当前位置: 首页 > 专利查询>清华大学专利>正文

基于图像分割技术产生滤波器的自适应分解方法技术

技术编号:14211527 阅读:369 留言:0更新日期:2016-12-18 20:49
本发明专利技术提出一种基于图像分割技术产生滤波器的自适应分解方法,包括以下步骤:第一步,对待分析信号进行时频变换,得到对应的时频系数和时频平面;第二步,对时频平面进行阈值分割,以得到二值化图;第三步,标记二值化图中的连通域;第四步,根据连通域生成一组时频滤波器,并根据时频滤波器对时频系统进行滤波,输出滤波结果;第五步,对滤波结果进行时频逆变换,以得到分解结果。本发明专利技术的方法在待分解信号各频率成分采样时间足够长时,可以具备任意频率分辨率,与常用的经验模态分解算法相比,大大提高了频率分辨率,可以对频率密集分布的信号进行自适应分解,并以此计算各个成分的瞬时频率和瞬时幅值,从而扩宽自适应分解算法的应用范围。

【技术实现步骤摘要】

本专利技术涉及信号处理
,特别涉及一种基于图像分割技术产生滤波器的自适应分解方法
技术介绍
目前,自适应分解算法在信号处理领域得到非常广泛的应用。其典型代表经验模态分解(Empirical Mode Decomposition,EMD)的发布论文迄今已经在谷歌学术中有了超过12000次的引用,由此可见一斑。究其原因,主要是因为EMD方法与Hilbert变换结合,提供了一种便利的计算信号各频率成分瞬时频率和瞬时幅值的途径。作为定量评价信号特征常用的参数,瞬时频率和瞬时幅值被广泛应用。瞬时频率在诸如雷达、声纳、机械系统故障诊断的工程领域广泛应用。同样瞬时幅值应用于模态参数确定和无损检测检测领域。当前对瞬时频率和瞬时幅值进行计算的方法主要可分为两类:一类是基于内积计算的时频变换方法,例如,短时傅里叶变换、小波变换、框架分解等;另一类是结合自适应分解算法(例如,EMD,局部均值分解(Local Mean Decompositio,LMD)和经验小波变换分解(Empirical Wavelet transform,EWT))和瞬时频率和瞬时幅值的瞬时算法(例如,Hilbert变换和能量算子法)。由于分解波形的多样性,前者的不同分量更容易聚积在时频平面中的对应区域,易于分开。但由于内积计算是在某段待分析信号与分解波形之间进行的,所以这不是一种真正的瞬时计算方法,计算结果不能精确反映信号频率和幅值的瞬时变化。对于后者,其优点在于计算过程包括了两个阶段:第一阶段将信号分解为不同的单独分量,例如,在EMD方法中的本征模函数(Intrinsic Mode Function,IMF);第二阶段采用瞬态方法计算每个分量的瞬时频率和瞬时幅值,例如Hilbert变换和能量算子法。所以采用此方法能更准确计算信号的瞬时频率和瞬时幅值。但此方法的频率分辨率不够理想。迄今,对于LMD和EWT方法尚未有关于频率分辨的报道。对于经典的自适应分解算法EMD方法,已经有文献报道,但当两个分量的频率比值大于0.75时(f低/f高),该方法便不能将两者分开,从而限制自适应分解算法的应用范围。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。为此,本专利技术的目的在于提出一种基于图像分割技术产生滤波器的自适应分解方法,该方法在待分解信号各频率成分采样时间足够长时,可以具备任意频率分辨率,与常用的经验模态分解算法相比,大大提高了频率分辨率,可以对频率密集分布的信号进行自适应分解,并以此计算各个成分的瞬时频率和瞬时幅值,从而扩宽自适应分解算法的应用范围。为了实现上述目的,本专利技术的实施例提出了一种基于图像分割技术产生滤波器的自适应分解方法,包括以下步骤:S1:对待分析信号进行时频变换,得到对应的时频系数和时频平面;S2:对所述时频平面进行阈值分割,以得到二值化图;S3:标记所述二值化图中的连通域;S4:根据所述连通域生成一组时频滤波器,并根据所述时频滤波器对所述时频系统进行滤波,输出滤波结果;以及S5:对所述滤波结果进行时频逆变换,以得到分解结果。另外,根据本专利技术上述实施例的基于图像分割技术产生滤波器的自适应分解方法还可以具有如下附加的技术特征:在一些示例中,在所述S1中,所述时频变换的方式包括:短时傅里叶变换或小波变换。在一些示例中,所述短时傅里叶变换的变换公式为: STFT w ( s ) [ m , n ] = Σ k = 0 K - 1 s [ k ] w [ k - l ] e - j 2 π n ( k - m ) / K , ]]>其中,STFTw(s)[m,n]为点(m,n)处的短时傅里叶变换系数,m为时频平面的时间变量,n为频率变量,s[k]为待分析的离散信号,k为抽样点的时间变量,K为采样时间长度,w[k-l]为窗函数,且||w||=1。在一些示例中,在所述S2中,所述得到二值化图的变换公式为: c ^ ( m , n ) = 1 c ( m , n ) > T 0 0 c ( m , n ) ≤ T 0 , ]]>其中,为所述二值化图,c(m,n)为所述时频系数,T0为分割阈值。在一些示例中,所述S3进一步包括:S31:逐行扫描所述二值化图,将所述二值化图的每一行中连续的值为1的像素点组成的一个序列作为一个团,并记下所述团的起点和终点以及所述团所在的行号;S32:对除第一行外的所有行中的团进行扫描,如果当前团与前一行中的所有团都没有重合区域,则给所述当前团一个新的标号,如果当前团仅与上一行中一个团有重合区域,则用所述当前团的标号进行标记,如果当前团与上一行的2个以上的团有重叠区域,则给所述当前团赋予联通团中的最小标号,并将上一行中的几个团的标记写入等价对;S33:将所述等价对转换为等价序列,并对每一个等价序列赋予一个相同标号;S34:遍历开始团的标记,查找等价序列,并给予所述团新的标本文档来自技高网
...
基于图像分割技术产生滤波器的自适应分解方法

