CN116465489A - 一种基于曲率的日盲紫外光电探测器信号分割方法 - Google Patents
一种基于曲率的日盲紫外光电探测器信号分割方法 Download PDFInfo
- Publication number
- CN116465489A CN116465489A CN202310420159.8A CN202310420159A CN116465489A CN 116465489 A CN116465489 A CN 116465489A CN 202310420159 A CN202310420159 A CN 202310420159A CN 116465489 A CN116465489 A CN 116465489A
- Authority
- CN
- China
- Prior art keywords
- signal
- curvature
- segment
- signals
- solar blind
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000005855 radiation Effects 0.000 claims abstract description 7
- 238000009499 grossing Methods 0.000 claims description 9
- 230000037433 frameshift Effects 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于曲率的日盲紫外光电探测器信号分割方法,包括:利用日盲紫外光电探测器按照预设的采样时间采集日盲紫外光辐射生成采样信号;通过分数阶微积分数字滤波器对采样信号进行降噪处理生成滤波信号;利用离散点拟合圆的方法计算滤波信号的曲率估计值,并利用指数函数对曲率估计值进行数值优化得到滤波信号的曲率向量;依据曲率向量利用滑动平均滤波函数和二值法求取权重系数并对滤波信号进行加权,得到多个非零离散时域片段;针对非零离散时域片段,通过均值和宽度排除其中干扰段,得到候选分割点信号;根据候选分割点信号设置判定指标确定上下分段边界点对滤波信号进行分割和整流得到日盲紫外光电探测器信号。
Description
技术领域
本发明属于信号分割技术领域,特别涉及一种基于曲率的日盲紫外光电探测器信号分割方法。
背景技术
日盲紫外光电探测器是对波长小于280nm的紫外光辐射进行接收和探测的仪器,以其较高的探测灵敏度和抗辐射性能被广泛应用于导弹制导、空间安全通信、臭氧层空洞监测和火焰检测等军事和民用领域。然而,由于传输距离较远以及持续光电导现象的存在,探测器件所采集的输出信号通常较为微弱且易受噪声影响,信号的频率响应也因存在衰减期并非呈现理想的高低电平状态,使得信号所传输的信息在接收端进行解码时精度和传输率降低,从而导致信号不能直观反映出日盲紫外光辐射的特征,为此,需对接收到的日盲紫外光电探测器信号进行信号处理,以便于接收端的解码,提高信号传输率和准确率。
对于日盲紫外光电探测器采集的I-t特性曲线,要完成信号解码,需要对采样信号首先降噪,然后进行分割,最后实现整流。降噪是信号分割实现的前提条件,信号分割是为了寻找合理准确的分割点来实现信号整流。信号分割作为一种有效的信号分析方法,目前常见于表面肌电信号、心音信号以及语音周期信号等领域,对于较为微弱的日盲紫外光电探测器信号分割缺少较为有效的信号分割策略。
发明内容
本发明为了解决背景技术中存在的问题,提供一种基于曲率的日盲紫外光电探测器信号分割方法,利用分数阶微积分数字滤波器实现降噪后,采用离散曲率计算方法确定分段边界点,完成信号分割和整流,从而实现信号解码,该算法能够在降噪的同时,提取出日盲紫外光电探测器信号的有效信息进行分析,提高了信号的传输率和准确率,具体技术方案如下:
一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,包括以下步骤:
S1:利用日盲紫外光电探测器按照预设的采样时间采集日盲紫外光辐射生成采样信号;
S2:通过分数阶微积分数字滤波器对采样信号进行降噪处理生成滤波信号;
S3:利用离散点拟合圆的方法计算滤波信号的曲率估计值,并利用指数函数对曲率估计值进行数值优化得到滤波信号的曲率向量;
S4:依据滤波信号的曲率向量利用滑动平均滤波函数和二值法对滤波信号进行加权,得到多个非零离散时域片段;针对每个非零离散时域片段,通过该片段的均值和宽度排除其中干扰段,得到候选分割点信号;
