一种自适应阈值选取的低场核磁共振信号去噪方法技术

本发明专利技术提出了一种自适应阈值选取的去噪方法，通过计算每一层小波细节系数的“峰总比”来确定最优小波分解层数；通过引入相关系数作为评价参数来进行最优小波基的选取，之后以最优小波分解层数和最优小波基对含噪信号进行分解，保留产生的小波近似系数，同时对小波细节系数进行阈值处理，得到新的小波系数，最后通过小波重构函数在新的小波系数的基础上重构出去噪后的信号。该方法能更好地适应低场核磁共振信号的特点，滤波效果好，使得去噪后的信号的信噪比更高；且信号反演之后的反演谱也更加准确。

【技术实现步骤摘要】
一种自适应阈值选取的低场核磁共振信号去噪方法
本专利技术属于低场核磁共振信号处理
，尤其涉及一种自适应阈值选取的低场核磁共振信号去噪方法。
技术介绍
核磁共振技术是依据自旋核在外加静磁场的作用下发生核磁共振现象而发展起来的。由主磁场强度的不同，核磁共振技术可以分为高场核磁共振技术、中场核磁共振技术和低场磁共振技术。高场核磁共振技术一般应用于大分子结构分析，例如蛋白质的结构分析。中场核磁共振常用于医疗卫生等方面，如医用核磁共振成像仪。不同于前两者，低场磁共振技术因其在利用弛豫信息进行分析和检测的领域中的特殊优势，而被广泛应用于农业、酿酒业、地下水源寻找、石油开采、能源勘探、以及食品安全质量检测等领域。另外，低场核磁共振设备易于小型化，更容易进行磁屏蔽和电磁屏蔽，而且价格低廉，这些特点共同推动了其在各行各业中的广泛应用。由于低场核磁共振采用的是永磁体且应用领域所涉及的外界环境相对比较恶劣，导致其采集到的信号幅值较小，且混有大量背景噪声，严重影响了后续操作，这一问题在高温、高压等极端环境下进行的核磁共振测井实验中尤为明显。因此，如何对获得的信号进行去噪就变得至关重要。目前，现有技术中用于低场核磁共振信号去噪的方法主要有小波变换去噪，非局部均值去噪、奇异值分解去噪和各项异性去噪等，但均存在去噪效果差的问题。
技术实现思路
本专利技术的目的在于提供一种自适应阈值选取的低场核磁共振信号去噪方法，以解决现有技术中去噪效果差的问题。为实现上述目的，本专利技术所采用的技术方案为：一种自适应阈值选取的低场核磁共振信号去噪方法，包括如下步骤：下步骤：S1：获取多种信噪比的含噪信号；所述含噪信号为低场核磁共振信号；S2：将含噪信号根据初始条件，通过小波变换函数进行小波分解，得到各层的小波分解系数；所述小波分解系数包括小波细节系数和小波近似系数；S3：确定最优小波分解层数：从各层小波分解系数中抽取出每一层的小波细节系数，引入参数“峰总比”，通过计算每一层小波细节系数的“峰总比”来确定最优小波分解层数；S4：确定最优小波基：在S3中最优小波分解层数的基础上，设置不同的小波基以对含噪信号进行去噪处理，之后引入相关系数进行最优小波基的选取；S5：以最优小波分解层数和最优小波基为约束条件，重新对含噪信号进行小波分解，抽取得到各层的小波细节系数和小波近似系数；S6：在小波域中利用S5中得到的小波细节系数进行自适应阈值处理获取新的小波细节系数；S7：以新的小波细节系数和S5中的小波近似系数作为输入参数，以最优小波分解层数和最优小波基为约束条件，通过小波逆变换进行信号重构，得到去噪后的信号。优选地，S3具体为：S31：从S2中抽取出每一层的小波细节系数；S32：计算每一层小波细节系数的“峰总比”：其中，wj-第j分解层上对应的小波系数；wj.i-优选地，S4具体为：S41：选用不同的小波基，在S3中最优小波分解层数的基础上对含噪信号进行小波去噪处理；S42：引入相关系数以选取最优小波基，相关系数计算公式如下：其中，Amn和Bmn分别表示S41中低场核磁共振信号在小波去噪前、小波去噪后的数据向量；m和n分别对应向量的行数和列数；和分别为向量Amn和向量Bmn所有元素的平均值。S43：选择最高的相关系数对应的小波基作为最优小波基。优选地，S6具体为：S61：将Sj＜0.01对应层的细节系数全部设置为0；S62：利用自适应阈值选取函数，对剩余层细节系数做阈值处理，自适应阈值选取函数如下：其中，l是分解层数；k是处理层所在的层数；n是第k层的小波细节系数个数；b为调整因子，取值为-113；σk为Donoho提出的噪声方差的估计值；Sl,k为子带依赖级权重因子。