CN117056642A - 一种微波数据处理方法及系统 - Google Patents
一种微波数据处理方法及系统 Download PDFInfo
- Publication number
- CN117056642A CN117056642A CN202311301401.6A CN202311301401A CN117056642A CN 117056642 A CN117056642 A CN 117056642A CN 202311301401 A CN202311301401 A CN 202311301401A CN 117056642 A CN117056642 A CN 117056642A
- Authority
- CN
- China
- Prior art keywords
- signal
- component
- component signal
- sub
- degree
- 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
- 238000003672 processing method Methods 0.000 title abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Radiology & Medical Imaging (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及一种微波数据处理方法及系统，包括：采集第二微波信号；获取第二微波信号的若干第一分量信号，计算每两个第一分量信号的差异程度；根据差异程度得到第二分量信号；获取每个第二分量信号中的若干子信号段，获取每个子信号段的参考程度，根据每个子信号段的参考程度得到参考信号段，根据参考信号段得到每个第二分量信号的噪声程度；根据噪声程度设置每个第二分量信号的小波阈值，根据小波阈值对每个第二分量信号进行滤波处理得到每个第三分量信号；根据第三分量信号得到第三微波信号。从而实现准确的去除微波信号中的噪声信号，排除噪声信号的干扰。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种微波数据处理方法及系统。
背景技术
微波是一种电磁波，它的频率处于电磁波谱中射频波段和红外波段之间的一段频率范围内，即其频率一般在300 MHz（兆赫兹）到300 GHz（千兆赫兹）之间。微波在许多领域有重要的应用，包括通信、雷达、遥感、安检、医学成像等。微波医学成像系统包括一个发射器和一个接收器，它们用来发射和接收微波信号，发射器产生微波信号并向被测组织发送，利用组织对微波信号的反射、散射特性，接收器记录从组织反射回来的微波信号，通过对反射回来的微波信号进行数据处理来实现对组织的成像和病变检测。一种微波数据处理方法及系统是针对于微波在医学成像领域中的数据处理方法，主要对接收器接收到的含有噪声的微波信号进行自适应小波阈值去噪，以提高成像质量。
在现有技术中，微波医疗成像技术主要是利用人体组织的电磁特性对发射器发射的微波进行反射和散射，然后通过接收器将反射和散射后的微波信号进行接收成像。但是不同的组织对微波的散射和反射程度不同，而散射本身也会引入噪声，同时由于人体自身和其他设备存在的电磁场等可能带来噪声干扰，因而接收器接收到的微波信号为含有噪声的微波信号，含有噪声的微波信号呈现出的图像中会存在伪影等缺陷，这种存在缺陷图像会影响医生对患者的诊断和分析。因此，需要对接收器接收的微波信号进行去噪处理，从而保证成像质量。
现有技术一般采用滤波的方式来对微波信号进行去噪处理，同时在利用滤波方式进行去噪时，一般是对整个微波信号整体进行滤波去噪，但由于整个微波信号是由不同种类的分量信号叠加而成的，所以利用一种滤波器很难有效去除多种类型的分量信号中的噪声。再者，每种类型的分量信号受噪声影响情况不同，有些分量信号受噪声影响较大，有些分量信号受噪声影响较小，现有技术凭经验设置固定的滤波器参数来对不同噪声含量分量信号进行去噪，无法做到最大程度的去噪，所以导致现有技术对微波信号的去噪效果较差。
发明内容
本发明提供一种微波数据处理方法及系统，以解决现有的问题。
本发明的一种微波数据处理方法及系统采用如下技术方案：
本发明一个实施例提供了一种微波数据处理方法，该方法包括以下步骤：
采集第二微波信号；
对第二微波信号拆分处理得到若干第一分量信号，利用每个第一分量信号的波动特征对第一分量信号进行描述得到每个第一分量信号的整体波动程度，根据每两个第一分量信号的整体波动程度以及极值点的差异情况得到每两个第一分量信号的差异程度；根据每两个第一分量信号的差异程度去除第一分量信号中的噪声信号得到第二分量信号；
对每个第二分量信号进行分段处理得到每个第二分量信号的若干子信号段，根据每个子信号段存在噪声情况得到每个子信号段的参考程度，根据每个子信号段的参考程度得到参考信号段，根据每个第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度；
根据每个第二分量信号的噪声程度设置每个第二分量信号的小波阈值，根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到每个第三分量信号；将所有的第三分量信号累加得到第三微波信号；
所述根据每个子信号段存在噪声情况得到每个子信号段的参考程度，包括的具体方法为：
将每个第二分量信号的每个子信号段中各数据点与前一个数据点幅值的差值作为每个第二分量信号的每个子信号段中各数据点的第一斜率，将每个第二分量信号的每个子信号段中各数据点与后一个数据点的幅值的差值作为每个第二分量信号的每个子信号段中各数据点的第二斜率；