S5:根据候选分割点信号设置判定指标确定上下分段边界点,通过上下分段边界点对滤波信号进行分割和整流,得到日盲紫外光电探测器信号。
进一步的,所述步骤S3包括:
S31:设滤波信号S={S0,S1,...,Sn-1},n为滤波信号长度,按预设的帧长w和帧移r对滤波信号进行分帧处理得到S={SW0,SW1,…,SWi,…,SW(n-w-1)r};其中,SWi表示滤波信号的第i帧信号,(n-w-1)r表示滤波信号帧的数量;
S32:通过长度中点M=<w/2>,划分滤波信号的第i帧信号SWi={SWi1,SWi2,...,SWi<w/2>,...,SWiw}为左右两个分段帧即{SWi1,SWi2,...,SWi[<w/2>-1]}和{SWi[<w/2>+1],...,SWiw},<>表示向下取整;统计左右两个分段帧信号的中值即SiR和SiL,并以(SiR,M/2)=(x1,y1)、(SiM,M)=(x2,y2)和(SiL,3M/2)=(x3,y3)作为第i帧信号的三个离散点;
S33:根据圆展开式x2+y2+ax+by+c=0,利用滤波信号第i帧信号的三个离散点(xj,yj)(j=1,2,3)构造第i帧信号圆的误差方程:以及直线与圆心的位置误差方程/>对未知参数a,b,c,d,e求偏导为0,得到该帧信号的近似估计值为/>
S34:根据构造拟合圆,并计算滤波信号第i帧信号的曲率估计值:
其中,表示滤波信号第i帧信号的曲率估计值,τ是反映第i帧信号曲线弯曲方向的参数,sign(·)表示符号函数,选择帧移r=1,通过周期延拓得到滤波信号的曲率估计值序列ρ={ρ0,ρ1,...,ρn-1};
S35:提取滤波信号的曲率估计值序列ρ中元素最大值ρmax,根据ρmax对滤波信号的曲率估计值进行归一化处理即i={0,1,...,n-1};将归一化后的/>作为指数函数R(x)=10x的自变量输入x,得到数优化后的曲率向量R={R0,R1,...,Rn-1}。
进一步地,所述步骤S4包括:
S41:采用滑动平均滤波函数对曲率向量R进行平滑处理,设定阈值θ=A×max(R)遍历平滑结果中的每一个元素,将大于阈值θ的元素的权重设置为1,将小于等于阈值θ的元素的权重设置为0,生成平滑结果对应的权重系数向量φ=[φ0,φ1,...,φn-1];
S42:根据权重系数向量φ对滤波信号进行加权Q=S×φ,得到多个非零离散时域片段;
S43:依次提取每一个非零离散时域片段的均值和宽度,当均值小于阈值θ的30%且宽度低于150时,舍弃该非零离散时域波段;反之,保留该非零离散时域片段,得到候选分割点信号。
进一步地,A为可调参数,取值范围为0.1~0.3。
进一步地,所述根据候选分割点信号设置判定指标确定上下分段边界点包括:
首先根据候选分割点信号通过设置判定指标的方式确定下分段边界点,再利用下分段边界点对滤波信号进行分段,然后利用离散点拟合圆的方法估计每段信号的曲率向量,最后将曲率最大值对应的横坐标作为上分段边界点。
进一步地,所述根据候选分割点信号通过设置判定指标的方式确定下分段边界点包括:
S51:提取候选分割点信号中每一个非零离散时域片段中最大值对应的横坐标组成一维向量ζ={ζ0,ζ1,...,ζk,...,ζK-1},K表示候选分割点信号中非零离散时域片段的数量,对一维向量ζ={ζ0,ζ1,...,ζk,...,ζK-1}进行一阶前向差分运算并求取均值得到用于分段边界点判断的邻域宽度γ;
S52:以每一个非零离散时域片段中最大值对应的横坐标ζk为中点左右截取长度为γ的样本数据计算判定指标ΔRE=NRE/λ和ΔLE=NLE/λ;其中,NRE和NLE分别表示ζk左右数据中小于/>的样本点数量;
S53:以样本数据为中点将/>划分为两个分段数据即/>和/>统计左右两个分段数据的中值即/>和/>并以/> 和/>三个点作为样本数据/>的离散点,基于三个离散点构造直线/>计算直线/>与样本数据的能量差/>
S54:设定参数t,①当判定指标ΔRE和ΔLE均小于t,则ζk判定为下分段边界点;②当ΔRE≥t,将ζk直接予以排除;③当ΔRE<t且ΔLE≥t,需要判定指标若/>时,则ζk判定为下分段边界点。
进一步的,所述能量差的计算公式为其中,|·|2表示向量二范数。
进一步的,参数t为可调参数,取值范围为0.1~0.3。
进一步的,所述对滤波信号进行分割和整流包括:信号的整流通过上下边界分段点进行,依据滤波信号特征,以每个下分段边界点为中心,将下分段边界点至左边第一个上分段边界点的滤波信号数据全部置为0,下分段边界点至右边第一个上分段边界点的数据全部置为1,完成滤波信号自动整流。
