CN116973977A - 高速移动平台低频电场目标探测的自适应去噪方法 - Google Patents
高速移动平台低频电场目标探测的自适应去噪方法 Download PDFInfo
- Publication number
- CN116973977A CN116973977A CN202210434531.6A CN202210434531A CN116973977A CN 116973977 A CN116973977 A CN 116973977A CN 202210434531 A CN202210434531 A CN 202210434531A CN 116973977 A CN116973977 A CN 116973977A
- Authority
- CN
- China
- Prior art keywords
- noise
- signal
- electric field
- imf
- target
- 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
- 230000005684 electric field Effects 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010606 normalization Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011152 fibreglass Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular 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
- 238000005457 optimization Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
- G01V3/088—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices operating with electric fields
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请属于频电场探测技术领域，尤其涉及一种高速移动平台低频电场目标探测的自适应去噪方法。包括如下步骤：步骤1.在待分解信号中加入高斯白噪声，得到新的待分解信号；利用EMD方法计和ICEEMDAN分解得到计算对应的IMF系数：将所有的IMF与原始信号进行归一化处理，计算相关系数，将IMF分布与原信号的相关系数的标准差σ作为阈值进行筛选，输出经过筛选后剩余的IMF重构后得到去噪后信号。本申请的高速移动平台低频电场目标探测的自适应去噪方法能自适应地对针对不同的原始信号的模态分解结果进行层数筛选和信号重构；去噪效果明显，方法有效稳定；能克服速度带来的干扰，完成运动平台高速移动时的目标远距离探测。
Description
技术领域
本申请属于频电场探测技术领域，尤其涉及一种高速移动平台低频电场目标探测的自适应去噪方法。
背景技术
AUV、UUV、滑翔机等水中移动平台具有体积小、能耗低、续航力长、隐蔽性高、机动性好等优势，已被广泛应用到海洋环境监测、水中目标探测等领域。在水中目标探测领域，基于AUV、UUV等平台的被动声探测系统具有功耗低、隐蔽性好的优势，因此，利用移动平台搭载探测设备进行目标探测是当前水中目标探测的研究重点和热点。目前随着安静型潜艇的出现，使目标辐射的声源级大大降低，致使利用单一声探测潜艇目标的难度增大；另一方面，单一被动声探测存在虚警率高、易被诱饵欺骗干扰的缺点。舰船低频电场具有频率低(1Hz-7Hz)、传播距离远、线谱特征明显等优势[10]，且传感器为无源接收，是一种可靠的水中兵器和目标追踪的信号源。但目前基于高速快艇平台的低频电场探测技术仍属于起步阶段，尚没有有效可行的方案能够具体实行。
发明内容
本申请的目的在于，提出一种高速移动平台低频电场目标探测的自适应去噪方法，采用完全自适应噪声集合经验模态分解联合自适应阈值，对分解所得模态进行阈值的计算和层数的自适应筛选，实现对含目标的带噪信号进行去噪和重构。
为实现上述目的，本申请采用如下技术方案。
一种高速移动平台低频电场目标探测的自适应去噪方法，包括如下步骤：
步骤1.在待分解信号x(t)中加入高斯白噪声s(i)，得到新的待分解信号x(t)i＝x(t)+β0E1[s(i)]；其中，β0指的是加入噪声分量时所乘的系数，该系数代表的是加速噪声的信噪比与该噪声分量标准差之比，E1[s(i)]代表求一个信号EMD分解的第i个IMF分量；
步骤2.利用EMD方法计算x(t)(i)的局部均值，取其平均值得到第一个残差
步骤3.利用ICEEMDAN分解得到计算对应的k个IMF系数ck(t)：
步骤4.将所有的IMF与原始信号进行归一化处理，计算各IMFk分布与原信号的相关系数
