CN117171518A - 一种基于小波变换的浮选泡沫流速信号在线滤波方法 - Google Patents

Abstract

本公开提供了一种基于小波变换的浮选泡沫流速信号在线滤波方法，包括：获取浮选泡沫的流速信号序列；根据预设小波变换级数Level确定局部流速信号长度N；利用边界对称周期延拓和多孔算法在流速信号序列中对长度为N的当前局部流速信号进行Level级小波分解，得到小波分解系数的集合；对集合中除去第Level级小波分解的低频系数以外的其他系数进行置零，得到当前局部流速信号置零后的集合；利用边界周期延拓和多孔算法对集合进行重构得到当前局部流速信号对应的滤波信号；在滤波信号中确定当前局部流速信号滤波后的流速值；根据流速信号序列中每个局部流速信号的流速值得到浮选泡沫流速在线滤波信号的序列。本公开满足现场工业需求。

Description

一种基于小波变换的浮选泡沫流速信号在线滤波方法

技术领域

本公开涉及选矿技术领域，尤其涉及一种基于小波变换的浮选泡沫流速信号在线滤波方法、存储介质和电子设备。

背景技术

国内90%以上的有色金属矿物会采取浮选工艺，在浮选过程控制中，如何控制好浮选泡沫流速以确定合适的浮选时间，对浮选精矿品位和矿物回收率具有至关重要的作用。由于采集到的浮选泡沫图像噪声大、泡沫流动过程中浮选气泡易发生角度旋转、尺寸缩放、气泡坍塌破裂严重等问题，浮选气泡的这些独特的性质使得各矿化气泡因难以准确跟踪而使基于机器视觉的泡沫流速测量不准确，甚至根本不能检测出来。有些学者转而研究图像去噪算法，试图通过改善图像质量，提高泡沫图像动态特征提取精度，比如基于Curvelet变换域的去噪算法、贝叶斯去噪算法等等。由于基于变换域的去噪算法本来复杂度就普遍偏高，这无疑进一步提高了流速提取的时间，流速计算的实时性和稳定性无法得到保障，无法满足现场的工业需求。

发明内容

本公开实施例的目的在于提供一种基于小波变换的浮选泡沫流速信号在线滤波方法、存储介质和电子设备，用以解决现有技术中浮选泡沫流速信号处理方式复杂、流速计算的实时性和稳定性较差的问题。

本公开的实施例采用如下技术方案：一种基于小波变换的浮选泡沫流速信号在线滤波方法，包括：获取浮选泡沫的流速信号序列；根据预设小波变换级数Level确定局部流速信号长度N；利用边界对称周期延拓和多孔算法在所述流速信号序列中对长度为N的当前局部流速信号SL进行Level级小波分解，得到小波分解系数的集合；对所述集合中除去第Level级小波分解的低频系数以外的其他系数进行置零操作，得到所述当前局部流速信号SL置零后的集合/>；利用边界对称周期延拓和多孔算法对所述集合进行重构得到所述当前局部流速信号SL对应的滤波信号/>；在所述滤波信号/>中确定所述当前局部流速信号SL滤波后的流速值fs；根据所述流速信号序列中每个局部流速信号的流速值得到浮选泡沫流速在线滤波信号的序列FS。

在一些实施例中，所述获取浮选泡沫的流速信号序列，包括：利用相机按预设帧率对浮选泡沫进行连续拍照，得到浮选泡沫图像序列；对所述浮选泡沫图像序列中连续的两帧图像利用光流算法分别计算光流场；对连续的两帧图像的光流场进行裁剪，并计算裁剪后剩余部分的光流场的平均值；根据裁剪后连续的两帧图像的光流场的平均值，计算连续的两帧图像之间的平均光流矢量信号，并将所述平均光流矢量信号转化为流速信号（Length，Angle）；确定浮选泡沫的流速信号序列，其中，i表示第i个流速信号。

