个采样信号的滤波方法计算量小,不会产生边界效应、不会在没有信号的区段产生假信号;且原理通俗易懂,操作灵活。
2、本发明提供一种采样信号的滤波方法,在在对采样信号进行抖动滤波计算前,还包括:S0:对采样信号进行伪高频变换以获得伪高频信号;步骤S1对步骤S0经过伪高频变换的采样信号进行抖动滤波计算。如此的设置,首先对采用信号进行伪高频变换得到伪高频信号,但这种看似“畸变”的信号并没有脱离真实的采样信号,为后续抖动滤波算法奠定了一定的基础;接着,为了对高频信号进行提取,基于对不同频率谐波信号进行同步抖动可以产生滤波效果的原理,通过对采样信号进行一定步长(或频率)的抖动计算,快速实现了压制低频信号的效果;伪高频信号和抖动滤波的结合,滤波效果更好,能够更改的提高采用信号的分辨率,且不会产生边界效应、不会在没有信号的区段产生假信号;便于广泛适用于时基、空基、频率域、波数域等一维、二维或多维的采样信号或数据。
附图说明
图1是本发明实施例1涉及的一种采样信号的滤波方法的流程示意图;
图2为本发明实施例2涉及的一种采样信号的滤波方法的流程示意图1;
图3为本发明实施例2涉及的一种采样信号的滤波方法的流程示意图2;
图4为振幅为1的不同频率谐波信号;
图5为不同频率谐波信号经过不同步长抖动后的幅度变化特征;
图6为一副灰度影像图;
图7为基于实施例1的采样信号滤波方法处理后的影像;
图8为基于实施例2实施伪高频后的谐波与原始谐波抖动滤波计算结果对比;
图9为基于实施例2的原始谐波信号及其6次方变化后的信号;
图10为基于实施例2原始谐波信号频谱及其6次方变化后的信号频谱;
图11未经过处理的169个记录道的原始地震记录剖面;
图12为图11中一个记录点的地震采样信号;
图13为图12中采样信号经过伪高频变换处理后的地震采样信号;
图14为图13中信号经过抖动滤波处理后的地震采样信号
图15为经过滤波处理后的169个记录点的地震剖面。
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的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示诸如第一、第二、上、下、左、右、前、后……仅用于解释在某一特定姿态如附图所示下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
以下面结合附图以对本发明作进一步描述:
实施例1:
参照图1,本发明一种采样信号的滤波方法提供第一实施例的流程示意图,所述方法包括以下步骤:
S1:赋予采样信号抖动步长n或频率Δf,基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,对采样信号进行抖动滤波计算实现高通滤波,压制低频信号,保留高频信号,以提高采样信号分辨率;
具体的,所述抖动滤波计算通过式(2)进行计算:
newy(i)=y(i)-y(i-n),(i-n)>0
或newy(i-n)=y(i-n)-y(i),(i-n)>0 (2)
其中,newy(i)为抖动滤波后的序列信号;y(i)为采样信号;i为序列号;n为抖动步长,为1的整数倍;抖动频率Δf=1/n;
在对采样信号进行抖动滤波计算时:
若给定的抖动步长n通过式(2)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(2)处理未达到信号处理预期效果,则调整抖动步长n继续计算,直到达到信号处理预期效果;这种采样信号的滤波方法,只需要事先设定抖动步长n或频率Δf,基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,便能够对压制低频信号,保留高频信号从而提高提高采样信号的分辨率;因此,整个采样信号的滤波方法计算量小,不会产生边界效应、不会在没有信号的区段产生假信号;且原理通俗易懂,操作灵活。
所述的抖动滤波计算的,所述信号处理预期效果,可通过振幅谱或功率谱分析比较,可以发现低频被压制,高频相对增强;或者,使用者根据已有资料初步预判应该出现有效信号的区间段,处理后该区间段出现明显增强的有效信号;或者,用于图像边界识别领域,信号处理预期效果是看到目标边界或轮廓得到清晰呈现。
下面对具有一定步长的时域信号进行抖动滤波处理以说明本发明的抖动滤波原理,具体如下:
一定步长的时域信号抖动滤波效果体现在其对不同频率谐波信号的压制能力不同,基本规律是抖动操作将压制低频信号,相对保留高频信号,呈现高通特征。