式中，L为采样点数；是指分解所得信号的平均值；/>是指IMF系数的平均值；
步骤5.计算IMF分布与原信号的相关系数的标准差σ作为IMF的筛选阈值 是指相关系数的平均值；
步骤6.筛选IMF，若αk>TH，则保留对应的IMFk，否则舍弃对应的对应的IMFk，输出K1个经过筛选后剩余的IMF；
步骤7.重构信号，将K1个IMF进行叠加，得到去噪后信号
对前述高速移动平台低频电场目标探测的自适应去噪方法的进一步改进或者优化还包括，所述高斯白噪声s(i)基于如下方式获取：
S1.采集无运动状态下、无辐射目标源情况下的环境噪声，计算环境噪声的概率统计分布；
S2.设环境电场噪声为y(t)，采用傅里叶变换求得环境电场噪声信号的频谱密度S(w)＝F(y(t))、噪声信号总能量为噪声信号的平均功率/>根据计算的平均功率，在具体实施时，采用noise＝wgn(1,N,Py,’linear’)语句加入贴合环境电场的高斯白噪声信号，N为信号长度。
对前述高速移动平台低频电场目标探测的自适应去噪方法的进一步改进或者优化还包括，本算法针对高速运动平台在海洋环境中运动时对电场噪声的滤波，该噪声在速度变化时具有特定的规律，因此，为了提高自适应阈值的准确性，同时适应运动平台的不用速度的噪声特性，在进行环境电场噪声采集时，要分别对不同运动速度下采集的电场噪声进行计算，即不同的速度应对应不同信噪比的电场环境噪声，不同速度的电场环境噪声对应不同的阈值。
其有益效果在于：
1、本申请的高速移动平台低频电场目标探测的自适应去噪方法能自适应地对针对不同的原始信号的模态分解结果进行层数筛选和信号重构；
2、去噪效果明显，传感器在不同运动速度下采集的所有信号的线谱检测比重和探测距离全部提高，方法有效稳定；
3、无论平台运动速度如何，经方法滤波后皆能通过信号的时域分布判断目标的出现与否；
4、能克服速度带来的干扰，完成运动平台高速移动时的目标远距离探测。
附图说明
图1是基于高速快艇平台的电场测量系统示意图；
图2是海上试验设置示意图；
图3是v＝10kn时，低频电场测量及线谱检测图；
图4是不同传感器的线谱检测时间随运动速度的变化图；
图5是平台运动速度不同引起的噪声干扰试验时域图；
图6是含目标和不含目标时IMF相关系数随分解层数的变化；
图7是高速移动平台低频电场目标探测的自适应去噪方法流程示意图；
图8是ICEEMDAN方法流程图；
图9是不同速度下艇艏纵向分量Ex1滤波前后时序分布对比图。
具体实施方式
以下结合具体实施例对本申请作详细说明。
高速运动平台的电场噪声为非平稳信号，主要能量集中在低频，与轴频信号频段存在重叠，为此本申请提供一种高速移动平台低频电场目标探测的自适应去噪方法，包括如下步骤：
步骤1.在待分解信号x(t)中加入高斯白噪声s(i)，得到新的待分解信号x(t)i＝x(t)+β0E1[s(i)]；
其中，β0指的是加入噪声分量时所乘的系数，该系数代表的是加速噪声的信噪比与该噪声分量标准差之比，E1[s(i)]代表求一个信号EMD分解的第i个IMF分量；
特别的，为了提高实际实施过程中的去燥效果，保证结果更真实有效，本实施例中根据海洋电场实测数据，加入符合海洋实际环境特征的特定信噪比的高斯白噪声，所述高斯白噪声s(i)基于如下方式获取：
S1.采集无运动状态下、无辐射目标源情况下的环境噪声，计算环境噪声的概率统计分布；
S2.设环境电场噪声为y(t)，采用傅里叶变换求得环境电场噪声信号的频谱密度S(w)＝F(y(t))、噪声信号总能量为噪声信号的平均功率/>根据计算的平均功率，得到高斯白噪音参数。在具体实施时，采用noise＝wgn(1,N,Py,’linear’)语句加入贴合环境电场的高斯白噪声信号。N为信号长度。
步骤2.利用EMD方法计算x(t)(i)的局部均值，取其平均值得到第一个残差
步骤3.利用ICEEMDAN分解得到计算对应的k个IMF系数ck(t)：
步骤4.将所有的IMF与原始信号进行归一化处理，计算各IMFk分布与原信号的相关系数
式中，L为采样点数；是指分解所得信号的平均值；/>是指IMF系数的平均值；
步骤5.计算IMF分布与原信号的相关系数的标准差σ作为IMF的筛选阈值 是指相关系数的平均值；
特别的，本申请针对高速运动平台在海洋环境中运动时对电场噪声的滤波，该噪声在速度变化时具有特定的规律，因此，为了提高自适应阈值的准确性，同时适应运动平台的不用速度的噪声特性，在获取前述获取高斯白噪音中进行环境电场噪声采集时，要分别对不同运动速度下采集的电场噪声进行计算，即不同的速度应对应不同信噪比的电场环境噪声，不同速度的电场环境噪声对应不同的阈值。
步骤6.筛选IMF，若αk>TH，则保留对应的IMFk，否则舍弃对应的对应的IMFk，输出K1个经过筛选后剩余的IMF；
步骤7.重构信号，将K1个IMF进行叠加，得到去噪后信号
为了对前述适用于高速移动平台低频电场目标探测的自适应去噪方法进行验证和测试，选取高速快艇作为电场探测的载体平台，建立测试和验证系统，以研究快艇不同部位的电场噪声特性，分别在艇艏和艇艉各布置一组正交的电场传感器，明确不同部分电场传感器的探测距离，