在一些实施例中，所述根据预设小波变换级数Level确定局部流速信号长度N，包括：基于如下公式确定局部流速信号长度N：

；

其中，表示分解低频滤波器的滤波长度，/>表示重构低频滤波器的滤波长度。

在一些实施例中，所述利用边界对称周期延拓和多孔算法在所述流速信号序列中对长度为N的当前局部流速信号SL进行Level级小波分解，得到小波分解系数的集合，包括：对长度为N的当前局部流速信号SL进行全样本对称周期延拓得到序列/>；对所述序列/>利用多孔算法进行第1级小波分解得到低频系数/>和高频系数/>；依次对第p-1级小波分解后得到的低频系数/>进行全样本对称周期延拓后再进行第p级小波分解，得到第p级小波分解后的低频系数/>和高频系数/>，；将每一级小波分解后得到的低频系数和高频系数进行整合后得到小波分解系数的集合/>。

在一些实施例中，集合。

在一些实施例中，所述利用边界对称周期延拓和多孔算法对所述集合进行重构得到所述当前局部流速信号SL对应的滤波信号/>，包括：依次对低频系数/>根据重构滤波器的对称性或反对称性，进行全样本周期延拓或者反对称周期延拓，并在延拓后与长度为N的零序列按多孔算法重构得到/>，/>，在时，/>；在对/>进行重构时，根据分解时的低频滤波器的滤波长度的奇偶性和重构滤波器的对称性或反对称性，在全样本对称周期延拓、半样本对称周期延拓、全样本反对称周期延拓或者半样本反对称周期延拓中确定其中一种方式对进行周期延拓，并在延拓后与长度为N的零序列按多孔算法重构得到滤波信号/>。

在一些实施例中，所述在对进行重构时，根据分解时的低频滤波器的滤波长度的奇偶性和重构滤波器的对称性或反对称性，在全样本对称周期延拓、半样本对称周期延拓、全样本反对称周期延拓或者半样本反对称周期延拓中确定其中一种方式对/>进行周期延拓，包括：在分解时的低频滤波器的滤波长度为偶数、重构滤波器具有对称性的情况下，对/>进行对称轴在/>和/>的半样本对称周期延拓；在分解时的低频滤波器的滤波长度为偶数、重构滤波器具有反对称性的情况下，对/>进行对称轴在/>和的半样本反对称周期延拓；在分解时的低频滤波器的滤波长度为奇数、重构滤波器具有对称性的情况下，对/>进行对称轴在0和N-1的全样本对称周期延拓；在分解时的低频滤波器的滤波长度为奇数、重构滤波器具有反对称性的情况下，对/>进行对称轴在0和N-1的全样本反对称周期延拓。

在一些实施例中，所述在所述滤波信号中确定所述当前局部流速信号SL滤波后的流速值fs，包括：确定所述滤波信号/>中的第/>个数据作为当前局部流速信号SL滤波后的流速值fs。

本公开实施例还提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于小波变换的浮选泡沫流速信号在线滤波方法的步骤。

本公开实施例还提供了一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述的基于小波变换的浮选泡沫流速信号在线滤波方法的步骤。

本公开实施例的有益效果在于：通过对一维的浮选泡沫流速信号在线进行小波滤波处理，降低了需要进行计算的数据量，相较于通过改善图像质量进行滤波的方式具有更快的计算效率；同时，通过设置小波变换层数兼顾流速计算的实时性和稳定性，满足现场对信号延时等工业需求的实现。

附图说明

为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开第一实施例中基于小波变换的浮选泡沫流速信号在线滤波方法的流程图；

图2为本公开第一实施例中小波分解示意图；

图3为本公开第一实施例中小波重构示意图；

图4为本公开第一实施例中原始流速信号和滤波信号的波形示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本文件的保护范围。