【技术保护点】
一种基于图像分割技术产生滤波器的自适应分解方法,其特征在于,包括以下步骤:S1:对待分析信号进行时频变换,得到对应的时频系数和时频平面;S2:对所述时频平面进行阈值分割,以得到二值化图;S3:标记所述二值化图中的连通域;S4:根据所述连通域生成一组时频滤波器,并根据所述时频滤波器对所述时频系统进行滤波,输出滤波结果;以及S5:对所述滤波结果进行时频逆变换,以得到分解结果。

【技术特征摘要】
1.一种基于图像分割技术产生滤波器的自适应分解方法,其特征在于,包括以下步骤:S1:对待分析信号进行时频变换,得到对应的时频系数和时频平面;S2:对所述时频平面进行阈值分割,以得到二值化图;S3:标记所述二值化图中的连通域;S4:根据所述连通域生成一组时频滤波器,并根据所述时频滤波器对所述时频系统进行滤波,输出滤波结果;以及S5:对所述滤波结果进行时频逆变换,以得到分解结果。2.根据权利要求1所述的基于图像分割技术产生滤波器的自适应分解方法,其特征在于,在所述S1中,所述时频变换的方式包括:短时傅里叶变换或小波变换。3.根据权利要求2所述的基于图像分割技术产生滤波器的自适应分解方法,其特征在于,所述短时傅里叶变换的变换公式为: STFT w ( s ) [ m , n ] = Σ k = 0 K - 1 s [ k ] w [ k - l ] e - j 2 π n ( k - m ) / K , ]]>其中,STFTw(s)[m,n]为点(m,n)处的短时傅里叶变换系数,m为时频平面的时间变量,n为频率变量,s[k]为待分析的离散信号,k为抽样点的时间变量,K为采样时间长度,w[k-l]为窗函数,且||w||=1。4.根据权利要求1所述的基于图像分割技术产生滤波器的自适应分解方法,其特征在于,在所述S2中,所述得到二值化图的变换公式为: c ^ ( m , n ) = 1 c ( m , n ) > T 0 0 c ( m ...

【专利技术属性】
技术研发人员:阎绍泽刘涛果晓东
申请(专利权)人:清华大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1