【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 Funct ...
【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 ...
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。