CN117786320A - 一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法 - Google Patents
一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法 Download PDFInfo
- Publication number
- CN117786320A CN117786320A CN202311812701.0A CN202311812701A CN117786320A CN 117786320 A CN117786320 A CN 117786320A CN 202311812701 A CN202311812701 A CN 202311812701A CN 117786320 A CN117786320 A CN 117786320A
- Authority
- CN
- China
- Prior art keywords
- signal
- window
- noise
- frame
- amplitude
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000003595 spectral effect Effects 0.000 title claims abstract description 52
- 239000013307 optical fiber Substances 0.000 title claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 48
- 230000008030 elimination Effects 0.000 claims abstract description 24
- 238000003379 elimination reaction Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000009432 framing Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 11
- 230000037433 frameshift Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000253 optical time-domain reflectometry Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于分布式光纤声学传感信号处理技术领域，具体来讲为一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法。该方法包括：对DAS系统采集的实测数据进行预处理，通过高通滤波器去除直流分量和趋势项，并对信号幅值归一化；在分离噪声段和包含有用信号的数据段后，使用Hamming窗进行信号分帧。引入正交谱窗进行谱估计，通过多窗谱方法分别求取所有帧信号与噪声帧的平均功率谱，得到谱减法增益因子。最终通过快速傅里叶逆变换方法重构消噪信号。该方法成功抑制DAS数据采集时的环境噪声并保留了有用信号中的关键信息，有效还原振动事件。与现有技术相比，该方法具有高度普适性、实时性和高效的数据处理速度，为振动事件监测和噪声消除提供了可靠而高效的解决方案。
Description
技术领域
本发明属于分布式光纤声学传感信号处理技术领域，具体来讲为一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法。
背景技术
分布式声学传感(DAS)系统是一种先进的声学监测技术，其原理在于通过分析后向瑞利散射光的振幅和相位变化，实现对光纤沿线声波情况的监测。DAS技术具有长期、大范围、低成本监测的优势，已经在地质勘探、油气资源开发、管道监测、周界安防、自然灾害预警和基础设施健康监测等多个领域得到了广泛应用。然而，DAS在实际监测中常常受到噪声影响，这些噪声可能有多种来源，例如机械振动、自然背景噪声或其他干扰源。噪声的存在会淹没有用的信号，影响信息提取的准确性，为DAS系统采集有用声学信号带来了挑战，为了克服这一问题，对DAS数据进行消噪处理是十分必要的。消噪处理旨在识别并过滤掉与目标信号无关的噪声成分，以提高系统对真实声学事件的敏感性和准确性。
CN113221692A公开了一种用于光纤传感的连续变分模态分解DWT去噪方法，首先通过获取输入信号并应用变分模态分解获得BLIMF分量，接着采用可调节半软阈值去噪对这些分量进行处理，最后通过小波逆变换和信号重构完成去噪过程。该方法无需事先知道模态数量即可进行信号分解，但需要仔细调整其半软阈值参数，以保证不同情境下的性能。