根据每个第二分量信号的每个子信号段中各数据点的第一斜率、第二斜率得到每个子信号段的参考程度的计算方法为：
其中，表示第j个第二分量信号中第z个子信号段中数据点的数量，/>表示第j个第二分量信号中第s个子信号段中数据点的数量，/>表示第j个第二分量信号的子信号段的数量，/>表示第j个第二分量信号的第z个子信号段的第i个数据点的第一斜率，/>表示第j个第二分量信号的第z个子信号段的第i个数据点的第二斜率，/>表示第j个第二分量信号的第z个子信号段中数据点的数量；exp()表示以自然常数为底的指数函数，/>表示第j个第二分量信号的第z个子信号段的参考程度。
优选的，所述利用每个第一分量信号的波动特征对第一分量信号进行描述得到每个第一分量信号的整体波动程度，包括的具体方法为：
其中，表示第j个第一分量信号的整体波动程度，/>表示第j个第一分量信号中所有数据点的幅值的均值，/>表示第j个第一分量信号中第i个数据点的幅值，/>表示每个第一分量信号中包含数据点的数量，/>表示绝对值符号，/>表示第j个第一分量信号中第i+1个数据点的幅值。
优选的，所述根据每两个第一分量信号的整体波动程度以及极值点的差异情况得到每两个第一分量信号的差异程度，包括的具体方法为：
获取每个第一分量信号中所有的极值点；
根据每个第一分量信号的极值点和波动程度得到每两个第一分量信号的差异程度，具体计算方法如下：
其中，表示第a个第一分量信号的整体波动程度，/>表示第b个第一分量信号的整体波动程度，/>表示绝对值符号，/>表示第a个第一分量信号中包含极值点数量，/>表示第b个第一分量信号中包含极值点数量，/>表示第a个第一分量信号中第/>个极值点与第/>个极值点之间的数据点数量，/>表示第b个第一分量信号中第/>个极值点与第个极值点之间的数据点数量，/>表示第a个第一分量信号与第b个第一分量信号的差异程度。
优选的，所述根据每两个第一分量信号的差异程度去除第一分量信号中的噪声信号得到第二分量信号，包括的具体方法为：
获取差异程度最大值对应的两个第一分量信号，分别记为参考第一分量信号，将每个参考第一分量信号与其他所有第一分量信号的差异程度求均值得到每个参考第一分量信号的综合差异程度；将两参考第一分量信号中综合差异程度最大值对应的参考第一分量信号作为噪声信号；在所有第一分量信号中去除噪声信号，将剩余的第一分量信号称为第二分量信号。
优选的，所述对每个第二分量信号进行分段处理得到每个第二分量信号的若干子信号段，包括的具体方法为：
对于任意一个第二分量信号，获取所述第二分量信号的所有极小值点，利用每个极小值点作为分割点将所述第二分量信号分割成多个子信号段。
优选的，所述根据每个子信号段的参考程度得到参考信号段，包括的具体方法为：
将每个第二分量信号的所有子信号段中参考程度最大的子信号段作为每个第二分量信号的参考信号段。
优选的，所述根据每个第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度，包括的具体方法为：
其中，表示第j个第二分量信号的第s个子信号段与参考信号段的DTW距离，/>表示第j个第二分量信号的子信号段的数量，/>表示通过线性归一化方法进行归一化处理，/>表示第j个第二分量信号的噪声程度。
优选的，所述根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到每个第三分量信号，包括的具体方法为：
其中，表示第/>个第二分量信号的噪声程度，/>表示预设的小波阈值超参数，/>表示第/>个第二分量信号的小波阈值；
利用小波阈值为的小波滤波器对第j个第二分量信号进行滤波处理得到第j个第三分量信号，完成每个第二分量信号的滤波处理得到每个第三分量信号。
一种微波数据处理系统，该系统包括第二微波信号采集模块、第二分量信号获取模块、第二分量信号的噪声程度获取模块、滤波去噪模块，其中：
第二微波信号采集模块，用于采集第二微波信号；
第二分量信号获取模块，用于对第二微波信号进行分量拆分处理得到多个第一分量信号，计算每个第一分量信号的整体波动程度，根据每个第一分量信号的整体波动程度得到每两个第一分量信号的差异程度，根据每两个第一分量信号的差异程度得到多个第二分量信号；
第二分量信号的噪声程度获取模块，用于对每个第二分量信号进行分段处理得到每个第二分量信号的多个子信号段，计算每个子信号段的参考程度，根据参考程度得到每个第二分量信号的参考信号段，根据第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度；
滤波去噪模块，用于根据每个第二分量信号的噪声程度得到每个第二分量信号的小波阈值，根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到第三分量信号，将所有的第三分量信号累加得到第三微波信号。
本发明的技术方案的有益效果是：