相应的系统设置和环境如下：
1、高速快艇艇长10.5m，宽2m，船体材料为玻璃钢，运动速度的可调范围最大不低于50节，根据试验需要设定不同运动速度；
2、分别在艇艏和艇艉各布置一组正交的电场传感器，布置方法如图1所示。为了保证快艇在运动时传感器与快艇运动姿态的一致性，采用强力胶将传感器及导线固定在船体表面，并对导线加装包裹层，保证电场测量系统在快艇运动中不脱落，与艇体运动状态保持一致，避免传感器本体无规律晃动带来的信号干扰。为了定量分析运动平台载体对电场的探测距离，采用标准模拟源作为目标源，其参数设定如表1所示，试验示意图如图2所示。
表1 模拟辐射源参数设置表
| 模拟辐射源 | 电极距 | 辐射电流 | 辐射频率 |
| MMO电极 | 13m | 6.9A | 3Hz |
电场测量系统的采样频率为250Hz，测量带宽设定为[0.05Hz,60Hz]，试验区域的水深约为5m，海水电导率为2.8S/m，定义快艇前进方向为纵向方向，靠近艇艏的一组传感器测得的纵向和横向分量分别为Ex1和Ey1，靠近艇艉的一组传感器纵向和横向分量为Ex2和Ey2。
试验时，快艇依次按5kn、10kn、15kn、20kn、25kn的设定速度搭载测量系统移动，控制快艇运动相同时间380s，采用线谱检测方法对采集的信号进行目标线谱检测，船速v＝10kn时测量得到的信号线谱检测结果如图3所示。
由图3可知，基于快艇平台的测量系统可实现对目标低频电场信号的有效探测，艇艏和艇艉采集的电场信号均能成功提取目标线谱，验证了基于快艇平台探测低频电场的可行性。为了对比检测效果的优劣，此处定义检验优劣的指标为——线谱检测比K，目标线谱最长检测时间为Tmax，快艇运动的总时间为Ttotal，计算方法为：测量平台依次从低速到高速运动时目标电磁场测量结果与线谱检测结果对比如表2所示。不同传感器随着速度变化的探测时间绘制如图4所示。由试验结果可知，平台运动速度变化带来的噪声会严重影响线谱检测效果，引起艇艏和艇艉的检测比变化规律随速度的变化不同，当船速达到20节时，艇艏纵向分量Ex1线谱检测失效。
表2 测量平台运动时目标电磁场测量结果与线谱检测结果对比表
为了全面分析噪声干扰源，在无目标源时进行试验，采集不同运动速度变化带来的噪声，针对平台运动造成的噪声，为了保证测量环境和测量系统状态的一致性，试验方法设计为：快艇保持运动状态，以5kn的初始设定速度匀速运动110s，然后提速至10kn的设定速度运动相同时间，以同样的方式分别提速至15kn、20kn和25kn的设定速度，完成噪声在不同速度下的连续采集，采集结果如图5所示。根据采集的时域分布可初步得出：艇艏的噪声总体水平总是低于艇艉，当船速达到25节时，艇艏的电场噪声出现尖峰波，但其总体噪声水平仍然较低。
基于前述设定，利用本申请的高速移动平台低频电场目标探测的自适应去噪方法，计算得到含目标的带噪信号及不含目标的纯噪信号的IMF相关系数随分解层数的变化如图6所示，图6中左半部分为含目标的信号计算结果，右半部分为不含目标的信号计算结果。
根据图6可知：
(1)含目标的带噪信号的IMF分解层数比不含目标的纯噪信号的IMF分解层数少，说明无目标的噪声信号的构成更复杂；
(2)含目标的带噪信号相关系数存在大于不含目标的纯噪信号的部分，说明可通过取舍相关系数进行滤波去噪；
(3)含目标的带噪信号的相关系数随分解层数的增加先增大后减小，在第4层时相关系数α4最大，达到第7层以后的相关系数近似为0，说明第4层包含目标源的真实信息最多，可视为近似真实信号，分解到7层以后的IMF中包含信息极少，可视为虚假信号；
(4)无目标的纯噪信号的相关系数随分解层数增加，艇艏横向分量Ey1的IMF相关系数在船速小于15kn时包含两个波峰一个波谷，相关系数分别在第2层IMF和第6层IMF达到波峰，在第4层IMF达到波谷，船速大于15kn时相关系数的变化规律与其余传感器一致，皆为先增大后减小，皆在第2层IMF达到最大，第9层IMF以后可视为虚假信号。
基于本申请的方法对含目标的带噪信号和无目标的纯噪声信号相关系数的分布规律设定阈值，进行IMF筛选并重构信号，对含目标的带噪信号进行去噪。假设第k个IMF与原信号的相关系数为αk，阈值为TH，以艇艏纵向分量Ex1在v＝5kn时采集的一组含目标的带噪信号x(t)为例，去噪流程如图7所示，其中ICEEMDAN原理如图8所示
首先对不同速度下，不同传感器采集含目标带噪信号进行模态分解和自适应IMF层数筛选，结果如表3所示。
表4 含目标带噪信号的IMF层数筛选结果表
根据表3的IMF筛选结果和去噪步骤对采集的信号进行去噪，采用同样的方法对重构的信号进行线谱检测以对比滤波前后的效果。绘制不同速度下滤波前后艇艏纵向分量Ex1时序分布图如图9所示，效果对比如表5所示。
表5 滤波前后线谱检测结果对比表
由表5可知：
(1)提出的去噪方法能自适应地对针对不同的原始信号的模态分解结果进行层数筛选和信号重构；
