详情

原文传递一种基于时频分析的信号去燥方法

专利名称：	一种基于时频分析的信号去燥方法
摘要：	本发明公开了一种基于时频分析的信号去燥方法，包括步骤：一、待处理信号同步存储；二、信号去燥：采用数据处理设备对待处理信号f(t)进行去燥，过程如下：步骤201、基于寻优算法的信号稀疏分解；采用数据处理设备对进行查找时，对的时频参数rn进行查找，过程如下：步骤C1、时频参数寻优；步骤C2、最佳时频参数确定；步骤202、信号重构。本发明方法步骤简单、设计合理且实现方便、使用效果好，采用基于寻优算法的信号稀疏分解方法搜索最佳匹配原子，同时结合适应度值与稀疏度确定最佳匹配原子，能大幅度加快信号去燥速度，并且能有效提高去燥效果，确保去燥后信号的准确性。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	西安科技大学
发明人：	齐爱玲;张旭辉;张广明;马宏伟;付俊秀;雷海军;白炳文
专利状态：	有效
申请日期：	2018-12-26T00:00:00+0800
发布日期：	2019-04-26T00:00:00+0800
申请号：	CN201811597578.4
公开号：	CN109682892A
代理机构：	西安创知专利事务所
代理人：	谭文琰
分类号：	G01N29/46(2006.01);G;G01;G01N;G01N29
申请人地址：	710054 陕西省西安市雁塔中路58号
主权项：	1.一种基于时频分析的信号去燥方法，其特征在于，该方法包括以下步骤：步骤一、待处理信号同步存储：采用数据处理设备(2)对待处理信号f(t)进行同步存储；所述待处理信号f(t)为信号采样系统(1)所采集的信号；其中，f(t)＝[f(t1),f(t2),...,f(tN)]T，t表示时间参数，ti为信号采样系统(1)的第i个采样时刻，f(ti)为待处理信号f(t)中第i个采样时刻的信号值，i为正整数且i＝1、2、3、…、N，N为待处理信号f(t)的信号长度；步骤二、信号去燥：采用数据处理设备(2)对步骤一中所述待处理信号f(t)进行去燥，过程如下：步骤201、基于寻优算法的信号稀疏分解：采用数据处理设备(2)且调用稀疏分解模块对步骤一中所述待处理信号f(t)进行迭代分解处理，将待处理信号f(t)转换为并获得此时的迭代分解最佳原子集合；此时的所述迭代分解最佳原子集合中包含m个最佳匹配原子，为所述迭代分解最佳原子集合中的第n个所述最佳匹配原子；式中Rm(t)为待处理信号f(t)经过m次迭代分解后的残差量，其中m为预先设定的迭代分解总次数且m为正整数，n为正整数且n＝1、2、…、m；an为第n次迭代分解后的最佳匹配原子与上一次迭代分解后残差量的展开系数；本步骤中进行信号稀疏分解时，采用数据处理设备(2)由先至后对所述迭代分解最佳原子集合中m个所述最佳匹配原子分别进行查找；为第n次迭代分解时采用数据处理设备(2)寻找出的最佳匹配原子，的最佳时频参数为时频参数rn；为Gabor原子且式中函数ψ(t)为高斯窗函数且为rn对应的Gabor原子，rn为的时频参数，rn＝(sn,un,vn,wn)，sn为尺度参数，un为位移参数，vn为频率参数，wn为相位参数；采用数据处理设备(2)对进行查找时，对的时频参数rn进行查找，过程如下：步骤C1、时频参数寻优：调用寻优算法模块且根据预先设定的时频参数中尺度参数、位移参数、频率参数和相位参数的取值范围，找出适应度值最大的最优时频参数，并找出适应度值＞thrdz的多个较优时频参数；本步骤中，所找出的所述较优时频参数的数量记作kn，kn为整数且kn≥0；其中，c'为常数且2≤c'≤3；Rn-1为此时采用数据处理设备(2)已查找出的前n-1个所述最佳匹配原子的残差量，Rn-1＝f(t)-ψn-1(t)，ψn-1(t)为此时采用数据处理设备(2)已查找