CN114895359A公开了一种DAS同井监测实时微地震有效事件去噪方法及系统，该方法首先获取训练数据集，然后利用该数据集对预先建立的去噪模型进行训练。接着通过DAS同井监测获取实时微地震有效事件，利用训练好的去噪模型去除其中的管道波，最终得到去噪后的微地震有效事件。这种方式通过建立去噪模型有效消除了DAS同井监测实时微地震有效事件中的管道波，避免了管道波对后续处理的干扰。但该方法过度依赖训练数据集，实际应用场景受到一定程度的限制。
CN110031081A公开了一种基于改进型小波包的phi-OTDR分布式光纤振动信号去噪方法及系统。该方法采集DAS系统中的振动原始数据，根据数据特性选择适当的小波函数，对原始数据进行分解和重构。在这个过程中，引入新的变换因子，通过对信号的高频子带和低频子带进行快速傅里叶变换，排除各节点中多余的频率成分，从而实现信号的精细分解和重构去噪。然而,引入新的变换因子增加了计算复杂性。
发明内容
本发明所要解决的技术问题在于提供一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，抑制DAS数据采集时的环境噪声并保留有用信号中的关键信息，有效还原振动事件。
本发明是这样实现的，
一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，该方法包括：
基于分布式光纤声波传感特性，通过DAS系统采集实测数据x(n)，系统采样率为fs，采样点数为N，进一步地，将采集的实测数据x(n)划分为两个部分，不包含有用信号的噪声段和包含有用信号的数据段，噪声段信号用于估算背景噪声的功率谱，即估算噪声在频域的能量分布情况，判别噪声的主要频率成分，为后续应用多窗谱谱减法消噪提供基础，数据段为消噪处理的关键段，包括DAS系统采集所需的有用信息，是消噪处理的关键。
对采集数据进行预处理：通过应用一个截止频率为fc的k阶高通滤波器去除采集信号时由于仪器漂移、环境因素或传感器误差等产生的直流分量和趋势项，选择适当的截止频率fc以保留信号中的有效成分，选定适当的阶数k以确保滤波器对信号变化的响应速度；
对信号幅值进行归一化：信号的归一化幅值表示为信号原始幅值与信号幅值最大值的比值，取值范围在0-1之间，归一化处理将每一点信号的幅值范围映射到统一的标准，从而方便后续的比较和分析，归一化过程表示为：
式中，x(n)normal为归一化幅值，x(n)为原始幅值，|x(n)|max为信号幅值的最大值；
对归一化后的信号分帧加窗，窗函数选用Hamming窗，其旁瓣衰减较大，具有更平滑的低通特性，能够在较高的程度上反映短时信号的频率特性，Hamming窗表示为：
其中，L是窗的长度，n是窗内的点数。将信号按照帧长w和帧移m进行分帧，分帧的每一帧信号依次加窗，以减少截断造成的频域能量泄露，信号截断时相邻两帧之间的重叠部分o＝w-m，fn为分帧总帧数，表示为：
其中，帧长w取值范围在0.01fs-0.05fs之间，此时可将每帧信号看作稳态信号，通过处理稳态信号的方法进行处理，帧移m取值为保证相邻两帧之间互相有部分重叠，帧与帧之间的参数能够平稳过渡。
进一步地，通过多窗谱谱减法对所有帧信号进行消噪处理，通过快速傅里叶变换方法计算帧信号的幅值|Xi|和相角根据多窗谱方法计算谱减法增益因子及增益后幅值，并通过快速傅里叶逆变换方法重构信号，包括：
噪声段时长为IS，通过系统采样率fs、帧长w和帧移m进行计算噪声帧数NIS：
噪声帧数的计算将噪声段的时长对应到窗口分帧的过程中，确定估计噪声所需的帧数；
对所有帧信号，通过快速傅里叶变换方法获得每一帧信号在频域上的表示，并计算其幅值|Xi|和相角幅值|Xi|表示帧信号在频率域上的振幅，相角/>表示帧信号的相位信息；
通过多窗谱方法估计每一帧信号的功率谱Pi(ω)，具体而言，对于第i帧信号，多窗谱方法采用K个正交谱窗gk(n)进行预加权，以获得K个独立的谱估计Pi,k(ω)：
式中，k＝1,2,…,K，gk(n)为第k个正交谱窗。对上述K个独立谱估计求取平均值以估计每一帧信号的功率谱Pi(ω)：
计算噪声帧的平均功率谱，具体而言，对NIS个噪声帧功率谱进行累加，除以噪声帧数NIS以获得平均功率谱PE(ω)：
对于每一帧信号，计算谱减法增益因子gi(ω)，此过程涉及该帧信号功率谱Pi(ω)与噪声帧平均功率谱PE(ω)的比较，具体表达式如下：
式中，α为过减因子，β为增益补偿因子；
通过增益因子gi(ω)计算消噪后的信号幅值gi(ω)|Xi|，消噪后的信号相角仍为通过快速傅里叶逆变换方法重构消噪信号/>
本发明与现有技术相比，有益效果在于：采用本发明方法可成功抑制DAS数据采集时的环境噪声，保留有用信号的关键信息并成功还原振动事件。本发明具有普适性与实时性，在实际工程应用中减少了在数据分析和解释方面的时间成本，大幅提升数据处理速度。
附图说明
图1是一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法的流程图；
图2是本发明实施例一提供的信号时域消噪前后对比图；
图3是本发明实施例一提供的信号时频域消噪前后对比图；
图4是本发明实施例二提供的信号时域消噪前后对比图；