通过对第二微波信号拆分处理得到若干第一分量信号，由于噪声信号与非噪声信号存在较大差异，因而通过分析每个第一分量信号与其他第一分量信号的差异程度来反映每个第一分量信号为噪声信号的情况，在所有第一分量信号中首先筛选出完全属于噪声信号的第一分量信号，进而在所有第一分量信号中去除完全属于噪声信号的第一分量得到若干第二分量信号，而第二分量信号虽然不是完全的噪声信号，但是每个第二分量信号会受噪声信号影响，即每个第二分量信号中会包含噪声信号成分且各个第二分量信号包含的噪声信号量各不相同，本发明根据第二分量信号中噪声信号成分与非噪声信号成分存在明显差异的原理，通过分析每个第二分量信号中每个子信号段与其他子信号段的差异来反映每个第二分量信号受噪声信号影响情况，得到每个第二分量信号的噪声程度，为了实现准确的去除每个第二分量信号的噪声信号成分，根据每个第二分量信号的噪声程度对应设置每个第二分量信号的小波阈值，从而通过自适应的设置小波滤波器的小波阈值来准确的去除每个第二分量信号的噪声信号成分得到无噪声干扰的第三分量信号，将所有第三分量信号累加得到第三微波信号，相较于现有的人为凭经验设置固定小波阈值的去噪方式，本发明能够根据信号中各个分量信号的噪声含量来自适应调整各个分量对应的小波阈值，从而更为准确的去处微波信号中的噪声，提高去噪效果。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明的一种微波数据处理方法的步骤流程图；
图2为本发明的一种微波数据处理系统的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种微波数据处理方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种微波数据处理方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种微波数据处理方法的步骤流程图，该方法包括以下步骤：
步骤S001：采集第二微波信号。
需要说明的是，微波医疗成像技术主要是利用人体组织的电磁特性对发射器发射的微波进行反射和散射，然后通过接收器将反射和散射后的微波信号进行接收成像，由于不同的组织对微波的散射和反射程度不同，而散射本身也会引入噪声，同时由于人体自身和其他设备存在的磁场等可能带来噪声干扰，因而接收器接收到的微波信号中包含噪声信号。这种噪声信号会影响微波信号的成像质量，因而需对接收器接收到的微波信号进行去噪处理。
具体的，为了实现本实施例提出的一种微波数据处理方法，本实施例首先需要采集第二微波信号。
采集第二微波信号的具体操作为：微波发射器发射出第一微波信号，第一微波信号通过人体组织后到达接收器，接收器接收到第二微波信号。
至此，通过上述方法得到第二微波信号。
步骤S002：对第二微波信号进行分量拆分处理得到多个第一分量信号，计算每个第一分量信号的整体波动程度，根据每个第一分量信号的整体波动程度得到每两个第一分量信号的差异程度，根据每两个第一分量信号的差异程度得到多个第二分量信号。
需要说明的是，由于第二微波信号包含多种信号数据构成的整体信号，基于整体信号进行分析很难获得准确的噪声信号成分，因而需对第二微波信号进行拆分处理得到多个第一分量信号。由于人体检查时产生的每种信号具有相似性，噪声信号与人体检查产生的信号具有较大的差异，因而分析每个第一分量信号与其他第一分量信号之间的差异性来获取噪声信号，去除第一分量信号中的噪声信号得到第二分量信号。
具体的，利用独立主成分分析（ICA）算法对第二微波信号进行拆分处理得到第二微波信号的多个第一分量信号。
需要说明的是，为了判断每个第一分量信号与其他第一分量信号之间的差异性，需基于每个第一分量信号的特征对每个第一分量信号与其他第一分量信号的差异性进行描述，其中每个第一分量信号的波动情况能够较好的描述每个第一分量信号的特征，因而需先计算每个第一分量信号的整体波动程度。
进一步的，获取每个第一分量信号的整体波动程度的计算方法为：
其中，表示第j个第一分量信号的整体波动程度，通过该值来对第j个第一分量信号的波动情况进行描述，/>表示第j个第一分量信号中所有数据点的幅值的均值，/>表示第j个第一分量信号中第i个数据点的幅值，/>表示每个第一分量信号中包含数据点的数量，/>表示绝对值符号，通过/>反映了第j个第一分量信号中所有数据点幅值的离散性情况，该值越大说明第j个第一分量信号的偏离中心的程度就越大，因而第j个第一分量信号的波动程度就越大，该值无法反映相邻数据点间的幅值差异性情况。/>表示第j个第一分量信号中第i+1个数据点的幅值，通过/>反映第j个第一分量信号中相邻数据点之间的幅值差异情况，该值越大说明第j个第一分量信号中相邻数据点之间的幅值差异性越大。
进一步的，获取第一分量信号中所有的极值点，根据第一分量信号与其他第一分量信号极值点的差异情况以及波动程度差异性情况得到每两个第一分量信号的差异程度，具体计算方法如下：
其中，表示第a个第一分量信号的整体波动程度，/>表示第b个第一分量信号的整体波动程度，/>表示绝对值符号，/>反映了第a个第一分量信号与第b个第一分量信号之间的波动差异性情况，/>表示第a个第一分量信号中包含极值点数量，该值能够反映第a个第一分量信号的频率情况，该值越大说明第a个第一分量信号的频率越大，/>表示第b个第一分量信号中包含极值点数量，/>反映了第a个第一分量信号与第b个第一分量信号之间的频率差异情况，/>表示第a个第一分量信号中第/>个极值点与第/>个极值点之间的数据点数量，需要说明的是，第a个第一分量信号第/>个极值点与第/>个极值点之间的数据点中包含第/>个极值点和第/>个极值点，通过/>反映了第a个第一分量信号中周期长度情况，该值越大说明第a个第一分量信号中周期长度越长，表示第b个第一分量信号中第/>个极值点与第/>个极值点之间的数据点数量。通过/>反映了第b个第一分量信号中周期长度情况。通过反映第a个第一分量信号与第b个第一分量信号的周期长度差异情况，/>表示第a个第一分量信号与第b个第一分量信号的差异程度。
至此，得到每两个分量信号的差异程度。