任意给定时域信号[y(1)、y(2)、y(3)……y(i)……y(N)],其中i为信号序号或采样时间点序号,N为总的采样点数。设n为抖动步长,且n<N,n为序号1的整数倍;当其转换为时间参量时等于n乘以采样间隔,设其乘积为△t,对应抖动频率换算为△f=1/△t。n为正数或负数分别对应向前或向后抖动。
忽略(i-n)<=0时端点的信号,抖动后的序列信号为:
newy(i)=y(i)-y(i-n)
特别地,当n=1时,计算结果类似传统的水平梯度计算值。
同样取三角函数:y=sin(2*pi*f*t),其中,从高到低分别设f=4000Hz、2000Hz、1000Hz、500Hz和250Hz共5个频率谐波。时间采样间隔为0.000025秒。
设定所有谐波的幅度都为“1”,不同频率谐波信号截取部分如附图4所示。
抖动步长n分别设为1~10,对应时间分别用△t(j)=j*0.000025秒,其中,j=1,2,……,10;当n=1时,换算成时间△t=0.000025秒,对应抖动频率△f=40KHz。求取不同频率谐波抖动之后的极大值Amax,获得的信号幅度变化如附图5所示。
从附图5可以看出,整体上频率越低的信号,抖动后的幅度衰减越大,说明其对抖动越敏感,频率高的信号其幅度衰减相对较弱;随着抖动步长(横坐标)的增大,抖动后的信号幅度呈现不同的变化特征,但总体符合前述规律。
为了说明采用实施例1采样信号的滤波方法的使用效果,将本发明实施例1提供的采样信号的滤波方法应用到图像边界识别领域,具体的,选取图6所示的一幅灰度图像,纵、横坐标都为像素点,共60*4000个。图像上不同目标的边界非常模糊,从该原始图像上很难确定目标边界,影响后续处理工作的开展。为此,采用本发明中的抖动滤波计算来提升边界检定。以像素点上的灰度值为参数y,分别在水平方向上用抖动步长2(像素点)、垂直方向上用抖动步长20(像素点)进行两次独立的抖动滤波计算,两次抖动滤波计算后的结果进行叠加,得到如图7所示的灰度图像。从图7可以看出,从抖动后的图像上能够清晰识别不同目标边界,提升了图像信号的分辨能力。
实施例2:
参照图2和图3,本发明一种采样信号的滤波方法提供第二实施例的流程示意图,所述方法包括以下步骤:
S0:对采样信号进行伪高频变换以获得伪高频信号;
具体的,所述伪高频变换的方法为对采样信号进行常有理数幂运算,以使原始信号呈现倍频于原始信号频率的伪高频信号;
所述伪高频信号通过式(1)计算获得,
其中,Y(i)为实施伪高频处理后信号;y(i)为采样信号;i为采样信号序号;M为数据总数;e为幂函数运算因子、常有理数,根据信号处理预期效果灵活设置;sign()为取符号函数;abs()为取绝对值函数。
在对采样信号进行伪高频变换时,根据预期的处理效果,事先给定一个幂函数运算因子e,
若给定的幂函数运算因子e通过式(1)处理达到信号处理预期效果,再进行抖动滤波计算;
若给定幂函数运算因子e通过式(1)处理未达到信号处理预期效果,则调整幂函数运算因子e继续处理,直到达到信号处理预期效果。
为了更好的说明伪高频变换的原理,不失一般性的,取时变正弦谐波信号y=sin(2*pi*f*t)进行说明,其中:
pi为圆周率;f为信号频率;t为时间变量。
对时变正弦谐波信号y=sin(2*pi*f*t)按照三角函数的指数展开表达式:
在n为常数的幂函数运算后,信号中将会出现基于原始信号有效频率的倍频信号,称之为伪高频信号,这个伪高频信号基于原始信号,但对原始信号有了较大变动。当f=100Hz时,其信号如附图9所示,如果采用6次方计算,计算表达式为:
附图10为两个信号的振幅谱,可看出,原本只有100Hz频率的谐波,作幂运算后有300Hz、500Hz……的伪高频出现。
通常在期望提高信号或边界分辨率时,往往希望提高信号的频率,源于对普通谐波信号变换规律的探索,本发明基于简单的幂运算就可以得到伪高频信号,这种看似“畸变”的信号并没有脱离真实的采样信号,为后续抖动滤波算法奠定了一定的基础。
S1:赋予经过伪高频变换的采样信号抖动步长n或频率△f,基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,对采样信号进行抖动滤波计算实现高通滤波,压制低频信号,保留高频信号,以提高采样信号分辨率;
具体的,所述抖动滤波计算通过式(3)进行计算:
newy(i)=Y(i)-Y(i-n),(i-n)>0
或newy(i-n)=Y(i-n)-Y(i),(i-n)>0 (3)
其中,newy(i)为抖动滤波后的序列信号;y(i)为实施伪高频处理后信号;i为序列号;n为抖动步长,为1的整数倍;抖动频率△f=1/n;