本发明至少具有以下有益效果
1、本算法实现了基于曲率的日盲紫外光电探测器微弱信号降噪、分割和整流,在原始采样信号无法识别的情况下,能够使得微弱信号所携带的具体信息表征出来,从而保证了日盲紫外光电探测器信号准确性。
2、本发明能够快速准确的将日盲紫外光电探测器信号分割成具有不同物理特征的信号片段,以便于后续对其进行如频率响应、量子效率以及响应度等特征分析。
3、具有较好的算法迁移性和鲁棒性,能够对多种日盲紫外光电探测器信号进行分割和整流,提高了信号的传输率,且算法精度较高,运算复杂度较低。
附图说明
图1是本发明的方法流程图;
图2为日盲紫外光电探测器采集的两组原始采样信号;
图3是利用分数阶微积分数字滤波器进行滤波后的滤波信号;
图4为利用离散曲率估计方法和数值优化得到的曲率向量;
图5为提取上下分段边界点对滤波信号进行分割的示意图;
图6为根据上下分段边界点对滤波信号进行整流的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,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的具体含义。
如图1所示,本发明提供一种基于曲率的日盲紫外光电探测器信号分割方法,包括以下步骤:
S1:利用日盲紫外光电探测器按照预设的采样时间采集日盲紫外光辐射生成采样信号;
实施例,本发明采用日盲紫外光电探测器采集两组数据,采样频率fs=200000,采样时间5s,信号长度n=10000000。器件在两组不同波长光照下的时间响应如图2所示。可以看出,采样信号包含大量噪声,特征分析受到严重影响。
S2:通过分数阶微积分数字滤波器对采样信号进行降噪处理生成滤波信号;
实施例,为提取信号分割点,设定微分阶数-0.9,使用分数阶微积分数字低通滤波器对采样信号进行消噪处理。结果如图3所示。可以看出,滤波后信号信噪比得到有效提高。
S3:利用离散点拟合圆的方法计算滤波信号的曲率估计值,并利用指数函数对曲率估计值进行数值优化得到滤波信号的曲率向量;
实施例,为实现信号分割,采用离散点拟合圆方法确定曲率估计值,并对其进行数值优化,计算步骤具体如下:
S31:设滤波信号S={S0,S1,...,Sn-1},n为滤波信号长度,按预设的帧长w和帧移r对滤波信号进行分帧处理得到S={SW0,SW1,…,SWi,…,SW(n-w-1)r};其中,SWi表示滤波信号的第i帧信号,(n-w-1)r表示滤波信号帧的数量,在一些实施例中w=1500;
S32:通过长度中点M=<w/2>,划分滤波信号的第i帧信号SWi={SWi1,SWi2,...,SWi<w/2>,...,SWiw}为左右两个分段帧即{SWi1,SWi2,...,SWi[<w/2>-1]}和{SWi[<w/2>+1],...,SWiw},<>表示向下取整;统计左右两个分段帧信号的中值即SiR和SiL,并以(SiR,M/2)=(x1,y1)、(SiM,M)=(x2,y2)和(SiL,3M/2)=(x3,y3)作为第i帧信号的三个离散点,并基于三个离散点构造直线;
S33:根据圆展开式x2+y2+ax+by+c=0,利用滤波信号第i帧信号的三个离散点(xj,yj)(j=1,2,3)构造第i帧信号圆的误差方程:以及直线与圆心的位置误差方程/>对未知参数a,b,c,d,e求偏导为0,得到该帧信号的近似估计值为/>
优选地,的估计公式为:
S34:根据构造拟合圆,并计算滤波信号第i帧信号的曲率估计值:
其中,表示滤波信号第i帧信号的曲率估计值,τ是反映第i帧信号曲线弯曲方向的参数,sign(·)表示符号函数,选择帧移r=1,通过周期延拓得到滤波信号的曲率估计值序列ρ={ρ0,ρ1,…,ρn-1}。
请参阅图4,S35:提取滤波信号的曲率估计值序列ρ中元素最大值ρmax,根据ρmax对滤波信号的曲率估计值进行归一化处理即ρi=ρi/ρmax,i={0,1,...,n-1};将归一化后的作为指数函数R(x)=10x的自变量输入x,得到数优化后的曲率向量R={R0,R1,...,Rn-1}。可以看出,下分段边界点的数值相对较大,可以首先提取下分段边界点完成信号分段后再进一步实现上分段边界点确定。
S4:依据滤波信号的曲率向量利用滑动平均滤波函数和二值法对滤波信号进行加权,得到多个非零离散时域片段;针对每个非零离散时域片段,通过该片段的均值和宽度排除其中干扰段,得到候选分割点信号;