(2)方法去噪效果明显，所有传感器在不同运动速度下采集的所有信号的线谱检测比重和探测距离全部提高，最远探测距离超过1300m，验证了方法去噪的有效性；
(3)无论平台运动速度如何，经方法滤波后皆能通过信号的时域分布判断目标的出现与否；
(4)方法能克服速度带来的干扰，完成运动平台高速移动时的目标远距离探测。艇艏纵向分量Ex1的线谱检测比重从0提升到最大20.9％，探测距离从0m提升到821m；
(5)艇艏和艇艉的横向分量整体检测比重的提升效果大于纵向分量，该结果与前文分析的快艇运动路径上的横向分量比重较大一致；
因此，本申请的高速移动平台低频电场目标探测的自适应去噪方法能对不同速度采集的含目标带噪信号进行滤波，提高目标线谱检测比重，最远探测距离能从853m提高至1306m，实现目标的远距离探测。
最后应当说明的是，以上实施例仅用以说明本申请的技术方案，而非对本申请保护范围的限制，尽管参照较佳实施例对本申请作了详细地说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或者等同替换，而不脱离本申请技术方案的实质和范围。
Claims (3)
1.一种高速移动平台低频电场目标探测的自适应去噪方法，其特征在于，包括如下步骤：
步骤1.在待分解信号x(t)中加入高斯白噪声s(i)，得到新的待分解信号x(t)i＝x(t)+β0E1[s(i)]；
其中，β0指的是加入噪声分量时所乘的系数，该系数代表的是加速噪声的信噪比与该噪声分量标准差之比，E1[s(i)]代表求一个信号EMD分解的第i个IMF分量；
步骤2.利用EMD方法计算x(t)(i)的局部均值，取其平均值得到第一个残差
步骤3.利用ICEEMDAN分解得到计算对应的k个IMF系数ck(t)：
步骤4.将所有的IMF与原始信号进行归一化处理，计算各IMFk分布与原信号的相关系数
式中，L为采样点数；
是指分解所得信号的平均值；/>是指IMF系数的平均值；
步骤5.计算IMF分布与原信号的相关系数的标准差σ作为IMF的筛选阈值
是指相关系数的平均值；
步骤6.筛选IMF，若αk>TH，则保留对应的IMFk，否则舍弃对应的对应的IMFk，输出K1个经过筛选后剩余的IMF；
步骤7.重构信号，将K1个IMF进行叠加，得到去噪后信号x'(t)：
2.根据权利要求1所述的高速移动平台低频电场目标探测的自适应去噪方法，其特征在于，所述高斯白噪声s(i)基于如下方式获取：
S1.采集无运动状态下、无辐射目标源情况下的环境噪声，计算环境噪声的概率统计分布：
S2.设环境电场噪声为y(t)，采用傅里叶变换求得环境电场噪声信号的频谱密度S(w)＝F(y(t))、噪声信号总能量为噪声信号的平均功率/>根据计算的平均功率，得到高斯白噪音参数。
3.根据权利要求2所述的高速移动平台低频电场目标探测的自适应去噪方法，其特征在于，在进行环境电场噪声采集时，分别对不同运动速度下采集的电场噪声进行计算，不同的速度对应不同信噪比的电场环境噪声，不同速度的电场环境噪声对应不同的阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210434531.6A CN116973977B (zh) | 2022-04-24 | 2022-04-24 | 高速移动平台低频电场目标探测的自适应去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210434531.6A CN116973977B (zh) | 2022-04-24 | 2022-04-24 | 高速移动平台低频电场目标探测的自适应去噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116973977A true CN116973977A (zh) | 2023-10-31 |
| CN116973977B CN116973977B (zh) | 2024-08-06 |
Family
ID=88478409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210434531.6A Active CN116973977B (zh) | 2022-04-24 | 2022-04-24 | 高速移动平台低频电场目标探测的自适应去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116973977B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117874430A (zh) * | 2024-01-19 | 2024-04-12 | 济宁市建筑工程施工图审查中心有限公司 | 一种供热地下管井运行环境监测系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102981064A (zh) * | 2012-10-09 | 2013-03-20 | 中国人民解放军63892部队 | 飞机外部射频电磁环境预测方法及预测系统 |