在对实施伪高频处理后信号进行抖动滤波计算时:
若给定的抖动步长n通过式(3)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(3)处理未达到信号处理预期效果,则调整抖动步长n继续计算,直到达到信号处理预期效果。
作为优选的实施例,在对实施伪高频处理后信号进行抖动滤波处理时:
若给定的抖动步长n通过式(3)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(3)处理未达到信号处理预期效果,则调整抖动步长n继续计算;
若调整抖动步长n仍然未达到信号处理预期效果,则返回调整幂函数运算因子e,直到达到信号处理预期效果。
在实施例二中的抖动滤波原理与实施例一相同,在此不再赘述。
参照图8,对频率为250Hz的谐波信号经过伪高频变换处理,然后再用抖动滤波算法,可以得到如附图8的对比结果,图中虚线为原始谐波信号经过抖动后的结果,实线为经过伪高频处理后再实施抖动滤波后的效果。
从附图8可以看出,实施伪高频变换处理后的信号,再实现抖动滤波计算时能够更敏锐地把握信号的极值点,而且对原始极值点的位置没有相移。
以上论述可以看出,经过伪高频变换操作,可以基于原始信号,获得更高频的潜在特征信号,为后期抖动滤波提供支持;本实施例中,将伪高频变换处理和抖动滤波计算一起结合使用,综合达到提高信号分辨率的效果。
需要说明的是,本发明所述的伪高频变换时,所述信号处理预期效果,宏观上是能够明显看到增强的高频信号特征。具体的,针对不同的领域,根据对应的领域的采样信号相应显现;对于地震勘探数据处理领域,是指高频信号或目标反射同相轴信号显现;
所述的抖动滤波计算的,所述信号处理预期效果,可通过振幅谱或功率谱分析比较,可以发现低频被压制,高频相对增强;或者,使用者根据已有资料初步预判应该出现有效信号的区间段,处理后该区间段出现明显增强的有效信号;或者,用于图像边界识别领域,信号处理预期效果是看到目标边界或轮廓得到清晰呈现。
为了说明采用实施例2的首先对采样信号进行伪高频变换处理,再对经过伪高频变换的采样信号进行抖动滤波计算的使用效果,将本发明实施例2提供的采样信号的滤波方法应用到一次地震勘探领域的一维数据处理中,具体的,采集了169道地震数据,原始地震道记录如图11所示。
取其中第55道的地震记录如图12所示,横坐标为时间序号,时间采样间隔为50us,纵坐标为采样信号的幅度。为了更好地得到高分辨率地震信号,采用1/4次方幂函数对原始记录数据进行伪高频处理,处理后的信号如图13所示,相比图12中的原始信号,伪高频信号对各个不同时段的信号都有明显体现。在该伪高频信号处理的基础上,采用步长为9的抖动滤波处理,可以得到如图14所示的高频信号,从该信号上可以看出,伪高频处理后的不同时间段信号的边界能够很好地反映出来。运用实施例二提供的处理策略,对全剖面169道记录都做类似处理,处理后的剖面如图15所示。对比图11和图15,可以明显看到原来剖面上没有显示出来的细节信息在图15中得到了完美呈现。
实施例二提供的采样信号的滤波处理,首先基于简单的幂运算得到伪高频信号,这种看似“畸变”的信号并没有脱离真实的采样信号,为后续抖动滤波算法奠定了一定的基础;
其次,为了对伪高频信号进行提取,基于“对不同频率谐波信号进行同步抖动可以产生滤波效果”的原理,再对经过伪高频处理的采样信号进行一定步长(或频率)的抖动滤波计算,快速实现了压制低频信号的效果。将伪高频变换处理和抖动滤波计算一起结合使用,可以应用在众多工程领域,从工程案例上看,使用效果明显。
整体上,实施例二提供的一种采样信号的滤波方法基于工程实践,算法计算量小、操作实现灵活、易于变化,不会产生边界效应、不会在没有信号的区段产生假信号;计算原理便于技术人员掌握,实现步骤便于技术人员操控;且能够广泛适用于时基、空基、频率域、波数域等一维、二维或多维的采样信号或数据。
实施例3:
本发明还提供一种采样信号的滤波系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的采样信号的滤波程序,所述采样信号的滤波程序被所述处理器执行时实现如上述任一所述的一种采样信号的滤波方法的步骤。
本发明存储介质的具体实施例与上述采样信号的滤波方法各实施例基本相同,在此不作赘述。
实施例4:
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有采样信号的滤波方法程序,所述采样信号的滤波程序被处理器执行时实现如上述任一所述的一种采样信号的滤波方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件比如模拟电路或可编程逻辑器件(FPGA),,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种采样信号的滤波方法,其特征在于,步骤包括:
S1:赋予采样信号抖动步长n或频率Δf,对采样信号进行抖动滤波计算实现高通滤波,压制低频信号,保留高频信号。
2.根据权利要求1所述的一种采样信号的滤波方法,其特征在于,在对采样信号进行抖动滤波处理前,还包括:
S0:对采样信号进行伪高频变换以获得伪高频信号;
其中,步骤S1对步骤S0经过伪高频变换的采样信号进行抖动滤波计算。
3.根据权利要求1所述的一种采样信号的滤波方法,其特征在于,所述抖动滤波处理通过式(2)进行计算:
newy(i)=y(i)-y(i-n),(i-n)>0
或newy(i-n)=y(i-n)-y(i),(i-n)>0 (2)
其中,newy(i)为抖动滤波后的序列信号;y(i)为采样信号;i为序列号;n为抖动步长,为1的整数倍;抖动频率Δf=1/n。
4.根据权利要求2所述的一种采样信号的滤波方法,其特征在于,所述抖动滤波处理通过式(3)进行计算:
newy(i)=Y(i)-Y(i-n),(i-n)>0
或newy(i-n)=Y(i-n)-Y(i),(i-n)>0 (3)
其中,newy(i)为抖动滤波后的序列信号;Y(i)为实施伪高频处理后信号;i为序列号;n为抖动步长,为1的整数倍;抖动频率Δf=1/n。
5.根据权利要求2或4所述的一种采样信号的滤波方法,其特征在于,所述伪高频变换的方法为对采样信号进行常有理数幂运算,以使原始信号呈现倍频于原始信号频率的伪高频信号。
7.根据权利要求6所述的一种采样信号的滤波方法,其特征在于,在对采样信号进行伪高频变换时,
若给定的幂函数运算因子e通过式(1)处理达到信号处理预期效果,再进行抖动滤波计算;
若给定幂函数运算因子e通过式(1)处理未达到信号处理预期效果,则调整幂函数运算因子e继续处理,直到达到信号处理预期效果。
8.根据权利要求3所述的一种采样信号的滤波方法,其特征在于,在对采样信号进行抖动滤波处理时:
若给定的抖动步长n通过式(2)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(2)处理未达到信号处理预期效果,则调整抖动步长n继续计算,直到达到信号处理预期效果。
9.根据权利要求6所述的一种采样信号的滤波方法,其特征在于,在对采样信号进行抖动滤波处理时:
若给定的抖动步长n通过式(2)处理达到信号处理预期效果,则结束计算,参照高分辨率信号进行后续分析解译;
若给定的抖动步长n通过式(2)处理未达到信号处理预期效果,则调整抖动步长n继续计算;
若调整抖动步长n仍然未达到信号处理预期效果,则返回调整幂函数运算因子e,直到达到信号处理预期效果。
10.根据权利要求1或2所述的一种采样信号的滤波方法,其特征在于,所述步骤S1中,基于长周期低频信号对抖动相对敏感,短周期高频信号对抖动相对不敏感的基本规律,对采样信号进行抖动滤波计算实现高通滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643921.4A CN114938218A (zh) | 2022-06-09 | 2022-06-09 | 一种采样信号的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643921.4A CN114938218A (zh) | 2022-06-09 | 2022-06-09 | 一种采样信号的滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114938218A true CN114938218A (zh) | 2022-08-23 |
Family
ID=82865882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210643921.4A Pending CN114938218A (zh) | 2022-06-09 | 2022-06-09 | 一种采样信号的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114938218A (zh) |
-
2022