实施例,通过设定合理的阈值生成的权重系数对滤波信号进行加权可得到包含有干扰和分段边界点的多个非零离散时域片段。为减少后续分段边界点的判定负担,可通过提取加权后的每一片段数据的均值和宽度进一步排除干扰。以上内容具体步骤包括如下:
S41:采用滑动平均滤波函数对曲率向量R进行平滑处理,设定阈值θ=A×max(R)遍历平滑结果中的每一个元素,将大于阈值θ的元素的权重设置为1,将小于等于阈值θ的元素的权重设置为0,生成平滑结果对应的权重系数向量φ=[φ0,φ1,...,φn-1];
优选地,所述参数A为可调参数,取值范围为0.1~0.3,在本实施例中,A=0.2。
S42:根据权重系数向量φ对滤波信号进行加权Q=S×φ,得到包含有干扰和上下分段边界点的多个非零离散时域片段。
S43:依次提取每一个非零离散时域片段的均值和宽度,当均值小于阈值θ的30%且宽度低于150时,舍弃该非零离散时域波段;反之,保留该非零离散时域片段。
S5:根据候选分割点信号设置判定指标确定上下分段边界点,通过上下分段边界点对滤波信号进行分割和整流,得到日盲紫外光电探测器信号。
优选地,所述根据候选分割点信号设置判定指标确定上下分段边界点包括:
首先根据候选分割点信号通过设置判定指标的方式确定下分段边界点,再利用下分段边界点对滤波信号进行分段,然后利用离散点拟合圆的方法估计每段信号的曲率向量,最后将曲率最大值对应的横坐标作为上分段边界点。
实施例,通过步骤S43的干扰片段预排除,可得到包含有上下分段边界点的拐点区间。由于部分上分段边界点在滤波信号加权时可能丢失且数值优化结果中较大的非边界点可能仍然存在,因此,算法选择利用判定指标首先排除上分段边界点和干扰段,与此同时记录所有下分段边界点。在此基础上,利用下分段边界点分割滤波信号后进一步利用离散曲率估计方法确定出上分段边界点,从而实现信号整流。以上内容具体包括以下步骤:
S51:提取候选分割点信号中每一个非零离散时域片段中最大值对应的横坐标组成一维向量ζ={ζ0,ζ1,...,ζk,...,ζK-1},K表示候选分割点信号中非零离散时域片段的数量,对一维向量ζ={ζ0,ζ1,...,ζk,...,ζK-1}进行一阶前向差分运算并求取均值得到用于分段边界点判断的邻域宽度γ;
S52:根据图3的信号波形特征,下分段边界点通常处于信号波谷或上升沿初始位置。因此,可以依据邻域宽度γ内低于的样本点数作为排除伪下分段边界点的判定指标。具体的,以每一个非零离散时域片段中最大值对应的横坐标ζk为中点左右截取长度为γ的样本数据/>计算判定指标ΔRE=NRE/λ和ΔLE=NLE/λ;其中,NRE和NLE分别表示ζk左右数据中小于/>的样本点数量;
S53:以样本数据为中点将/>划分为两个分段数据即/>和/>统计左右两个分段数据的中值即/>和/>并以/> 和/>三个点作为样本数据/>的离散点,基于三个离散点构造直线计算直线/>与样本数据/>的能量差/>当直线/>与样本数据/>的能量差/>较小时,表明ζk是处于信号上升沿、下降沿或者平稳段的伪边界点;反之,则是作为有效分割点予以保留。为有效量化差异大小,选择直线/>与样本数据/>的能量差/>作为判定指标。
优选地,所述能量差的计算公式为其中,|·|2表示向量二范数;
S54:设定参数t,①当判定指标ΔRE和ΔLE均小于t,则ζk判定为下分段边界点;②当ΔRE≥t,将ζk直接予以排除;③当ΔRE<t且ΔLE≥t,需要判定指标若/>时,则ζk判定为下分段边界点。
优选地,所述参数t为可调参数,取值范围为0.1~0.3,在本实施例中,t=0.15。
优选地,在利用下分段边界点对滤波信号进行分段后,通过离散点拟合圆的方法估计每段信号的曲率向量,最后将曲率最大值对应的横坐标作为上分段边界点,利用上下边界分割点,可实现对信号的分割,其结果如图5所示。可以看出,信号未出现漏检、错检,较好实现了信号分割目的。
优选地,所述对滤波信号进行分割和整流包括:信号的整流通过上下边界分段点进行,依据滤波信号特征,以每个下分段边界点为中心,将下分段边界点至左边第一个上分段边界点的滤波信号数据全部置为0,下分段边界点至右边第一个上分段边界点的数据全部置为1,完成滤波信号自动整流。通过对信号赋予高低电平进行整流,结果如图6所示,表明信号分割可以较好提高信号的传输率和准确度。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,包括:
S1:利用日盲紫外光电探测器按照预设的采样时间采集日盲紫外光辐射生成采样信号;