| CN104502732A (zh) * | 2014-11-07 | 2015-04-08 | 南京师范大学 | 基于stft时频分析的辐射源筛选和定位方法 |
| CN105652658A (zh) * | 2015-12-29 | 2016-06-08 | 北京国能日新系统控制技术有限公司 | 基于光伏电场数据分析及实时环境监测的有功控制系统 |
| WO2017205382A1 (en) * | 2016-05-23 | 2017-11-30 | The University Of New Hampshire | Techniques for empirical mode decomposition (emd)-based signal de-noising using statistical properties of intrinsic mode functions (imfs) |
| EP3301461A1 (en) * | 2016-09-28 | 2018-04-04 | Siemens Aktiengesellschaft | Method for detection of harmonics of a univariate signal |
| US20180138896A1 (en) * | 2016-11-17 | 2018-05-17 | Hwashen Electronics Co., Ltd. | Fuzzy entropy based noisy signal processing method and iterative singular spectrum analysis soft threshold de-noising method |
| CN108345033A (zh) * | 2018-01-26 | 2018-07-31 | 中国石油大学(华东) | 一种微地震信号时频域初至检测方法 |
| US20180336162A1 (en) * | 2016-02-01 | 2018-11-22 | Centre National D'etudes Spatiales | Method and device for reconstructing a useful signal from a noisy acquired signal |
| US20190120995A1 (en) * | 2017-10-20 | 2019-04-25 | Jilin University | Method for random noise reduction from mrs oscillating signal using joint algorithms of emd and tfpf |
| CN110428100A (zh) * | 2019-07-31 | 2019-11-08 | 新疆新能集团有限责任公司乌鲁木齐电力建设调试所 | 一种风机短期发电功率预测方法 |
| CN111273367A (zh) * | 2020-03-11 | 2020-06-12 | 中南大学 | 一种大地电磁阻抗的估算方法 |
| WO2021056727A1 (zh) * | 2019-09-27 | 2021-04-01 | 山东科技大学 | 一种基于变分模态分解和排列熵的联合降噪方法 |
| CN112945373A (zh) * | 2021-01-27 | 2021-06-11 | 华北电力大学（保定） | 一种青藏高原地区交流输电线路电晕噪声声功率修正方法 |
| CN113757050A (zh) * | 2021-09-08 | 2021-12-07 | 浙江运达风电股份有限公司 | 一种风电场噪声监测控制系统及方法 |
| CN114065458A (zh) * | 2020-07-31 | 2022-02-18 | 陕西汽车集团有限责任公司 | 基于emd的时域直接疲劳分析方法、装置、终端和介质 |
| CN114194364A (zh) * | 2021-09-17 | 2022-03-18 | 中国人民解放军海军工程大学 | 一种基于水下滑翔机的声电联合探测装置及方法 |
-
2022
- 2022-04-24 CN CN202210434531.6A patent/CN116973977B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102981064A (zh) * | 2012-10-09 | 2013-03-20 | 中国人民解放军63892部队 | 飞机外部射频电磁环境预测方法及预测系统 |
| CN104502732A (zh) * | 2014-11-07 | 2015-04-08 | 南京师范大学 | 基于stft时频分析的辐射源筛选和定位方法 |