图5是本发明实施例二提供的信号时频域消噪前后对比图；
具体实施方式
为了使本发明的目的、技术方案以及优点更加清晰直观，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明做进一步说明：
实施例一：
参见图1所示，一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，该方法包括，
一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，该方法包括：
基于分布式光纤声波传感特性，通过DAS系统采集实测数据x(n)，系统采样率为fs＝2000 Hz，采样点数为N＝281344，则n＝1,2,…,N；
进一步地，将采集的实测数据x(n)划分为两个部分，不包含有用信号的噪声段和包含有用信号的数据段，其中，噪声段时长IS＝20s，噪声段信号用于估算背景噪声的功率谱，即估算噪声在频域的能量分布情况，判别噪声的主要频率成分，为后续应用多窗谱谱减法消噪提供基础，数据段为消噪处理的关键段，包括DAS系统采集所需的有用信息，是消噪处理的关键。
对采集数据进行预处理：通过应用一个截止频率fc＝0.5Hz的7阶高通滤波器去除采集信号时由于仪器漂移、环境因素或传感器误差等产生的直流分量和趋势项，在本实施例中，截止频率fc取0.5Hz可以完整保留信号中的有效信息，滤波器阶数k选定为7阶可以确保滤波器对信号变化的响应速度；
对信号幅值进行归一化：信号的归一化幅值表示为信号原始幅值与信号幅值最大值的比值，取值范围在0-1之间，归一化处理将每一点信号的幅值范围映射到统一的标准，从而方便后续的比较和分析，归一化过程表示为：
式中，x(n)normal为归一化幅值，x(n)为原始幅值，|x(n)|max为信号幅值的最大值；
对归一化后的信号分帧加窗，窗函数选用Hamming窗，其旁瓣衰减较大，具有更平滑的低通特性，能够在较高的程度上反映短时信号的频率特性，Hamming窗表示为：
其中，L是窗的长度，取值为100。将信号按照帧长w＝100，帧移m＝50进行分帧，，分帧的每一帧信号依次加窗，以减少截断造成的频域能量泄露，信号截断时相邻两帧之间的重叠部分o＝w-m＝50，fn为分帧总帧数，表示为：
进一步地，通过多窗谱谱减法对所有帧信号进行消噪处理，通过快速傅里叶变换方法计算帧信号的幅值|Xi|和相角根据多窗谱方法计算谱减法增益因子及增益后幅值，并通过快速傅里叶逆变换方法重构信号，包括：
根据噪声段时长IS＝20s，系统采样率fs＝2000Hz，帧长w＝100，帧移m＝50计算噪声帧数NIS：
噪声帧数的计算将噪声段的时长对应到窗口分帧的过程中，确定估计噪声所需的帧数；
对所有帧信号，通过快速傅里叶变换方法获得每一帧信号在频域上的表示，并计算其幅值|Xi|和相角幅值|Xi|表示帧信号在频率域上的振幅，相角/>表示帧信号的相位信息；
通过多窗谱方法估计每一帧信号的功率谱Pi(ω)，具体而言，对于第i帧信号，多窗谱方法采用6个正交谱窗gk(n)进行预加权，以获得6个独立的谱估计Pi,k(ω)：
式中，k＝1,2,…,6，gk(n)为第k个正交谱窗。对上述谱估计求取平均值以估计估计帧信号的功率谱Pi(ω)：
计算噪声帧的平均功率谱，具体而言，对全部噪声帧功率谱进行累加，除以噪声帧数799以获得平均功率谱PE(ω)：
对于每一帧信号，计算谱减法增益因子gi(ω)，此过程涉及该帧信号功率谱Pi(ω)与噪声帧平均功率谱PE(ω)的比较，具体表达式如下：
式中，α为过减因子，β为增益补偿因子，本实施例中，α取值为6，β取值为0.0001；
通过增益因子gi(ω)计算消噪后的信号幅值gi(ω)|Xi|，消噪后的信号相角仍为通过快速傅里叶逆变换方法重构消噪信号/>
利用上述实施方式对本实施例实测数据进行处理，获得了较为优异的消噪效果。图2是信号时域上的消噪前后对比，可以直观地看出，多窗谱谱减法消噪的信号呈现出更为平稳和清晰的状态，噪声的影响被大幅压制，信号在58.4秒和96.6秒的两段有用信号更加明确；图3是信号时频域上的消噪前后对比，可以看出，消噪前，信号频谱受到各种噪声的干扰，频谱图呈现较为模糊，并含有大量噪点。在经过多窗谱谱减法消噪处理后，信号频谱得到了明显优化，噪声成分得到有效抑制，有用信号的时频域特征更加突出，时频图呈现出更为清晰和准确的形态。
实施例二：
参见图1所示，一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，该方法包括，
一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，该方法包括：
基于分布式光纤声波传感特性，通过DAS系统采集实测数据x(n)，系统采样率为fs＝2000Hz，采样点数为N＝200000，则n＝1,2,…,N；