S2:通过分数阶微积分数字滤波器对采样信号进行降噪处理生成滤波信号;
S3:利用离散点拟合圆的方法计算滤波信号的曲率估计值,并利用指数函数对曲率估计值进行数值优化得到滤波信号的曲率向量;
S4:依据滤波信号的曲率向量利用滑动平均滤波函数和二值法对滤波信号进行加权,得到多个非零离散时域片段;针对每个非零离散时域片段,通过该片段的均值和宽度排除其中干扰段,得到候选分割点信号;
S5:根据候选分割点信号设置判定指标确定上下分段边界点,通过上下分段边界点对滤波信号进行分割和整流,得到日盲紫外光电探测器信号。
2.根据权利要求1所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,所述步骤S3包括:
S31:设滤波信号S={S0,S1,...,Sn-1},n为滤波信号长度,按预设的帧长w和帧移r对滤波信号进行分帧处理得到S={SW0,SW1,...,SWi,...,SW(n-w-1)r};其中,SWi表示滤波信号的第i帧信号,(n-w-1)r表示滤波信号帧的数量;
S32:通过长度中点M=<w/2>,划分滤波信号的第i帧信号SWi={SWi1,SWi2,...,SWi<W/2>,...,SWiw}为左右两个分段帧即{SWi1,SWi2,...,SWi[<w/2>-1]}和{SWi[<w/2>+1],...,SWiw},<>表示向下取整;统计左右两个分段帧信号的中值即SiR和SiL,并以(SiR,M/2)=(x1,y1)、(SiM,M)=(x2,y2)和(SiL,3M/2)=(x3,y3)作为第i帧信号的三个离散点;
S33:根据圆展开式x2+y2+ax+by+c=0,利用滤波信号第i帧信号的三个离散点(xj,yj)(j=1,2,3)构造第i帧信号圆的误差方程:以及直线与圆心的位置误差方程/>对未知参数a,b,c,d,e求偏导为0,得到该帧信号的近似估计值为/>
S34:根据构造拟合圆,并计算滤波信号第i帧信号的曲率估计值:
其中,表示滤波信号第i帧信号的曲率估计值,τ是反映第i帧信号曲线弯曲方向的参数,sign(·)表示符号函数,选择帧移r=1,通过周期延拓得到滤波信号的曲率估计值序列ρ={ρ0,ρ1,...,ρn-1};
S35:提取滤波信号的曲率估计值序列ρ中元素最大值ρmax,根据ρmax对滤波信号的曲率估计值进行归一化处理即将归一化后的/>作为指数函数R(x)=10x的自变量输入x,得到数优化后的曲率向量R={R0,R1,...,Rn-1}。
3.根据权利要求1所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,所述步骤S4包括:
S41:采用滑动平均滤波函数对曲率向量R进行平滑处理,设定阈值θ=A×max(R)遍历平滑结果中的每一个元素,将大于阈值θ的元素的权重设置为1,将小于等于阈值θ的元素的权重设置为0,生成平滑结果对应的权重系数向量φ=[φ0,φ1,...,φn-1];
S42:根据权重系数向量φ对滤波信号进行加权Q=S×φ,得到多个非零离散时域片段;
S43:依次提取每一个非零离散时域片段的均值和宽度,当均值小于阈值θ的30%且宽度低于150时,舍弃该非零离散时域波段;反之,保留该非零离散时域片段,得到候选分割点信号。
4.根据权利要求3所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,A为可调参数,取值范围为0.1~0.3。
5.根据权利要求1所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,所述根据候选分割点信号设置判定指标确定上下分段边界点包括:
首先根据候选分割点信号通过设置判定指标的方式确定下分段边界点,再利用下分段边界点对滤波信号进行分段,然后利用离散点拟合圆的方法估计每段信号的曲率向量,最后将曲率最大值对应的横坐标作为上分段边界点。
6.根据权利要求5所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,所述根据候选分割点信号通过设置判定指标的方式确定下分段边界点包括:
S51:提取候选分割点信号中每一个非零离散时域片段中最大值对应的横坐标组成一维向量ζ={ζ0,ζ1,...,ζk,...,ζK-1},K表示候选分割点信号中非零离散时域片段的数量,对一维向量ζ={ζ0,ζ1,...,ζk,...,ζK-1}进行一阶前向差分运算并求取均值得到用于分段边界点判断的邻域宽度γ;