国内90%以上的有色金属矿物会采取浮选工艺，在浮选过程控制中，如何控制好浮选泡沫流速以确定合适的浮选时间，对浮选精矿品位和矿物回收率具有至关重要的作用。由于采集到的浮选泡沫图像噪声大、泡沫流动过程中浮选气泡易发生角度旋转、尺寸缩放、气泡坍塌破裂严重等问题，浮选气泡的这些独特的性质使得各矿化气泡因难以准确跟踪而使基于机器视觉的泡沫流速测量不准确，甚至根本不能检测出来。有些学者转而研究图像去噪算法，试图通过改善图像质量，提高泡沫图像动态特征提取精度，比如基于Curvelet变换域的去噪算法、贝叶斯去噪算法等等。由于基于变换域的去噪算法本来复杂度就普遍偏高，这无疑进一步提高了流速提取的时间，流速计算的实时性和稳定性无法得到保障，无法满足现场的工业需求。

为了解决上述问题，本公开第一实施例提供了一种基于小波变换的浮选泡沫流速信号在线滤波方法，其流程图如图1所示，主要包括步骤S10至S70：

S10，获取浮选泡沫的流速信号序列。

浮选泡沫的流速信号用于表示在浮选过程中泡沫流动的情况，在本实施例中，浮选泡沫的流速信号序列计入如下方式获取：

首先通过工业相机或者网络相机按设定帧率FPS对浮选泡沫进行连续拍照，得到浮选泡沫图像序列，将其输入至上位机或处理器中进行处理；对浮选泡沫图像序列中连续的两帧图像利用光流算法分别计算光流场；为了减少计算量，对图像对应的光流场进行裁剪，例如可以上下裁剪掉宽度的1/4以及左右各裁剪掉长度的1/4，保留中间泡沫丰富的部分，降低计算量的同时提升准确性，并且对裁切剩余的部分进行光流场的平均值计算；根据裁剪后连续的两帧图像的光流场的平均值，计算连续的两帧图像之间的平均光流矢量信号（x，y），以表示光流场在连续两帧内在x轴上和y轴上移动的距离，然后将平均光流矢量信号转化为流速信号（Length，Angle），其中，Length表示移动距离，Angle表示移动角度，流速信号与平均光流矢量信号之间的转化公式如下所示：

（1）

（2）

在实际实现时，每连续的两帧均计算得到一个流速信号（Length，Angle），进而确定浮选泡沫的流速信号序列，其中，i表示第i个流速信号。对于流速信号来说，在设定帧率FPS=25时，相当于相机在一秒内拍摄了25张图像，则对应有24个流速信号。

S20，根据预设小波变换级数Level确定局部流速信号长度N。

对于浮选泡沫的流速信号来说，只要浮选过程还未结束，则流速信号则不断处于计算确定的过程中，也就是说其可以是一个无限长的信号，但是在进行滤波时需要截取其中一定长度N形成局部流速信号进行滤波，N的值不能太大，因为N越大意味着延时越大，N也不能太小，太小进行小波变换后受边界影响会失去信号原本的信息，本实施例中该局部流速信号的长度N根据预设小波变换级数Level进行确定。具体地，Level的数值越高，滤波程度越高，但相应的信号延时就越大，实际Level的数值在预先设定时，需要考虑滤波效果以及信号延时之间的平衡，通常Level的值可以选定为4或者5，此时滤波效果以及信号延时之间相对平衡。

小波变换是一种时频分析工具，主要包括小波分解和小波重构，即利用小波分解将信号分解至频域，滤波后通过小波重构回到时域。本实施例中选择具有对称性或者反对称性的正交小波或双正交小波进行分解变换，其分解低频滤波器记为LoD，滤波长度为；分解高频滤波器记为HiD，滤波长度为/>；重构低频滤波器记为LoR，滤波长度为/>；重构高频滤波器记为HiR，滤波长度为/>。根据小波变换和多孔算法原理以及信号的对称性，分析分解和重构时小波系数之间的相互关系，本实施例推导出Level级小波变换层数所需要的局部流速信号最小长度N的计算公式为：

； （3）

实际实现时，，/>，则在Level=4时对应的N=91，即从浮选泡沫的流速信号序列中截取连续的91个信号作为一个局部流速信号，Level=5时对应的N为187，即从浮选泡沫的流速信号序列中截取连续的187个信号作为一个局部流速信号。

本实施例中采用的小波滤波系数可以为：

LoD[5]={-0.176776695296637，0.353553390593274，1.060660171779821，0.353553390593274，-0.176776695296637}；