进一步地，将采集的实测数据x(n)划分为两个部分，不包含有用信号的噪声段和包含有用信号的数据段，其中，噪声段时长IS＝10s，噪声段信号用于估算背景噪声的功率谱，即估算噪声在频域的能量分布情况，判别噪声的主要频率成分，为后续应用多窗谱谱减法消噪提供基础，数据段为消噪处理的关键段，包括DAS系统采集所需的有用信息，是消噪处理的关键。
对采集数据进行预处理：通过应用一个截止频率fc＝0.5Hz的5阶高通滤波器去除采集信号时由于仪器漂移、环境因素或传感器误差等产生的直流分量和趋势项，在本实施例中，截止频率fc取0.5Hz可以完整保留信号中的有效信息，滤波器阶数k选定为5阶可以确保滤波器对信号变化的响应速度；
对信号幅值进行归一化：信号的归一化幅值表示为信号原始幅值与信号幅值最大值的比值，取值范围在0-1之间，归一化处理将每一点信号的幅值范围映射到统一的标准，从而方便后续的比较和分析，归一化过程表示为：
式中，x(n)normal为归一化幅值，x(n)为原始幅值，|x(n)|max为信号幅值的最大值；
对归一化后的信号分帧加窗，窗函数选用Hamming窗，其旁瓣衰减较大，具有更平滑的低通特性，能够在较高的程度上反映短时信号的频率特性，Hamming窗表示为：
其中，L是窗的长度，取值为100。将信号按照帧长w＝100，帧移m＝50进行分帧，，分帧的每一帧信号依次加窗，以减少截断造成的频域能量泄露，信号截断时相邻两帧之间的重叠部分o＝w-m＝50，fn为分帧总帧数，表示为：
进一步地，通过多窗谱谱减法对所有帧信号进行消噪处理，通过快速傅里叶变换方法计算帧信号的幅值|Xi|和相角根据多窗谱方法计算谱减法增益因子及增益后幅值，并通过快速傅里叶逆变换方法重构信号，包括：
根据噪声段时长IS＝10s，系统采样率fs＝2000Hz，帧长w＝100，帧移m＝50计算噪声帧数NIS：
噪声帧数的计算将噪声段的时长对应到窗口分帧的过程中，确定估计噪声所需的帧数；
对所有帧信号，通过快速傅里叶变换方法获得每一帧信号在频域上的表示，并计算其幅值|Xi|和相角幅值|Xi|表示帧信号在频率域上的振幅，相角/>表示帧信号的相位信息；
通过多窗谱方法估计每一帧信号的功率谱Pi(ω)，具体而言，对于第i帧信号，多窗谱方法采用6个正交谱窗gk(n)进行预加权，以获得6个独立的谱估计Pi,k(ω)：
式中，k＝1,2,…,6，gk(n)为第k个正交谱窗。对上述谱估计求取平均值以估计估计帧信号的功率谱Pi(ω)：
计算噪声帧的平均功率谱，具体而言，对全部噪声帧功率谱进行累加，除以噪声帧数799以获得平均功率谱PE(ω)：
对于每一帧信号，计算谱减法增益因子gi(ω)，此过程涉及该帧信号功率谱Pi(ω)与噪声帧平均功率谱PE(ω)的比较，具体表达式如下：
式中，α为过减因子，β为增益补偿因子，本实施例中，α取值为8，β取值为0.0002；
通过增益因子gi(ω)计算消噪后的信号幅值gi(ω)|Xi|，消噪后的信号相角仍为通过快速傅里叶逆变换方法重构消噪信号/>
通过采用上述的实施方法对本实施例实测数据进行处理，消噪效果显著。图4是信号时域上的消噪前后对比，可以观察到，采用多窗谱谱减法进行消噪处理后的信号表现出更为平稳和清晰的状态，噪声的影响得到显著的抑制。图5是信号时频域上的消噪前后对比，可以看出消噪前信号频谱受到各种噪声的干扰，频谱图呈现较为模糊，并包含大量噪点。经过多窗谱谱减法的消噪处理，信号频谱得到了明显的优化，噪声成分得到了有效的抑制。有用信号的时频域特征更加突出，时频图呈现出更为清晰和准确的形态。表明多窗谱谱减法的DAS消噪方法在改善信号质量方面取得了令人满意的成果。
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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，其特征在于，该方法包括：
a)基于分布式光纤声波传感特性，通过DAS系统采集实测数据x(n)，系统采样率为fs，采样点数为N，采集的数据可划分为两个部分，不包含有用信号的噪声段和包含有用信号的数据段；
b)对采集数据进行预处理：通过一个截止频率为fc的k阶高通滤波器去除采集信号直流分量和趋势项；
c)对信号幅值进行归一化：
式中，x(n)normal为归一化幅值，x(n)为原始幅值，|x(n)|max为信号幅值的最大值；
d)对归一化后的信号加窗分帧，窗函数选用Hamming窗，帧长为w，帧移为m，相邻两帧之间的重叠部分o＝w-m，fn为分帧总帧数，表示为：
e)通过多窗谱谱减法对所有帧信号进行消噪处理：对第i帧信号Xi,i＝1,2,…,fn，通过快速傅里叶变换方法计算其幅值|Xi|和相角根据多窗谱方法计算谱减法增益因子及增益后幅值，通过快速傅里叶逆变换方法重构信号，实现信号消噪。
2.按照权利要求1所述的一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，其特征在于，所述的帧长w取值范围在0.01fs-0.05fs之间，帧移m取值为
3.按照权利要求1所述的一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法，其特征在于，所述的多窗谱谱减法为：
