一种基于经验模态的钟差去噪方法，钟差值中噪声的去除对于原子钟分配权重意义重大，是计算原子时的一个重要过程。为降低原子钟钟差的噪声，针对原子钟的钟差数据非平稳的特征，本方法提出了基于EEMD的钟差去噪方法。EEMD是针对EMD的不足提出的一种噪声辅助数据分析方法。从时域上去除混合在数据中的噪声，该算法首先将原始钟差数据叠加一定强度的噪声，然后进行经验模态分解，如此重复多次，继而将各分量叠加求平均得到去噪的钟差序列。本方法从频域上分析了去噪效果，该方法有效的去除了钟差中的噪声，同时时域上，钟差数据的哈德玛方差由1.1283e-2降为2.3853e-3，数据变得更加平稳。
【技术实现步骤摘要】
本专利技术涉及原子钟数据噪声处理领域，主要是一种基于经验模态分解对原子钟钟 差数据去噪方法。
技术介绍
中国计量院承担着向全国发送标准的时间和频率，因此精确的时间尺度具有很大 的意义。在中国计量院，采用的是钟组来控制时间和频率的输出。在原子钟组中，需要给各 个原子钟分配权重，性能好的钟所占权重大，而性能较差的钟所占权重较小。而钟差值的 方差的倒数用于为原子钟分配权重，因此钟差值中噪声的去除对于原子钟分配权重意义重 大。 目前，钟差的噪声包括两类，一类就是由钟差测量系统的突变引起的粗大误差，一 类是钟差产生过程中引入的噪声。钟差模型中的噪声主要分为调频随机游走噪声、调频闪 变噪声、调频白噪声、调相闪变噪声、调相白噪声五种噪声。在实际环境中，不同频标内只有 某种噪声在某段时间内起主要作用，大致情况见表1。 表1不同频标内的主要噪声 本专利技术的算法测试的数据是主动型氢频标，该频标是每十分钟一个钟差值。一天 共有144个数据点，根据表1可以得到，所测试的数据主要就是调频白噪声。而钟差中白噪 声的特点就是统计均值为零。
技术实现思路
为合理的为钟组中各台钟合理分配权重，根据白噪声的统计均值为零的特点，当 多次叠加一定强度的噪声时，则可以将原始数据中的噪声去除。本文提出了一种基于经验 模态的钟差去噪方法，以分析其频谱特性。该方法首先对原始钟差序列叠加一定强度的白 噪声，即 x(t) =X'（t)+w(t) (1) 式⑴中，x'⑴表示原始钟差数据，w(t)表示一定强度的白噪声。在这里白噪 声W(t)的强度是由lit决定，STDi是白噪声的方差，STD 2是信号的方差。 对加噪的钟差数据进行经验模态分解，分离出数据序列中的各频率分量部分即固 有模态函数，则原始钟差序列被分解为(2) 式⑵中X(t)为加噪的钟差序列，Cl](t)为第j次加噪之后分解的第i个固有模 态函数，η为第j次分解的固有模态个数，(t)为剩余分量。添加N次噪声，则最终 去噪之后的钟差序列为傲 ?=1 对数据进行频谱变换，这里用到的是傅里叶变换求得频谱特性。即(7) 式（7)为傅里叶的频谱变换公式，f(t)为时间序列，F(w)为其频谱。 与现有技术相比，本专利技术具有以下有益效果： 本专利技术提出了一种基于EMD的钟差去噪方法，该方法能够有效的去除钟差中的噪 声，更合理的为每台钟分配权重，为提高氢原子钟的原子时标和驾驭精度提供了更高的依 据。【附图说明】 图1钟差去噪算法流程图； 图2经验模态分解图； 图3原始信号与去噪信号对比图； 图4原始信号及其频谱图； 图5去噪信号及其频谱图；【具体实施方式】 (1)首先为原始钟差数据添加噪声。即 x(t)=X'（t)+y(t) (1) 式⑴中x'⑴是钟差信号本身，y(t)是添加到钟差数据中的白噪声。 (2)找出原始钟差数据的x(t)的所有极大值，并用三次样条插值函数拟合形成原 始数据的上包络线4(t)。 (3)找出原始钟差数据的x(t)的所有极小值，并用三次样条插值函数拟合形成原 始数据的下包络线en(t)。 (4)计算上下包络的平均值m(t) = (em(t)+en(t))/2。 (5)令h(t) =x(t)_m(t),判断h(t)是否是IMF分量，如果是，则cjt) =h(t) 如果不是，则h(t)视为新的信号x(t)重复第一步。 (6)从原始数据分离出頂F分量Cl (t)，X(t) _Cl⑴得到剩余分量r⑴，判断是否 满足停止准则，若满足，则停止分解，若不满足，则将剩余分量当做原始信号重复进行第一 步，这样原始信号就分解为了MF分量和剩余分量。 其中，頂F分量满足的条件是①在整个时间范围内，局部极值点和过零点的数据必 须相等，或者最多差一个。②在任意时刻点，局部最大值的包络和局部最小值的包络平均值 为〇。本文使用的停止准则为：剩余分量是固有模态函数时，或者剩余分量不是固有模态函 数，但其标准偏差系数大于限定值（本文使用的限定值为〇. 2)。 (7)重复进行上述步骤200次，将所有下标一致的Cl(t)相叠加求平均，同时将所 有的r(t)叠加求平均，将平均之后的固有模态分量和剩余分量相叠加，得到去噪的钟差数 据。 (8)对去噪的钟差数据进行频谱变换，同时分析该方法的优越性。【主权项】1. ，其特征在于：该方法首先对原始钟差序列叠加 一定强度的白噪声，ΕΦ式（1)中，X'（t)表示原始钟差数据，w(t)表示一定强度的白噪声；在这里白噪声w(t) 的强度是由决定，STDi是白噪声的方差，STD 2是信号的方差； 对加噪的钟差数据进行经验模态分解，分离出数据序列中的各频率分量部分即固有模 态函数，则原始钟差序列被分解为式⑵中x(t)为加噪的钟差序列，cdt)为第j次加噪之后分解的第i个固有模态函 数，η为第j次分解的固有模态个数，r] (t)为剩余分量；添加 N次噪声，则最终去噪之后的钟差序列为对数据进行频谱变换，这里用到的是傅里叶变换求得频谱特性；即式（7)为傅里叶的频谱变换公式，f(t)为时间序列，F(w)为其频谱。2. 根据权利要求1所述的，其特征在于：（1)首先为 原始钟差数据添加噪声；即式（8)中X'（t)是钟差信号本身，y(t)是添加到钟差数据中的白噪声； (2) 找出原始钟差数据的x(t)的所有极大值，并用三次样条插值函数拟合形成原始数 据的上包络线ejt);(3) 找出原始钟差数据的x(t)的所有极小值，并用三次样条插值函数拟合形成原始数 据的下包络线en(t); (4) 计算上下包络的平均值 (5) 令h(t) = x(t)-m(t),判断h(t)是否是IMF分量，如果是，则cdt) = h(t)如果 不是，则h (t)视为新的信号X (t)重复第一步； ⑶从原始数据分离出^^分量^⑴^⑴-^⑴得到剩余分量以小判断是否满足 停止准则，若满足，则停止分解，若不满足，则将剩余分量当做原始信号重复进行第一步，这 样原始信号就分解为了 IMF分量和剩余分量； 其中，頂F分量满足的条件是①在整个时间范围内，局部极值点和过零点的数据必须 相等，或者最多差一个；②在任意时刻点，局部最大值的包络和局部最小值的包络平均值 为〇 ;本文使用的停止准则为：剩余分量是固有模态函数时，或者剩余分量不是固有模态函 数，但其标准偏差系数大于限定值，本文使用的限定值为0. 2 ; (7) 重复进行上述步骤200次，将所有下标一致的Cl(t)相叠加求平均，同时将所有的 r(t)叠加求平均，将平均之后的固有模态分量和剩余分量相叠加，得到去噪的钟差数据； (8) 对去噪的钟差数据进行频谱变换，同时分析该方法优越性。【专利摘要】，钟差值中噪声的去除对于原子钟分配权重意义重大，是计算原子时的一个重要过程。为降低原子钟钟差的噪声，针对原子钟的钟差数据非平稳的特征，本方法提出了基于EEMD的钟差去噪方法。EEMD是针对EMD的不足提出的一种噪声辅助数据分析方法。从时域上去除混合在数据中的噪声，该算法首先将原始钟差数据叠加一定强度的噪声，然后进行经验模态分解，如此重复多次，继而将各分量叠加求平均得到去噪的钟差序列。本方法从频域上分析了去噪效果，该方法有效的去除了钟差中的噪声，同时时域上，钟差数据的哈德玛方差由本文档来自技高网...
【技术保护点】
一种基于经验模态的钟差去噪方法，其特征在于：该方法首先对原始钟差序列叠加一定强度的白噪声，即x(t)＝x’(t)+w(t) (1)式(1)中，x’(t)表示原始钟差数据，w(t)表示一定强度的白噪声；在这里白噪声w(t)的强度是由决定，STD1是白噪声的方差，STD2是信号的方差；对加噪的钟差数据进行经验模态分解，分离出数据序列中的各频率分量部分即固有模态函数,则原始钟差序列被分解为x(t)=Σi=1ncij(t)+rj(t)---(2)]]>式(2)中x(t)为加噪的钟差序列，cij(t)为第j次加噪之后分解的第i个固有模态函数，n为第j次分解的固有模态个数，rj(t)为剩余分量；添加N次噪声，则最终c1(t)=1NΣj=1Nc1j(t)---(3)]]>ci(t)=1NΣj=1Ncij(t)---(4)]]>r(t)=1NΣj=1Nrj(t)---(5)]]>去噪之后的钟差序列为X(t)=Σi=1Nci(t)+r(t)---(6)]]>对数据进行频谱变换，这里用到的是傅里叶变换求得频谱特性；即F(w)=∫-∞∞f(t)e-jwtdt---(7)]]>式(7)为傅里叶的频谱变换公式，f(t)为时间序列，F(w)为其频谱。...
【技术特征摘要】
【专利技术属性】
技术研发人员：朱江淼，孙盼盼，郑鹏飞，郑敏，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。