需要说明的是，噪声信号与人体检查产生的信号存在较大差异，因而需通过每个第一分量信号与其他分量信号之间的差异情况来获取噪声信号，然后在所有第一分量信号中去除噪声信号得到第二分量信号。
进一步的，获取差异程度最大值对应的两个第一分量信号，分别记为参考第一分量信号，将每个参考第一分量信号与其他所有第一分量信号的差异程度求均值得到每个参考第一分量信号的综合差异程度。将两参考第一分量信号中综合差异程度最大值对应的参考第一分量信号作为噪声信号。在所有第一分量信号中去除噪声信号，将剩余的第一分量信号称为第二分量信号。
至此，通过上述过程得到所有的第二分量信号。
步骤S003：对每个第二分量信号进行分段处理得到每个第二分量信号的多个子信号段，计算每个子信号段的参考程度，根据参考程度得到每个第二分量信号的参考信号段，根据第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度。
需要说明的是，通过上述过程得到完整的噪声信号，但是剩余的第二分量信号中也会包含一定的噪声部分，此时不能直接将整个分量信号去除，因为直接去除整个分量信号会把人体检查产生的有用信号去除，因而只能对其余的第二分量信号进行滤波处理，滤除掉第二分量信号中的噪声部分。由于每个第二分量信号中噪声含量不同，因而不能用相同的滤波器对其进行滤波处理，因而需分析每个第二分量信号中的噪声含量情况。根据噪声含量情况来设置滤波器。
需要进一步说明的是，每个第二分量信号中包含一部分无噪声的信号段和一部分有噪声的信号段，可以利用无噪声的信号段作为参考信号段，通过分析每个第二分量信号中参考信号段与其他信号段的差异情况得到每个第二分量信号的噪声程度。其中每个第二分量信号中无噪声的信号段与其他信号段的差异较小，因而先基于此来获取参考信号段。基于每个第二分量信号中的参考信号段得到第二分量信号的噪声程度。
具体的，对于任意一个第二分量信号，获取该第二分量信号的所有极小值点，利用每个极小值点作为分割点将该第二分量信号分割成多个子信号段。需要说明的是，分割出的每个子信号段中包含两端的极小值点。
进一步的，获取每个子信号段的参考程度的具体方法为：
将每个第二分量信号的每个子信号段中各数据点与前一个数据点幅值的差值作为每个第二分量信号的每个子信号段中各数据点的第一斜率，将每个第二分量信号的每个子信号段中各数据点与后一个数据点的幅值的差值作为每个第二分量信号的每个子信号段中各数据点的第二斜率。根据每个第二分量信号的每个子信号段中各数据点的第一斜率、第二斜率得到每个子信号段的参考程度的计算方法如下：
其中，表示第j个第二分量信号中第z个子信号段中数据点的数量，/>表示第j个第二分量信号中第s个子信号段中数据点的数量，/>表示第j个第二分量信号的子信号段的数量。每个子信号段表示一个周期的数据，通过/>反映了第j个第二分量信号中除第z个子信号段之外的其他子信号段的周期长度情况，通过/>反映了第z个子信号段与其他子信号段的周期长度差异情况，噪声信号段一般与无噪声的信号段的周期长度存在差异，因而该子信号段与其他子信号段的周期长度差异越大，该子信号段为噪声信号段的可能性越大。/>表示第j个第二分量信号的第z个子信号段的第i个数据点的第一斜率，/>表示第j个第二分量信号的第z个子信号段的第i个数据点的第二斜率，/>表示第j个第二分量信号的第z个子信号段中数据点的数量。通过/>反映了相邻数据之间的差异变动情况，该值越大说明该信号段的波动越大，噪声信号的波动较大，因而当该子信号段的波动较大时，说明该子信号段为噪声信号段的可能性较大；exp()表示以自然常数为底的指数函数，/>表示第j个第二分量信号的第z个子信号段的参考程度。
进一步的，将每个第二分量信号的所有子信号段中参考程度最大的子信号段作为每个第二分量信号的参考信号段。
进一步的，利用动态时间归整算法（Dynamic Time Warping），简称DTW算法，计算每个第二分量信号中各子信号段与参考信号段的DTW距离，根据每个子信号段与参考信号段的DTW距离得到每个第二分量信号的噪声程度计算方法为：
其中，表示第j个第二分量信号的第s个子信号段与参考信号段的DTW距离，该值越大说明第s个子信号段与参考信号段的差距越大，因而第s个子信号段的噪声程度越大，/>表示第j个第二分量信号的子信号段的数量。/>表示通过线性归一化方法进行归一化处理。/>表示第j个第二分量信号的噪声程度。
至此，通过上述方法得到每个第二分量信号的噪声程度。
步骤S004：根据每个第二分量信号的噪声程度得到每个第二分量信号的小波阈值，根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到第三分量信号，将所有的第三分量信号累加得到第三微波信号。
需要说明的是，通过上述步骤得到每个第二分量信号的噪声程度，下面根据每个分量信号的噪声程度来为每个第二分量信号设置滤波器。
具体的，根据每个第二分量信号的噪声程度得到每个第二分量信号的小波阈值的具体计算方法如下：
式中，表示第/>个第二分量信号的噪声程度，/>表示预设的小波阈值超参数，本实施例/>取6为例进行叙述，其他实施例可以取其他值，本实施例不进行具体限制。/>表示第/>个第二分量信号的小波阈值。
利用小波阈值为的小波滤波器对第j个第二分量信号进行滤波处理得到第j个第三分量信号。同理完成每个第二分量信号的处理得到每个第三分量信号。
进一步的,将所有的第三分量信号累加得到第三微波信号。
通过以上步骤，完成对第二微波信号的去噪处理得到第三微波信号。
请参阅图2，其示出了本发明一个实施例提供的一种微波数据处理系统的结构框图，该系统包括以下模块：
第二微波信号采集模块，用于采集第二微波信号；