S52:以每一个非零离散时域片段中最大值对应的横坐标ζk为中点左右截取长度为γ的样本数据计算判定指标ΔRE=NRE/λ和ΔLE=NLE/λ;其中,NRE和NLE分别表示ζk左右数据中小于/>的样本点数量;
S53:以样本数据为中点将/>划分为两个分段数据即/>和/>统计左右两个分段数据的中值即/>和/>并以/> 和/>三个点作为样本数据/>的离散点,基于三个离散点构造直线/>计算直线/>与样本数据的能量差/>
S54:设定参数t,①当判定指标ΔRE和ΔLE均小于t,则ζk判定为下分段边界点;②当ΔRE≥t,将ζk直接予以排除;③当ΔRE<t且ΔLE≥t,需要判定指标若/>时,则ζk判定为下分段边界点。
7.根据权利要求5所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,所述能量差的计算公式为其中,|·|2表示向量二范数。
8.根据权利要求5所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,参数t为可调参数,取值范围为0.1~0.3。
9.根据权利要求1所述的一种基于曲率的日盲紫外光电探测器信号分割方法,其特征在于,所述对滤波信号进行分割和整流包括:信号的整流通过上下边界分段点进行,依据滤波信号特征,以每个下分段边界点为中心,将下分段边界点至左边第一个上分段边界点的滤波信号数据全部置为0,下分段边界点至右边第一个上分段边界点的数据全部置为1,完成滤波信号自动整流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310420159.8A CN116465489A (zh) | 2023-04-19 | 2023-04-19 | 一种基于曲率的日盲紫外光电探测器信号分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310420159.8A CN116465489A (zh) | 2023-04-19 | 2023-04-19 | 一种基于曲率的日盲紫外光电探测器信号分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116465489A true CN116465489A (zh) | 2023-07-21 |
Family
ID=87173090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310420159.8A Pending CN116465489A (zh) | 2023-04-19 | 2023-04-19 | 一种基于曲率的日盲紫外光电探测器信号分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116465489A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102713671A (zh) * | 2009-12-11 | 2012-10-03 | 株式会社拓普康 | 点群数据处理装置、点群数据处理方法和点群数据处理程序 |
EP2645329A1 (en) * | 2012-03-27 | 2013-10-02 | Westfälische Wilhelms-Universität Münster | Method and system for image segmentation |
CN107845099A (zh) * | 2017-10-18 | 2018-03-27 | 安徽佳通乘用子午线轮胎有限公司 | 一种面向轮胎点云的数据分割方法 |
CN109409437A (zh) * | 2018-11-06 | 2019-03-01 | 安徽农业大学 | 一种点云分割方法、装置、计算机可读存储介质及终端 |
CN115953413A (zh) * | 2023-03-13 | 2023-04-11 | 同心智医科技(北京)有限公司 | 一种mra图像分割方法、装置及存储介质 |
CN117113004A (zh) * | 2023-08-24 | 2023-11-24 | 重庆邮电大学 | 一种低信噪比条件下线性调频信号参数估计方法 |
-
2023