出的前n-1个所述最佳匹配原子之和，\|\|Rn-1\|\|2为Rn-1的2-范数；当n＝1时，R0＝f(t)；所述最优时频参数为所找出的适应度值最大的时频参数，所述较优时频参数为所找出的适应度值＞thrdn的时频参数，每个所述时频参数的适应度值均为该时频参数所对应的Gabor原子与Rn-1的内积；步骤C2、最佳时频参数确定：首先对步骤C1中所述较优时频参数的数量kn进行判断：当kn＝0或kn＝1时，将步骤C1中找出的最优时频参数作为最佳时频参数rn；当kn≥2时，对步骤C1中找出的kn个所述较优时频参数的稀疏度分别进行计算，并将稀疏度最小的所述较优时频参数作为最佳时频参数rn；对kn个所述较优时频参数中第d个所述较优时频参数的稀疏度XSd进行计算时，XSd＝\|\|Rd\|\|ξ，Rd为ψd(t)的残差量，Rd＝f(t)-ψd(t)，ψd(t)为kn个所述较优时频参数中第d个所述较优时频参数对应的Gabor原子；\|\|Rd\|\|ξ表示Rd的ξ-范数，ξ为常数且0≤ξ≤1；d为正整数且d＝1、2、…、kn；步骤202、信号重构：根据此时的所述迭代分解最佳原子集合，采用数据处理设备(2)得出待处理信号f(t)的近似信号f″(t)；其中，近似信号f″(t)为待处理信号f(t)去燥后的信号，其中为此时所述迭代分解最佳原子集合中的第n'个所述最佳匹配原子，n'为正整数且n'＝1、2、…、m；an'为与根据此时所述迭代分解最佳原子集合中的前n'-1个所述最佳匹配原子对f(t)进行n'-1次迭代分解后残差量的展开系数。 2.按照权利要求1所述的一种基于时频分析的信号去燥方法，其特征在于：步骤一中所述信号采样系统(1)与数据处理设备(2)通过有线或无线方式进行连接；所述信号采样系统(1)将所采集的信号f(t)同步传送至数据处理设备(2)，并通过数据处理设备(2)进行同步存储；所述的ti为信号采样系统(1)的第i个采样时刻，f(ti)为信号采样系统(1)的第i个采样时刻采样得到的信号值，i为正整数且i＝1、2、3、…、N。 3.按照权利要求1或2所述的一种基于时频分析的信号去燥方法，其特征在于：步骤202中进行信号重构之前，还需进行残差量判断：判断\|\|Rm(t)\|\|2是否小于ε：当\|\|Rm(t)\|\|2＜ε时，进入步骤202；否则，当\|\|Rm(t)\|\|2≥ε时，进入步骤D；其中，\|\|Rm(t)\|\|2为步骤201中所述Rm(t)的2-范数，ε为预先设定的残差量判断阈值；步骤D、最佳匹配原子优化，过程如下：步骤D1、原子随机选取：采用数据处理设备(2)从此时的所述迭代分解最佳原子集合中随机取出一个最佳匹配原子作为待优化原子，所述待优化原子记作其中j为正整数且1≤j≤m；此时的所述迭代分解最佳原子集合中除所述待优化原子之外的m-1个最佳匹配原子均为待处理原子，m-1个待处理原子组成此时的待处理原子集合；步骤D2、最佳匹配原子查找：所找出的最佳匹配原子记作的时频参数记作时频参数rj'，时频参数rj'＝(sj',uj',vj',wj')；对最佳匹配原子进行查找时，根据预先设定的sj'、uj'、vj'和wj'的取值范围，采用数据处理设备(2)且调用所述寻优算法模块，找出使适应度值fitness(rj')最大的最佳时频参数，所找出的最佳时频参数为时频参数rj'；再根据公式求解出最佳匹配原子其中，表示与的内积，ψ0(t)为步骤D1中m-1个所述待处理原子之和；步骤D3、原子替换判断及原子替换：采用数据处理设备(2)且调用残值判断模块、适应度值判断模块或稀疏性判断模块，判断是否需对步骤D1中所述待优化原子进行替换，并根据判断结果对所述待优化原子进行替换；采用数据处理设备(2)且调用残值判断模块判断是否需对步骤D1中所述待优化原子进行替换时，根据替换后残值\|\|Rj'm(t)\|\|ξ是否小于替换前