第二分量信号获取模块，用于对第二微波信号进行分量拆分处理得到多个第一分量信号，计算每个第一分量信号的整体波动程度，根据每个第一分量信号的整体波动程度得到每两个第一分量信号的差异程度，根据每两个第一分量信号的差异程度得到多个第二分量信号；
第二分量信号的噪声程度获取模块，用于对每个第二分量信号进行分段处理得到每个第二分量信号的多个子信号段，计算每个子信号段的参考程度，根据参考程度得到每个第二分量信号的参考信号段，根据第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度；
滤波去噪模块，用于根据每个第二分量信号的噪声程度得到每个第二分量信号的小波阈值，根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到第三分量信号，将所有的第三分量信号累加得到第三微波信号。
本实施例相较于现有在微波处理方法，通过对第二微波信号拆分处理得到若干第一分量信号，由于噪声信号与非噪声信号存在较大差异，因而通过分析每个第一分量信号与其他第一分量信号的差异程度来反映每个第一分量信号为噪声信号的情况，在所有第一分量信号中首先筛选出完全属于噪声信号的第一分量信号，进而在所有第一分量信号中去除完全属于噪声信号的第一分量得到若干第二分量信号，而第二分量信号虽然不是完全的噪声信号，但是每个第二分量信号会受噪声信号影响，即每个第二分量信号中会包含噪声信号成分且各个第二分量信号包含的噪声信号量各不相同，本发明根据第二分量信号中噪声信号成分与非噪声信号成分存在明显差异的原理，通过分析每个第二分量信号中每个子信号段与其他子信号段的差异来反映每个第二分量信号受噪声信号影响情况，得到每个第二分量信号的噪声程度，为了实现准确的去除每个第二分量信号的噪声信号成分，根据每个第二分量信号的噪声程度对应设置每个第二分量信号的小波阈值，从而通过自适应的设置小波滤波器的小波阈值来准确的去除每个第二分量信号的噪声信号成分得到无噪声干扰的第三分量信号，将所有第三分量信号累加得到第三微波信号，相较于现有的人为凭经验设置固定小波阈值的去噪方式，本发明能够根据信号中各个分量信号的噪声含量来自适应调整各个分量对应的小波阈值，从而更为准确的去处微波信号中的噪声，提高去噪效果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种微波数据处理方法，其特征在于，该方法包括以下步骤：
采集第二微波信号；
对第二微波信号拆分处理得到若干第一分量信号，利用每个第一分量信号的波动特征对第一分量信号进行描述得到每个第一分量信号的整体波动程度，根据每两个第一分量信号的整体波动程度以及极值点的差异情况得到每两个第一分量信号的差异程度；根据每两个第一分量信号的差异程度去除第一分量信号中的噪声信号得到第二分量信号；
对每个第二分量信号进行分段处理得到每个第二分量信号的若干子信号段，根据每个子信号段存在噪声情况得到每个子信号段的参考程度，根据每个子信号段的参考程度得到参考信号段，根据每个第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度；
根据每个第二分量信号的噪声程度设置每个第二分量信号的小波阈值，根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到每个第三分量信号；将所有的第三分量信号累加得到第三微波信号；
所述根据每个子信号段存在噪声情况得到每个子信号段的参考程度，包括的具体方法为：
将每个第二分量信号的每个子信号段中各数据点与前一个数据点幅值的差值作为每个第二分量信号的每个子信号段中各数据点的第一斜率，将每个第二分量信号的每个子信号段中各数据点与后一个数据点的幅值的差值作为每个第二分量信号的每个子信号段中各数据点的第二斜率；
根据每个第二分量信号的每个子信号段中各数据点的第一斜率、第二斜率得到每个子信号段的参考程度的计算方法为：
其中，表示第j个第二分量信号中第z个子信号段中数据点的数量，/>表示第j个第二分量信号中第s个子信号段中数据点的数量，/>表示第j个第二分量信号的子信号段的数量，/>表示第j个第二分量信号的第z个子信号段的第i个数据点的第一斜率，/>表示第j个第二分量信号的第z个子信号段的第i个数据点的第二斜率，/>表示第j个第二分量信号的第z个子信号段中数据点的数量；exp()表示以自然常数为底的指数函数，/>表示第j个第二分量信号的第z个子信号段的参考程度。
2.根据权利要求1所述一种微波数据处理方法，其特征在于，所述利用每个第一分量信号的波动特征对第一分量信号进行描述得到每个第一分量信号的整体波动程度，包括的具体方法为：
其中，表示第j个第一分量信号的整体波动程度，/>表示第j个第一分量信号中所有数据点的幅值的均值，/>表示第j个第一分量信号中第i个数据点的幅值，/>表示每个第一分量信号中包含数据点的数量，/>表示绝对值符号，/>表示第j个第一分量信号中第i+1个数据点的幅值。
3.根据权利要求1所述一种微波数据处理方法，其特征在于，所述根据每两个第一分量信号的整体波动程度以及极值点的差异情况得到每两个第一分量信号的差异程度，包括的具体方法为：
获取每个第一分量信号中所有的极值点；
根据每个第一分量信号的极值点和波动程度得到每两个第一分量信号的差异程度，具体计算方法如下：
其中，表示第a个第一分量信号的整体波动程度，/>表示第b个第一分量信号的整体波动程度，/>表示绝对值符号，/>表示第a个第一分量信号中包含极值点数量，/>表示第b个第一分量信号中包含极值点数量，/>表示第a个第一分量信号中第/>个极值点与第/>个极值点之间的数据点数量，/>表示第b个第一分量信号中第/>个极值点与第/>个极值点之间的数据点数量，/>表示第a个第一分量信号与第b个第一分量信号的差异程度。