HiD[3]={0.353553390593274，-0.707106781186548，0.353553390593274}；

LoR[3]={0.353553390593274，0.707106781186548，0.353553390593274}；

HiR[5]={0.176776695296637，0.353553390593274，-1.060660171779821，0.353553390593274，0.176776695296637}。

S30，利用边界对称周期延拓和多孔算法在流速信号序列中对长度为N的当前局部流速信号SL进行Level级小波分解，得到小波分解系数的集合。

本实施例以长度为N的局部流速信号作为基础进行滤波，即在浮选过程中，当上位机已经计算出N个流速信号时即形成一个局部流速信号作为当前局部流速信号SL，并对其进行滤波；当系统计算出第N+1个流速信号时，则将第N+1个流速信号加到第N个流速信号之后，并移除第一个流速信号，形成新的当前局部流速信号进行滤波计算，如此重复进行当前局部流速信号的确定和滤波计算即可实现实时的浮选泡沫的滤波处理。

具体地，本实施例在对任意一个当前局部流速信号进行小波变换的步骤如下：首先对长度为N的当前局部流速信号SL进行全样本对称周期延拓得到序列；随后对序列利用多孔算法进行Level级小波分解得到小波分解系数的过程的示意图如图2所示，即在进行第1级小波分解时，是基于序列/>所进行的，对应得到的小波分解系数分别为低频系数/>和高频系数/>；而对应于后续的第2级至第Level级小波分解记为第p级小波分解，即/>，在进行第p级小波分解时，以第p-1级小波分解后得到的低频系数/>为分解基础，将低频系数/>进行全样本对称周期延拓后再进行第p级小波分解，得到第p级小波分解后的低频系数/>和高频系数/>，直至p=Level时的第Level级小波分解结束得到低频系数/>和高频系数/>，形成小波分解系数的集合/>。

S40，对集合中除去第Level级小波分解的低频系数以外的其他系数进行置零操作，得到当前局部流速信号SL置零后的集合/>。

本实施例通过对小波分解的高频系数进行置零的操作实现滤波，即除去第Level级小波分解后得到的低频系数以外的其他系数均进行置零操作，得到当前局部流速信号SL置零后的集合。

S50，利用边界对称周期延拓和多孔算法对集合进行重构得到当前局部流速信号SL对应的滤波信号/>。

在本实施例中，重构时则按照分解时的反向进行，即从第Level级开始进行重构，直到进行第1级重构后得到滤波信号。

具体地，对于第Level级至第2级重构，本实施例记为第q级重构，即，根据重构滤波器LoR的对称或反对称性，依次对低频系数进行相应的全样本对称或反对称周期延拓，并对延拓后的序列与长度为N的零序列按多孔算法重构得到上一级的低频系数/>，但需要注意的是，在/>时，，即以/>为基准进行第Level级重构。

在进行最后一级重构时，则需要根据分解时的低频滤波器的滤波长度的奇偶性以及重构滤波器的对称性或反对称性，在全样本对称周期延拓、半样本对称周期延拓、全样本反对称周期延拓或者半样本反对称周期延拓中确定其中一种方式对进行周期延拓，并在延拓后与长度为N的零序列按多孔算法重构得到滤波信号/>。

在一些实施例中，在分解时的低频滤波器的滤波长度为偶数、重构滤波器具有对称性的情况下，对进行对称轴在/>和/>的半样本对称周期延拓。对于长度为N的信号x（n），对其进行半样本对称周期延拓得到的序列为：

再对进行周期化得到：/>。

在一些实施例中，在分解时的低频滤波器的滤波长度为偶数、重构滤波器具有反对称性的情况下，对进行对称轴在/>和/>的半样本反对称周期延拓。对于长度为N的信号x（n），对其进行半样本反对称周期延拓得到的序列为：

再对进行周期化得到：/>。

在一些实施例中，在分解时的低频滤波器的滤波长度为奇数、重构滤波器具有对称性的情况下，对进行对称轴在0和N-1的全样本对称周期延拓。对于长度为N的信号x（n），对其进行全样本对称周期延拓得到的序列为：