残值\|\|Rjm(t)\|\|ξ进行判断：当\|\|Rj'm(t)\|\|ξ＜\|\|Rjm(t)\|\|ξ时，判断为需对步骤D1中所述待优化原子进行替换，将步骤D1中所述待优化原子替换为步骤D2中所述最佳匹配原子ψrj'(t)，获得更新后的所述迭代分解最佳原子集合；否则，判断为无需对步骤D1中所述待优化原子进行替换，并进入步骤D5；其中，Rj'm(t)＝f(t)-ψj'(t)，Rjm(t)＝f(t)-ψj(t)，ψj(t)为本步骤中进行原子替换判断之前所述迭代分解最佳原子集合中m个最佳匹配原子之和；\|\|Rj'm(t)\|\|ξ表示Rj'm(t)的ξ-范数，\|\|Rjm(t)\|\|ξ表示Rjm(t)的ξ-范数，ξ为常数且0≤ξ≤1；采用数据处理设备(2)且调用适应度值判断模块判断是否需对步骤D1中所述待优化原子进行替换时，根据替换后适应度值Fitness(rj')是否大于替换前适应度值Fitness(rj)进行判断：当Fitness(rj')＞Fitness(rj)时，判断为需对步骤D1中所述待优化原子进行替换，将步骤D1中所述待优化原子替换为步骤D2中所述最佳匹配原子获得更新后的所述迭代分解最佳原子集合；否则，判断为无需对步骤D1中所述待优化原子进行替换，并进入步骤D5；其中，表示Rj-1(t)与的内积，Rj-1(t)＝f(t)-ψj-1(t)，ψj-1(t)为此时所述迭代分解最佳原子集合中前j-1个最佳匹配原子之和；表示Rj-1(t)与的内积；采用数据处理设备(2)且调用稀疏性判断模块判断是否需对步骤D1中所述待优化原子进行替换时，根据\|\|Rj'\|\|ξ是否小于\|\|Rj\|\|ξ进行判断：当\|\|Rj'\|\|ξ＜\|\|Rj\|\|ξ时，判断为需对步骤D1中所述待优化原子进行替换，将步骤D1中所述待优化原子替换为步骤D2中所述最佳匹配原子获得更新后的所述迭代分解最佳原子集合；否则，判断为无需对步骤D1中所述待优化原子进行替换，并进入步骤D5；其中，Rj'为的残差量且Rj为的残差量且\|\|Rj'\|\|ξ表示Rj'的ξ-范数，\|\|Rj\|\|ξ表示Rj的ξ-范数；本步骤中，完成原子替换判断及原子替换后，完成步骤D1中选取的一个所述最佳匹配原子的优化过程；步骤D4、残差量判断：对步骤D3中完成一个所述最佳匹配原子优化后的残差量进行判断：当\|\|R'jm(t)\|\|2＜ε时，进入步骤202；否则，当\|\|R'jm(t)\|\|2≥ε时，进入步骤D5；其中，\|\|R'jm(t)\|\|2为R'jm(t)的2-范数；R'jm(t)为根据此时所述迭代分解最佳原子集合中的m个所述最佳匹配原子对f(t)进行m次迭代分解后的残差量；步骤D5、下一个最佳匹配原子优化：按照步骤D1中至步骤D3中所述的方法，对此时所述迭代分解最佳原子集合中未进行优化的一个所述最佳匹配原子进行优化；步骤D6、残差量判断：对步骤D5中所述最佳匹配原子优化后的残差量进行判断：当\|\|R”jm(t)\|\|2＜ε时，进入步骤202；否则，当\|\|R”jm(t)\|\|2≥ε时，返回步骤D5；其中，\|\|R”jm(t)\|\|2为R”jm(t)的2-范数；R”jm(t)为根据此时所述迭代分解最佳原子集合中的m个所述最佳匹配原子对f(t)进行m次迭代分解后的残差量。 4.按照权利要求3所述的一种基于时频分析的信号去燥方法，其特征在于：步骤201中进行信号稀疏分解后，采用数据处理设备(2)将所述迭代分解最佳原子集合同步存储至数据存储器(3)内，所述数据存储器(3)与数据处理设备(2)连接；步骤D3中进行原子替换判断及原子替换后，采用数据处理设备(2)对更新后的所述迭代分解最佳原子集合进行同步存储。 5.