4.根据权利要求1所述一种微波数据处理方法，其特征在于，所述根据每两个第一分量信号的差异程度去除第一分量信号中的噪声信号得到第二分量信号，包括的具体方法为：
获取差异程度最大值对应的两个第一分量信号，分别记为参考第一分量信号，将每个参考第一分量信号与其他所有第一分量信号的差异程度求均值得到每个参考第一分量信号的综合差异程度；将两参考第一分量信号中综合差异程度最大值对应的参考第一分量信号作为噪声信号；在所有第一分量信号中去除噪声信号，将剩余的第一分量信号称为第二分量信号。
5.根据权利要求1所述一种微波数据处理方法，其特征在于，所述对每个第二分量信号进行分段处理得到每个第二分量信号的若干子信号段，包括的具体方法为：
对于任意一个第二分量信号，获取所述第二分量信号的所有极小值点，利用每个极小值点作为分割点将所述第二分量信号分割成多个子信号段。
6.根据权利要求1所述一种微波数据处理方法，其特征在于，所述根据每个子信号段的参考程度得到参考信号段，包括的具体方法为：
将每个第二分量信号的所有子信号段中参考程度最大的子信号段作为每个第二分量信号的参考信号段。
7.根据权利要求1所述一种微波数据处理方法，其特征在于，所述根据每个第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度，包括的具体方法为：
其中，表示第j个第二分量信号的第s个子信号段与参考信号段的DTW距离，/>表示第j个第二分量信号的子信号段的数量，/>表示通过线性归一化方法进行归一化处理，表示第j个第二分量信号的噪声程度。
8.根据权利要求1所述一种微波数据处理方法，其特征在于，所述根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到每个第三分量信号，包括的具体方法为：
其中，表示第/>个第二分量信号的噪声程度，/>表示预设的小波阈值超参数，/>表示第/>个第二分量信号的小波阈值；
利用小波阈值为的小波滤波器对第j个第二分量信号进行滤波处理得到第j个第三分量信号，完成每个第二分量信号的滤波处理得到每个第三分量信号。
9.一种微波数据处理系统，其特征在于，该系统包括以下模块：
第二微波信号采集模块，用于采集第二微波信号；
第二分量信号获取模块，用于对第二微波信号进行分量拆分处理得到多个第一分量信号，计算每个第一分量信号的整体波动程度，根据每个第一分量信号的整体波动程度得到每两个第一分量信号的差异程度，根据每两个第一分量信号的差异程度得到多个第二分量信号；
第二分量信号的噪声程度获取模块，用于对每个第二分量信号进行分段处理得到每个第二分量信号的多个子信号段，计算每个子信号段的参考程度，根据参考程度得到每个第二分量信号的参考信号段，根据第二分量信号中每个子信号段与参考信号段的差异情况得到每个第二分量信号的噪声程度；
滤波去噪模块，用于根据每个第二分量信号的噪声程度得到每个第二分量信号的小波阈值，根据每个第二分量信号的小波阈值对每个第二分量信号进行滤波处理得到第三分量信号，将所有的第三分量信号累加得到第三微波信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311301401.6A CN117056642B (zh) | 2023-10-10 | 2023-10-10 | 一种微波数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311301401.6A CN117056642B (zh) | 2023-10-10 | 2023-10-10 | 一种微波数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117056642A true CN117056642A (zh) | 2023-11-14 |
| CN117056642B CN117056642B (zh) | 2023-12-22 |
Family
ID=88659387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311301401.6A Active CN117056642B (zh) | 2023-10-10 | 2023-10-10 | 一种微波数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117056642B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117390380A (zh) * | 2023-12-12 | 2024-01-12 | 泰安金冠宏食品科技有限公司 | 一种油渣分离系统中的数据分析方法 |
| CN117420095A (zh) * | 2023-12-15 | 2024-01-19 | 乐比(广州)健康产业有限公司 | 一种鼻腔喷雾剂成分检测方法 |
| CN117847021A (zh) * | 2024-03-08 | 2024-04-09 | 苏州众志新环冷却设备有限公司 | 一种离心风机风轮噪声降噪方法 |