- 2022-06-09 CN CN202210643921.4A patent/CN114938218A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5781460A (en) | System and method for chaotic signal identification | |
Mallat et al. | Singularity detection and processing with wavelets | |
US5353233A (en) | Method and apparatus for time varying spectrum analysis | |
Wu et al. | Smoothing speckled synthetic aperture radar images by using maximum homgeneous region filters | |
JP4791137B2 (ja) | 位置特定装置、画像再生装置、位置特定方法および位置特定プログラム | |
EP1990653B1 (en) | Signal processing method | |
US10393899B2 (en) | Automatic tracking of faults by slope decomposition | |
CN110617973A (zh) | 振动检测方法及相关装置 | |
CN115755043B (zh) | 一种基于x波段非相参雷达的波浪场重构及预测方法 | |
Blough | A survey of DSP methods for rotating machinery analysis, what is needed, what is available | |
Ho et al. | A fast Hough transform for the parametrisation of straight lines using Fourier methods | |
Barton | Analysis of palaeomagnetic time series—techniques and applications | |
CN114938218A (zh) | 一种采样信号的滤波方法 | |
JP2003528405A (ja) | コヒーレント・センサ検知画像の多時間フィルタリング方法 | |
US10578694B2 (en) | System and method for improved signal detection in NMR spectroscopy | |
Cai et al. | A new adaptive multiresolution noise-filtering approach for SAR interferometric phase images | |
JP3005353B2 (ja) | 隠蔽場所の断面検出装置 | |
Corretja et al. | Enhanced Cohen class time–frequency methods based on a structure tensor analysis: Applications to ISAR processing | |
Scholte | Fourier based high-resolution near-field sound imaging | |
Carevic | Wavelet-based method for detection of shallowly buried objects from GPR data | |
Panin et al. | Application of the fractal dimension for estimating surface images obtained by various detectors | |
Krumm | Space frequency shape inference and segmentation of 3 D surfaces | |
CN115950529B (zh) | 基于谱增强的微角谐振信号估计方法、装置及电子设备 | |
CN111856552A (zh) | 可控震源扫描信号的生成方法及装置 | |
JP2014038028A (ja) | 信号処理装置及び方法、並びにプログラム及び記録媒体 |
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 |