再对进行周期化得到：/>。

在一些实施例中，在分解时的低频滤波器的滤波长度为奇数、重构滤波器具有反对称性的情况下，对进行对称轴在0和N-1的全样本反对称周期延拓。对于长度为N的信号x（n），对其进行全样本反对称周期延拓得到的序列为：

再对进行周期化得到：/>。

S60，在滤波信号中确定当前局部流速信号SL滤波后的流速值fs。

在实际进行滤波过程中，通过在滤波信号中确定一个流速值来表示当前局部流速信号经过滤波后的值，在本实施例中确定滤波信号/>中的第/>个数据作为当前局部流速信号SL滤波后的流速值fs，即选用一个较为平均的中值进行表示，当然也可根据需求选择序列中的其他数值。

S70，根据流速信号序列中每个局部流速信号的流速值得到浮选泡沫流速在线滤波信号的序列FS。

在实际实现时，当上位机计算出N个流速信号开始，即形成第一个局部流速信号作为当前局部流速信号进行滤波处理，对应得到的流速值fs1即表征从第1个流速信号到第N个流速信号滤波后的流速值；在上位机计算出第N+1个流速信号后，形成第二个局部流速信号作为当前局部流速信号进行滤波处理，对应得到的流速值fs2即表示从第2个流速信号到第N+1个流速信号滤波后的流速值，以此类推，随着流速信号的不断计算生成，相应滤波后的流速值也不断进行确定，即形成一个连续的流速值序列FS，实时表征浮选泡沫的流速信号的滤波结果，如图4所示，实现从原本波动较大的原始流速信号（如图4中白色波动线条所示）滤波后形成平滑稳定的滤波信号（如图4中黑色平滑线条所示）。

本实施例通过对一维的浮选泡沫流速信号在线进行小波滤波处理，降低了需要进行计算的数据量，相较于通过改善图像质量进行滤波的方式具有更快的计算效率；同时，通过设置小波变换层数兼顾流速计算的实时性和稳定性，满足现场对信号延时等工业需求的实现。

基于相同的发明构思，本公开的第二实施例提供了一种存储介质，存储有计算机程序，该计算机程序被处理器执行时实现本公开第一实施例中的基于小波变换的浮选泡沫流速信号在线滤波方法的步骤，其具体可以被安装在与工业相机连接的上位机或者服务器中，同时可连接显示设备以实现原始流速信号和滤波后信号的呈现。

基于相同的发明构思，本公开的第三实施例提供了一种电子设备，该电子设备可以为与工业相机连接的上位机或者服务器，其至少包括存储器、处理器，存储器上存储有计算机程序，处理器在执行存储器上的计算机程序时实现本公开第一实施例中的基于小波变换的浮选泡沫流速信号在线滤波方法的步骤，该电子设备还可以进一步包括显示设备，以实现原始流速信号和滤波后信号的呈现。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。

Claims (10)