| CN117982155A (zh) * | 2024-04-07 | 2024-05-07 | 天津市肿瘤医院（天津医科大学肿瘤医院） | 一种胸外科检查数据智能处理方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5268573A (en) * | 1992-07-17 | 1993-12-07 | The Penn State Research Foundation | System for detecting threshold phenomena associated with and/or atomic or molecular spectra of a substance |
| US20120001656A1 (en) * | 2010-06-30 | 2012-01-05 | Can-Ming Hu | Apparatus, System, and Method for Direct Phase Probing and Mapping of Electromagnetic Signals |
| CN104267383A (zh) * | 2014-09-30 | 2015-01-07 | 中国人民解放军63892部队 | 一种针对雷达电磁信号的极化参数自适应测量装置 |
| JP2017175326A (ja) * | 2016-03-23 | 2017-09-28 | 日本電気株式会社 | デジタルコヒーレント受信装置、光空間通信システム及びそのドップラーシフト捕捉方法 |
| CN116086295A (zh) * | 2022-08-23 | 2023-05-09 | 河南工业大学 | 基于微波雷达回波能量和vmd的桥梁测点位移去噪方法 |
| CN116660198A (zh) * | 2023-08-02 | 2023-08-29 | 中珀(北京)新材料科技有限公司 | 基于光谱分析的碳纳米材料浆料性能测试方法 |
| CN116698927A (zh) * | 2023-02-27 | 2023-09-05 | 浙大城市学院 | 有源双模微波微流传感器在液体介电常数检测上的应用 |
-
2023
- 2023-10-10 CN CN202311301401.6A patent/CN117056642B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5268573A (en) * | 1992-07-17 | 1993-12-07 | The Penn State Research Foundation | System for detecting threshold phenomena associated with and/or atomic or molecular spectra of a substance |
| US20120001656A1 (en) * | 2010-06-30 | 2012-01-05 | Can-Ming Hu | Apparatus, System, and Method for Direct Phase Probing and Mapping of Electromagnetic Signals |
| CN104267383A (zh) * | 2014-09-30 | 2015-01-07 | 中国人民解放军63892部队 | 一种针对雷达电磁信号的极化参数自适应测量装置 |
| JP2017175326A (ja) * | 2016-03-23 | 2017-09-28 | 日本電気株式会社 | デジタルコヒーレント受信装置、光空間通信システム及びそのドップラーシフト捕捉方法 |
| CN116086295A (zh) * | 2022-08-23 | 2023-05-09 | 河南工业大学 | 基于微波雷达回波能量和vmd的桥梁测点位移去噪方法 |
| CN116698927A (zh) * | 2023-02-27 | 2023-09-05 | 浙大城市学院 | 有源双模微波微流传感器在液体介电常数检测上的应用 |
| CN116660198A (zh) * | 2023-08-02 | 2023-08-29 | 中珀(北京)新材料科技有限公司 | 基于光谱分析的碳纳米材料浆料性能测试方法 |
Non-Patent Citations (2)
| Title |
|---|
| CHENGYU YAN 等: "A low-noise on-chip coherent microwave source", 《NATURE ELECTRONICS》, pages 1 - 14 * |
| 吴文敬 等: "一种基于交指电容裂环谐振器的差分微波传感器研究与设计", 《光子学报》, pages 1 - 14 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117390380A (zh) * | 2023-12-12 | 2024-01-12 | 泰安金冠宏食品科技有限公司 | 一种油渣分离系统中的数据分析方法 |
| CN117390380B (zh) * | 2023-12-12 | 2024-02-13 | 泰安金冠宏食品科技有限公司 | 一种油渣分离系统中的数据分析方法 |
| CN117420095A (zh) * | 2023-12-15 | 2024-01-19 | 乐比(广州)健康产业有限公司 | 一种鼻腔喷雾剂成分检测方法 |
| CN117420095B (zh) * | 2023-12-15 | 2024-03-01 | 乐比(广州)健康产业有限公司 | 一种鼻腔喷雾剂成分检测方法 |