| CN105652658A (zh) * | 2015-12-29 | 2016-06-08 | 北京国能日新系统控制技术有限公司 | 基于光伏电场数据分析及实时环境监测的有功控制系统 |
| US20180336162A1 (en) * | 2016-02-01 | 2018-11-22 | Centre National D'etudes Spatiales | Method and device for reconstructing a useful signal from a noisy acquired signal |
| WO2017205382A1 (en) * | 2016-05-23 | 2017-11-30 | The University Of New Hampshire | Techniques for empirical mode decomposition (emd)-based signal de-noising using statistical properties of intrinsic mode functions (imfs) |
| EP3301461A1 (en) * | 2016-09-28 | 2018-04-04 | Siemens Aktiengesellschaft | Method for detection of harmonics of a univariate signal |
| US20180138896A1 (en) * | 2016-11-17 | 2018-05-17 | Hwashen Electronics Co., Ltd. | Fuzzy entropy based noisy signal processing method and iterative singular spectrum analysis soft threshold de-noising method |
| US20190120995A1 (en) * | 2017-10-20 | 2019-04-25 | Jilin University | Method for random noise reduction from mrs oscillating signal using joint algorithms of emd and tfpf |
| CN108345033A (zh) * | 2018-01-26 | 2018-07-31 | 中国石油大学(华东) | 一种微地震信号时频域初至检测方法 |
| CN110428100A (zh) * | 2019-07-31 | 2019-11-08 | 新疆新能集团有限责任公司乌鲁木齐电力建设调试所 | 一种风机短期发电功率预测方法 |
| WO2021056727A1 (zh) * | 2019-09-27 | 2021-04-01 | 山东科技大学 | 一种基于变分模态分解和排列熵的联合降噪方法 |
| CN111273367A (zh) * | 2020-03-11 | 2020-06-12 | 中南大学 | 一种大地电磁阻抗的估算方法 |
| CN114065458A (zh) * | 2020-07-31 | 2022-02-18 | 陕西汽车集团有限责任公司 | 基于emd的时域直接疲劳分析方法、装置、终端和介质 |
| CN112945373A (zh) * | 2021-01-27 | 2021-06-11 | 华北电力大学（保定） | 一种青藏高原地区交流输电线路电晕噪声声功率修正方法 |
| CN113757050A (zh) * | 2021-09-08 | 2021-12-07 | 浙江运达风电股份有限公司 | 一种风电场噪声监测控制系统及方法 |
| CN114194364A (zh) * | 2021-09-17 | 2022-03-18 | 中国人民解放军海军工程大学 | 一种基于水下滑翔机的声电联合探测装置及方法 |
Non-Patent Citations (5)
| Title |
|---|
| GREGORY TAIT ET AL: "Received Power and Ambient Electric Field from Broadband Emissions in Reverberant Space", 2015 IEEE SYMPOSIUM ON ELECTROMAGNETIC COMPATIBILITY AND SIGNAL INTEGRITY, 20 September 2016 (2016-09-20), pages 231 - 236 * |
| ZHAO YANQING ET AL: "Influence of Sampling Frequency Ratio on Mode Mixing Alleviation Performance: A Comparative Study of Four Noise-Assisted Empirical Mode Decomposition Algorithms", MACHINES, vol. 9, no. 12, 8 January 2022 (2022-01-08) * |