1.一种基于小波变换的浮选泡沫流速信号在线滤波方法，其特征在于，包括：

获取浮选泡沫的流速信号序列；

根据预设小波变换级数Level确定局部流速信号长度N；

利用边界对称周期延拓和多孔算法在所述流速信号序列中对长度为N的当前局部流速信号SL进行Level级小波分解，得到小波分解系数的集合；

对所述集合中除去第Level级小波分解的低频系数以外的其他系数进行置零操作，得到所述当前局部流速信号SL置零后的集合/>；

利用边界周期延拓和多孔算法对所述集合进行重构得到所述当前局部流速信号SL对应的滤波信号/>；

在所述滤波信号中确定所述当前局部流速信号SL滤波后的流速值fs；

根据所述流速信号序列中每个局部流速信号的流速值得到浮选泡沫流速在线滤波信号的序列FS。

2.根据权利要求1所述的浮选泡沫流速信号在线滤波方法，其特征在于，所述获取浮选泡沫的流速信号序列，包括：

利用相机按预设帧率对浮选泡沫进行连续拍照，得到浮选泡沫图像序列；

对所述浮选泡沫图像序列中每连续的两帧图像利用光流算法分别计算光流场；

对连续的两帧图像的光流场进行裁剪，并计算裁剪后剩余部分的光流场的平均值；

根据裁剪后连续的两帧图像的光流场的平均值，计算连续的两帧图像之间的平均光流矢量信号，并将所述平均光流矢量信号转化为流速信号（Length，Angle）；

确定浮选泡沫的流速信号序列，其中，i表示第i个流速信号。

3.根据权利要求1所述的浮选泡沫流速信号在线滤波方法，其特征在于，所述根据预设小波变换级数Level确定局部流速信号长度N，包括：

基于如下公式确定局部流速信号长度N：

；

其中，表示分解低频滤波器的滤波长度，/>表示重构低频滤波器的滤波长度。

4.根据权利要求1所述的浮选泡沫流速信号在线滤波方法，其特征在于，所述利用边界对称周期延拓和多孔算法在所述流速信号序列中对长度为N的当前局部流速信号SL进行Level级小波分解，得到小波分解系数的集合，包括：

对长度为N的当前局部流速信号SL进行全样本对称周期延拓得到序列；

对所述序列利用多孔算法进行第1级小波分解得到低频系数/>和高频系数；

依次对第p-1级小波分解后得到的低频系数进行全样本对称周期延拓后再进行第p级小波分解，得到第p级小波分解后的低频系数/>和高频系数/>，；

将每一级小波分解后得到的低频系数和高频系数进行整合后得到小波分解系数的集合。

5.根据权利要求4所述的浮选泡沫流速信号在线滤波方法，其特征在于，集合。

6.根据权利要求5所述的浮选泡沫流速信号在线滤波方法，其特征在于，所述利用边界周期延拓和多孔算法对所述集合进行重构得到所述当前局部流速信号SL对应的滤波信号/>，包括：

依次对低频系数根据重构滤波器的对称性或反对称性，进行全样本周期延拓或者反对称周期延拓，并在延拓后与长度为N的零序列按多孔算法重构得到/>，，在/>时，/>；

在对进行重构时，根据分解时的低频滤波器的滤波长度的奇偶性和重构滤波器的对称性或反对称性，在全样本对称周期延拓、半样本对称周期延拓、全样本反对称周期延拓或者半样本反对称周期延拓中确定其中一种方式对/>进行周期延拓，并在延拓后与长度为N的零序列按多孔算法重构得到滤波信号/>。

7.根据权利要求6所述的浮选泡沫流速信号在线滤波方法，其特征在于，所述在对进行重构时，根据分解时的低频滤波器的滤波长度的奇偶性和重构滤波器的对称性或反对称性，在全样本对称周期延拓、半样本对称周期延拓、全样本反对称周期延拓或者半样本反对称周期延拓中确定其中一种方式对/>进行周期延拓，包括：

在分解时的低频滤波器的滤波长度为偶数、重构滤波器具有对称性的情况下，对进行对称轴在/>和/>的半样本对称周期延拓；

在分解时的低频滤波器的滤波长度为偶数、重构滤波器具有反对称性的情况下，对进行对称轴在/>和/>的半样本反对称周期延拓；

在分解时的低频滤波器的滤波长度为奇数、重构滤波器具有对称性的情况下，对进行对称轴在0和N-1的全样本对称周期延拓；

在分解时的低频滤波器的滤波长度为奇数、重构滤波器具有反对称性的情况下，对进行对称轴在0和N-1的全样本反对称周期延拓。

8.根据权利要求1所述的浮选泡沫流速信号在线滤波方法，其特征在于，所述在所述滤波信号中确定所述当前局部流速信号SL滤波后的流速值fs，包括：

确定所述滤波信号中的第/>个数据作为当前局部流速信号SL滤波后的流速值fs。

9.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的基于小波变换的浮选泡沫流速信号在线滤波方法的步骤。

10.一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器在执行所述存储器上的计算机程序时实现权利要求1至8中任一项所述的基于小波变换的浮选泡沫流速信号在线滤波方法的步骤。