按照权利要求4所述的一种基于时频分析的信号去燥方法，其特征在于：步骤201中进行信号稀疏分解后，采用数据处理设备(2)将所述迭代分解最佳原子集合同步存储至数据存储器(3)内时，按照迭代分解先后顺序对所述迭代分解最佳原子集合中的m个所述最佳匹配原子分别进行存储；其中，ψrn(t)为步骤201中对所述待处理信号f(t)进行第n次迭代分解时找出的最佳匹配原子。 6.按照权利要求5所述的一种基于时频分析的信号去燥方法，其特征在于：步骤D中最佳匹配原子优化时，按照存储先后顺序对所述迭代分解最佳原子集合中的所述最佳匹配原子进行优化；步骤D中最佳匹配原子优化时，最先进行优化的所述最佳匹配原子为步骤201中所述迭代分解最佳原子集合中的第1个所述最佳匹配原子。 7.按照权利要求1或2所述的一种基于时频分析的信号去燥方法，其特征在于：步骤C1中尺度参数的取值范围为[1,N]，位移参数的取值范围为[0,N]，频率参数的取值范围为相位参数的取值范围为[0,2π]；其中，fo为信号采样系统(1)的采样频率，fo的单位为MHz。 8.按照权利要求1或2所述的一种基于时频分析的信号去燥方法，其特征在于：步骤C1中所述寻优算法模块为所述寻优算法模块为遗传算法模块、人工鱼群算法模块或人工蜂群算法模块。 9.按照权利要求8所述的一种基于时频分析的信号去燥方法，其特征在于：201中所述的为步骤201中对所述待处理信号f(t)进行第n次迭代分解时找出的最佳匹配原子；步骤C1中所述寻优算法模块为人工蜂群算法模块；步骤C1中进行时频参数寻优时，过程如下：步骤2011、参数初始化：采用数据处理设备(2)设定所述人工蜂群算法模块的最大迭代次数MC、蜜源的数量SN、雇佣蜂的数量、观察蜂的数量和蜜源最大开采次数limit；同时，采用数据处理设备(2)随机生成SN个不同的蜜源，SN个蜜源均为待开采蜜源，所生成的SN个蜜源中第p个所述蜜源记作一个4维向量Xp＝(X1p,X2p,X3p,X4p)，每个所述蜜源均为一个时频参数；所述雇佣蜂的数量和观察蜂的数量均为SN，所生成的每个蜜源均分配给一个雇佣蜂；其中，p为正整数且p＝1、2、…、SN；X1p的取值范围与步骤201中预先设定的sn的取值范围相同，X2p的取值范围与步骤201中预先设定的un的取值范围相同，X3p的取值范围与步骤201中预先设定的vn的取值范围相同，X4p的取值范围与步骤201中预先设定的wn的取值范围相同；本步骤中参数初始化完成后，采用数据处理设备(2)对SN个蜜源的适应度值分别进行计算，将SN个蜜源中所有适应度值＞thrdz的蜜源进行同步记录，并采用数据处理设备(2)将每个适应度值＞thrdz的蜜源均标记为所述较优时频参数；步骤2012、雇佣蜂邻域搜索：每个雇佣蜂均对其所分配的蜜源进行邻域搜索，如果搜索到的新蜜源的适应度值大于原有蜜源的适应度值，将新蜜源作为雇佣蜂搜索到的待开采蜜源，并将已开采次数置0；否则，将原有蜜源的已开采次数加1；本步骤中，每个雇佣蜂对其所分配的蜜源进行邻域搜索过程中，均采用数据处理设备(2)将搜索到的所有适应度值＞thrdz的新蜜源进行同步记录，并采用数据处理设备(2)将所记录的每个适应度值＞thrdz的蜜源均标记为所述较优时频参数；步骤2013、观察蜂邻域搜索：根据步骤2012中雇佣蜂搜索到的所有蜜源的适应度值，计算得出雇佣蜂搜索到的各蜜源的被选择概率；观察蜂再按照计算得出的各蜜源的被选择概率，从雇佣蜂搜索到的所有蜜源中选择采蜜的蜜源作为新的蜜源；观察蜂对所选择的蜜源进行邻域搜索，如果搜索到的新蜜源的适应度值大于原有蜜源的适应度值，观察蜂转变为雇佣蜂，将新的蜜源作为搜索到的待开采蜜源，并将已开采次数置0；否则，否则蜜源和雇佣蜂保持不变，将原有蜜源的已开采次数加1；本步骤中，观察蜂对所选择的蜜源进行邻域搜索过程中，均采用数据处理设备(2)将搜索到的所有适应度值＞thrdz的新蜜源进行同步记录，并采用数据处理设备(2)将所记录的每个适应度值＞thrdz的蜜源均标记为所