a)噪声段时长为IS，计算噪声帧数NIS：
b)对所有帧信号，通过快速傅里叶变换方法计算其幅值|Xi|和相角
c)通过多窗谱方法估计每一帧信号的功率谱Pi(ω)，多窗谱方法对数据Xi预先乘以K个正交谱窗，以获得K个独立的谱估计Pi,k(ω)：
式中，k＝1,2,…,K，gk(n)为第k个正交谱窗。对上述谱估计求取平均值以估计估计帧信号的功率谱Pi(ω)：
d)计算噪声帧的平均功率谱PE(ω)：
e)计算谱减法增益因子gi(ω)：
式中，α为过减因子，β为增益补偿因子；
f)消噪后的信号幅值为gi(ω)|Xi|，相角为通过快速傅里叶逆变换方法重构消噪信号/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311812701.0A CN117786320A (zh) | 2023-12-27 | 2023-12-27 | 一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311812701.0A CN117786320A (zh) | 2023-12-27 | 2023-12-27 | 一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117786320A true CN117786320A (zh) | 2024-03-29 |
Family
ID=90392110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311812701.0A Pending CN117786320A (zh) | 2023-12-27 | 2023-12-27 | 一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117786320A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105489226A (zh) * | 2015-11-23 | 2016-04-13 | 湖北工业大学 | 一种用于拾音器的多窗谱估计的维纳滤波语音增强方法 |
| CN108877826A (zh) * | 2018-08-29 | 2018-11-23 | 昆明理工大学 | 一种基于多窗谱的语音减噪方法 |
| CN111652017A (zh) * | 2019-03-27 | 2020-09-11 | 上海铼锶信息技术有限公司 | 一种动态手势识别方法及系统 |
| CN116094597A (zh) * | 2022-11-08 | 2023-05-09 | 南京烽火星空通信发展有限公司 | 基于语音多特征融合的光纤扰动行为的识别方法 |
-
2023
- 2023-12-27 CN CN202311812701.0A patent/CN117786320A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105489226A (zh) * | 2015-11-23 | 2016-04-13 | 湖北工业大学 | 一种用于拾音器的多窗谱估计的维纳滤波语音增强方法 |
| CN108877826A (zh) * | 2018-08-29 | 2018-11-23 | 昆明理工大学 | 一种基于多窗谱的语音减噪方法 |
| CN111652017A (zh) * | 2019-03-27 | 2020-09-11 | 上海铼锶信息技术有限公司 | 一种动态手势识别方法及系统 |
| CN116094597A (zh) * | 2022-11-08 | 2023-05-09 | 南京烽火星空通信发展有限公司 | 基于语音多特征融合的光纤扰动行为的识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘宗豪: "光纤微腔声波传感系统信号处理与软件实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 September 2018 (2018-09-15), pages 22 - 23 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peeters et al. | A comparison of cepstral editing methods as signal pre-processing techniques for vibration-based bearing fault detection | |
| Yan et al. | Improved Hilbert–Huang transform based weak signal detection methodology and its application on incipient fault diagnosis and ECG signal analysis | |