| CN117847021A (zh) * | 2024-03-08 | 2024-04-09 | 苏州众志新环冷却设备有限公司 | 一种离心风机风轮噪声降噪方法 |
| CN117847021B (zh) * | 2024-03-08 | 2024-05-24 | 苏州众志新环冷却设备有限公司 | 一种离心风机风轮噪声降噪方法 |
| CN117982155A (zh) * | 2024-04-07 | 2024-05-07 | 天津市肿瘤医院（天津医科大学肿瘤医院） | 一种胸外科检查数据智能处理方法 |
| CN117982155B (zh) * | 2024-04-07 | 2024-06-11 | 天津市肿瘤医院（天津医科大学肿瘤医院） | 一种胸外科检查数据智能处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117056642B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117056642B (zh) | 一种微波数据处理方法及系统 | |
| Karagiannis et al. | Noise-assisted data processing with empirical mode decomposition in biomedical signals | |
| CN109805931B (zh) | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 | |
| JP2011521730A (ja) | 後方散乱超音波の準同型デコンボリューション解析により組織性状を判別するシステムおよび方法 | |
| 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 | |
| Wang et al. | EMD-based EEG signal enhancement for auditory evoked potential recovery under high stimulus-rate paradigm | |
| CN109085547B (zh) | 一种表层穿透雷达回波信号的去噪方法和相关装置 | |
| El Bouny et al. | ECG signal denoising based on ensemble emd thresholding and higher order statistics | |
| Baldazzi et al. | Wavelet-based post-processing methods for the enhancement of non-invasive fetal ECG | |
| CN112315440A (zh) | 心率检测方法、可穿戴设备及可读存储介质 | |
| CN109799284B (zh) | 一种超声回波信号的多次谐波自适应分离方法 | |
| CN115100164A (zh) | 一种基于边缘检测的超声ct渡越时间自动提取方法 | |
| KR101916591B1 (ko) | 레이더 신호의 주성분 분석을 이용한 생체 정보 결정 장치 및 방법 | |
| Hao et al. | MEMD-based filtering using interval thresholding and similarity measure between pdf of IMFs | |
| Patel et al. | A signal conditioning module for denoising Electrocardiogram signals | |
| CN116400302B (zh) | 一种雷达信号接收处理方法 | |
| CN113892929B (zh) | 非接触式心跳监测方法、监测系统、电子设备及存储介质 | |
| RU2440022C2 (ru) | Способ подавления шумов в электрокардиосигнале | |
| Dahwah et al. | A New Wavelet-based Algorithm for R-peak Detection in ECG and it’sa Comparison with the Currently Existing Algorithms | |
| KR102561391B1 (ko) | 복수의 층을 통과하여 얻은 초음파 데이터를 분석하는 방법 | |
| AU2020103375A4 (en) | Speckle Denoising System for Ultrasound Images with Framelet Transform and Gaussian Filter | |
| CN112525999B (zh) | 一种基于频率成份的声发射信号相关性分析方法 | |
| CN118058752B (zh) | 一种待产产妇自动化监护方法、装置、存储介质和终端设备 | |
| Kumari et al. | A hybrid approach for enhancement of the ECG signal | |
| Fedotov | An Integrated Methodology for Wavelet Filtering of a Pulse Wave Signal |
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 |