述较优时频参数；步骤2014、最优蜜源实时记录：待雇佣蜂邻域搜索与观察蜂邻域搜索结束后，获得此时的最优蜜源并同步记录，所述人工蜂群算法模块的迭代次数加1；雇佣蜂邻域搜索与观察蜂邻域搜索过程中，若蜜源的已开采次数达到蜜源最大开采次数limit，则观察蜂转变为侦查蜂，再通过侦查蜂生成新的蜜源，并将已开采次数置0；步骤2015、多次重复步骤2012至步骤2014，直至所述人工蜂群算法模块的迭代次数达到最大迭代次数MC，此时获得的最优蜜源为步骤C1中所述最优时频参数；步骤2011中对SN个蜜源的适应度值分别进行计算时、步骤2012中进行雇佣蜂邻域搜索时和步骤2013中进行观察蜂邻域搜索时，任一个蜜源的适应度值均为该蜜源所对应的Gabor原子与Rn-1(t)的内积；步骤2015中多次重复步骤2012至步骤2014后，获得步骤C1中所述的kn个所述较优时频参数；步骤2011中、步骤2012中、步骤2013中和步骤2015中，采用数据处理设备(2)标记为所述较优时频参数的所有蜜源的总数量为步骤C1中所述的kn，每个采用数据处理设备(2)标记为所述较优时频参数的蜜源均为一个所述较优时频参数。 10.按照权利要求3所述的一种基于时频分析的信号去燥方法，其特征在于：步骤D2中对最佳匹配原子进行查找时，采用数据处理设备(2)且调用所述寻优算法模块查找的时频参数rj'，所述寻优算法模块为人工蜂群算法模块，过程如下：步骤D21、参数初始化：采用数据处理设备(2)设定所述人工蜂群算法模块的最大迭代次数MC’、蜜源的数量SN’、雇佣蜂的数量、观察蜂的数量和蜜源最大开采次数limit’；同时，采用数据处理设备(2)随机生成SN’个不同的蜜源，SN’个蜜源均为待开采蜜源，所生成的SN’个蜜源中第p'个所述蜜源记作一个4维向量Xp'＝(X1p',X2p',X3p',X4p')，每个所述蜜源均为一个时频参数；所述雇佣蜂的数量和观察蜂的数量均为SN’，所生成的每个蜜源均分配给一个雇佣蜂；其中，p'为正整数且p'＝1、2、…、SN’；X1p'的取值范围与步骤201中预先设定的sn的取值范围相同，X2p'的取值范围与步骤201中预先设定的un的取值范围相同，X3p'的取值范围与步骤201中预先设定的vn的取值范围相同，X4p'的取值范围与步骤201中预先设定的wn的取值范围相同；步骤D22、雇佣蜂邻域搜索：每个雇佣蜂均对其所分配的蜜源进行邻域搜索，如果搜索到的新蜜源的适应度值大于原有蜜源的适应度值，将新蜜源作为雇佣蜂搜索到的待开采蜜源，并将已开采次数置0；否则，将原有蜜源的已开采次数加1；步骤D23、观察蜂邻域搜索：根据步骤D22中雇佣蜂搜索到的所有蜜源的适应度值，计算得出雇佣蜂搜索到的各蜜源的被选择概率；观察蜂再按照计算得出的各蜜源的被选择概率，从雇佣蜂搜索到的所有蜜源中选择采蜜的蜜源作为新的蜜源；观察蜂对所选择的蜜源进行邻域搜索，如果搜索到的新蜜源的适应度值大于原有蜜源的适应度值，观察蜂转变为雇佣蜂，将新的蜜源作为搜索到的待开采蜜源，并将已开采次数置0；否则，否则蜜源和雇佣蜂保持不变，将原有蜜源的已开采次数加1；步骤D24、最优蜜源实时记录：待雇佣蜂邻域搜索与观察蜂邻域搜索结束后，获得此时的最优蜜源并同步记录，所述人工蜂群算法模块的迭代次数加1；雇佣蜂邻域搜索与观察蜂邻域搜索过程中，若蜜源的已开采次数达到蜜源最大开采次数limit，则观察蜂转变为侦查蜂，再通过侦查蜂生成新的蜜源，并将已开采次数置0；步骤D25、多次重复步骤D22至步骤D23，直至所述人工蜂群算法模块的迭代次数达到最大迭代次数MC，此时获得的最优蜜源为的时频参数rj'，rj'＝(sj',uj',vj',wj')；步骤D22中进行雇佣蜂邻域搜索时和步骤D23中进行观察蜂邻域搜索时，任一个蜜源的适应度值均为该蜜源所对应的Gabor原子与Rn-1(t)的内积。
所属类别：	发明专利