| Ansari et al. | Correction of highly noisy strong motion records using a modified wavelet de-noising method | |
| Sun et al. | Cross-correlation analysis and time delay estimation of a homologous micro-seismic signal based on the Hilbert–Huang transform | |
| Peeters et al. | Multi-harmonic phase demodulation method for instantaneous angular speed estimation using harmonic weighting | |
| CN112101245A (zh) | 基于频域窗函数的短时傅里叶变换机械冲击特征提取方法 | |
| CN102998706A (zh) | 一种衰减地震数据随机噪声的方法及系统 | |
| Li et al. | Enhancement of oil debris sensor capability by reliable debris signature extraction via wavelet domain target and interference signal tracking | |
| CN112183407A (zh) | 一种基于时频域谱减法的隧道地震波数据去噪方法及系统 | |
| Lu et al. | A noise reduction method of rolling bearing based on empirical wavelet transform and adaptive time frequency peak filtering | |
| Matania et al. | Algorithms for spectrum background estimation of non-stationary signals | |
| Li et al. | A Reliable Strategy for Improving Automatic First‐Arrival Picking of High‐Noise Three‐Component Microseismic Data | |
| CN108957552A (zh) | 基于ss-pca的地震数据海浪噪声压制方法 | |
| US8995230B2 (en) | Method of extracting zero crossing data from full spectrum signals | |
| CN117786320A (zh) | 一种基于多窗谱谱减法的分布式光纤声波传感数据消噪方法 | |
| Zeng et al. | White Gaussian noise energy estimation and wavelet multi-threshold de-noising for heart sound signals | |
| CN115655719A (zh) | 一种轴承振动信号分阶段降噪方法及轴承故障识别方法 | |
| CN116383605A (zh) | 基于小波分解的车辆震动信号去噪方法 | |
| CN114611329B (zh) | 一种基于变分模态分解的时域电磁法近场噪声压制方法 | |
| Malhotra et al. | Electrocardiogram signals denoising using improved variational mode decomposition | |
| CN113567129A (zh) | 一种列车轴承振动信号基于ceemd的降噪方法 | |
| CN108985234B (zh) | 一种适用于非高斯信号的贝叶斯小波包降噪方法 | |
| Aouinet et al. | Electrocardiogram denoised signal by discrete wavelet transform and continuous wavelet transform | |
| Sawalhi | Rolling element bearings localized fault diagnosis using signal differencing and median filtration | |
| CN114428333A (zh) | 一种基于面波重建的散射面波压制方法及系统 |
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 |