| 刘攀;夏春明;燕海霞;王忆勤;郝一鸣;徐;许文杰;: "基于EEMD的脉搏信号改进阈值去噪研究", 计算机应用与软件, no. 03, 15 March 2016 (2016-03-15) * |
| 徐朗;蔡德所;: "CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用", 水利水电技术, no. 09, 20 September 2018 (2018-09-20) * |
| 曹冲锋: "基于EMD的机械振动分析与诊断方法研究", 中国博士学位论文全文数据库, no. 2009, 15 November 2009 (2009-11-15), pages 029 - 9 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117874430A (zh) * | 2024-01-19 | 2024-04-12 | 济宁市建筑工程施工图审查中心有限公司 | 一种供热地下管井运行环境监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116973977B (zh) | 2024-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106468770B (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
| CN104820993B (zh) | 一种联合粒子滤波和跟踪置前检测的水下弱目标跟踪方法 | |
| CN106646406B (zh) | 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法 | |
| CN111885624B (zh) | 一种基于深度学习的信号噪底估计方法 | |
| CN109557429A (zh) | 基于改进小波阈值去噪的gis局部放电故障检测方法 | |
| CN116973977B (zh) | 高速移动平台低频电场目标探测的自适应去噪方法 | |
| CN109871733A (zh) | 一种自适应海杂波信号去噪方法 | |
| CN112255607B (zh) | 一种海杂波的抑制方法 | |
| CN113567969B (zh) | 一种基于水下声信号的非法采砂船自动监控方法及系统 | |
| CN111795931A (zh) | 一种针对激光超声缺陷检测衍射回波信号的重构提取方法 | |
| CN108053842A (zh) | 基于图像识别的短波语音端点检测方法 | |
| CN112051552A (zh) | 一种基于多站的主瓣抗干扰方法及装置 | |
| CN110244260A (zh) | 基于声能流矢量补偿的水下目标高精度doa估计方法 | |
| Hu et al. | A time-frequency image denoising method via neural networks for radar waveform recognition | |
| CN109884483A (zh) | 绝缘管型母线局部放电声学在线监测方法及装置 | |
| CN116609758B (zh) | 一种机载激光测深波形旅行时提取方法 | |
| CN110441761B (zh) | 基于分布式浮标探测的多源信息融合方法 | |
| CN113030861B (zh) | 一种时间反转和分数阶小波变换的水声信号检测方法 | |
| CN103487794B (zh) | 一种基于小波包变换的水底混响抑制方法 | |
| Shang et al. | Research on Feature Extraction and Classification Recognition of Underwater Small Target Active Sonar | |
| CN106382978A (zh) | 一种对时变舰船激励所产生水声信号自动目标检测方法 | |
| Qu et al. | WGAN-GP-based synthetic radar spectrogram augmentation in human activity recognition | |
| CN115903052B (zh) | 基于扩展Prony算法的舰船尾迹电磁信号检测重构方法 | |
| CN112711074B (zh) | 一种地震初至波的去噪方法及装置 | |
| CN115079258B (zh) | 一种基于小波分析的海底地震信号在线识别方法 |
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 |