- 2023-04-19 CN CN202310420159.8A patent/CN116465489A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102713671A (zh) * | 2009-12-11 | 2012-10-03 | 株式会社拓普康 | 点群数据处理装置、点群数据处理方法和点群数据处理程序 |
EP2645329A1 (en) * | 2012-03-27 | 2013-10-02 | Westfälische Wilhelms-Universität Münster | Method and system for image segmentation |
CN107845099A (zh) * | 2017-10-18 | 2018-03-27 | 安徽佳通乘用子午线轮胎有限公司 | 一种面向轮胎点云的数据分割方法 |
CN109409437A (zh) * | 2018-11-06 | 2019-03-01 | 安徽农业大学 | 一种点云分割方法、装置、计算机可读存储介质及终端 |
CN115953413A (zh) * | 2023-03-13 | 2023-04-11 | 同心智医科技(北京)有限公司 | 一种mra图像分割方法、装置及存储介质 |
CN117113004A (zh) * | 2023-08-24 | 2023-11-24 | 重庆邮电大学 | 一种低信噪比条件下线性调频信号参数估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2591021C2 (ru) | Устройство и способ для квантования усилений адаптивного и фиксированного вкладов возбуждения в кодеке celp | |
CN116818739A (zh) | 一种基于光学的吲哚菁绿检测方法 | |
CN110702986B (zh) | 一种自适应信号搜索门限实时动态生成方法及系统 | |
CN116866129A (zh) | 一种无线通信信号检测方法 | |
CN108924847B (zh) | 一种基于ann的认知无线电频谱预测方法及设备 | |
CN112765550B (zh) | 一种基于Wi-Fi信道状态信息的目标行为分割方法 | |
CN112381063A (zh) | 一种基于信道状态信息的人数统计方法 | |
JP4227088B2 (ja) | 移動通信システムでの移動端末の速度を測定する装置及び方法 | |
CN112394324A (zh) | 一种基于麦克风阵列的远距离声源定位的方法及系统 | |
CN116421163A (zh) | 一种生命体征检测方法、装置 | |
CN116597864A (zh) | 一种嗓音检测方法及装置 | |
CN112751633B (zh) | 一种基于多尺度窗口滑动的宽带频谱检测方法 | |
CN113702703B (zh) | 一种微弱信号检测识别方法及系统 | |
KR100930061B1 (ko) | 신호 검출 방법 및 장치 | |
CN116465489A (zh) | 一种基于曲率的日盲紫外光电探测器信号分割方法 | |
CN118245873A (zh) | 用于跨房间非视距声信号识别的域适应神经架构搜索方法 | |
CN111200466B (zh) | 一种数字信号解调的置信度阈值优化方法 | |
US20110196615A1 (en) | Processing of biological signals | |
CN110632563B (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
CN111666999A (zh) | 一种遥感图像的分类方法 | |
CN112737983A (zh) | 一种基于最大差分谱的快速突发信号检测方法 | |
CN112333123A (zh) | 非合作psk水声通信信号多小波基自动优选基带解调方法 | |
CN116804736A (zh) | 一种调制类型识别工程化实现方法及计算机可读存储介质 | |
CN110808791A (zh) | 基于分数阶傅里叶变换的线性调频信号的检测方法 | |
JPH0844395A (ja) | 音声ピッチ検出装置 |
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 |