优选地，在S62中，优选地，在S2中，所述初始条件为：小波基＝“sym8”；小波分解层数＝10。优选地，在S1中，小波变换函数为：其中，τ和s分别被称为平移因子和尺度因子；称为小波基函数，记作Ψτ,s(t)；f(t)为信号。优选地，在S4中，小波基的个数设置为8。优选地，在S1中，所述信噪比的种类设置为4。与现有技术相比，本专利技术的优点为：本专利技术提出了一种新的自适应阈值选取的去噪方法，通过计算每一层小波细节系数的“峰总比”来确定最优小波分解层数；通过引入相关系数作为评价参数来进行最优小波基的选取，之后以最优小波分解层数和最优小波基对含噪信号进行分解，保留产生的小波近似系数同时对小波细节系数进行阈值处理，得到新的小波系数，最后通过小波重构函数在新的小波系数的基础上重构出去噪后的信号。该方法能更好地适应低场核磁共振信号的特点，滤波效果好，使得去噪后的信号的信噪比更高；且信号反演之后的反演谱也更加准确。附图说明图1为本专利技术一种自适应阈值选取的低场核磁共振信号去噪方法的流程框图；图2是信噪比为5dB时的小波分解系数图；图3是信噪比为15dB时的小波分解系数图；图4是信噪比为25dB时的小波分解系数图；图5是信噪比为30dB时的小波分解系数图；图6是小波变换的分解过程示意图；图7是小波阈值去噪流程图；图8是小波变换的重构过程示意图；图9是构造的T2弛豫谱；图10为生成的纯净的FID仿真信号示意图：图11是信噪比为5dB时的仿真信号示意图；图15是去噪后的信号示意图；图12是信噪比为15dB时的仿真信号示意图；图16是去噪后的信号示意图；图13是信噪比为25dB时的仿真信号示意图；图17是去噪后的信号示意图；图14是信噪比为30dB时的仿真信号示意图；图18是去噪后的信号示意图；图19是信噪比为15dB时的反演结果对比示意图；图20是图19的顶端放大图；图21是图19的左端放大图。具体实施方式下面将结合示意图对本专利技术的技术方案进行更详细的描述，其中表示了本专利技术的优选实施例，应该理解本领域技术人员可以修改在此描述的本专利技术，而仍然实现本专利技术的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本专利技术的限制。如图1所示，一种自适应阈值选取的低场核磁共振信号去噪方法，包括如下步骤：S1：获取多种信噪比的含噪信号；所述含噪信号为低场核磁共振信号；S2：将含噪信号根据初始条件进行小波分解，得到各层的小波分解系数；所述小波分解系数包括小波细节系数和小波近似系数；初始条件为小波基＝“sym8”；小波分解层数＝10，即将含噪信号根据初始设定的小波基“sym8”和小波分解层数10层进行小波分解，如图2～图5所示，依次为信噪比为5dB时的小波分解系数图、信噪比为15dB时的小波分解系数图、信噪比为25dB时的小波分解系数图和信噪比为30dB时的小波分解系数图。在图1中，最优图版指的是最优小波分解层数和最优小波基。由图2～图5可见：首先，随着分解层数的递增，小波细节系数中噪声组分所占比重越来越少，这是因为，噪声通常频率都较高，所以随着尺度的增大，噪声会变得越来越少；其次，信号组分通常出现于固定位置，且幅值较大，而噪声组分出现位置却是随机的，且幅值较小。如图6所示，小波分解的具体实现过程为：将输入信号按照小波基进行多尺度的分解生成小波分解系数，其中反映低频信息的称为细节系数，记为Dj，反映高频信息的称为近似系数，记为Aj，j是分解层数。通常，对一个信号f(t)进行连续小波变换可以被描述成如下形式：其中，本文档来自技高网...

【技术保护点】
1.一种自适应阈值选取的低场核磁共振信号去噪方法，其特征在于，包括如下步骤：S1：获取多种信噪比的含噪信号；所述含噪信号为低场核磁共振信号；S2：将含噪信号根据初始条件，通过小波变换函数进行小波分解，得到各层的小波分解系数；所述小波分解系数包括小波细节系数和小波近似系数；S3：确定最优小波分解层数：从各层小波分解系数中抽取出每一层的小波细节系数，引入参数“峰总比”，通过计算每一层小波细节系数的“峰总比”来确定最优小波分解层数；S4：确定最优小波基：在S3中最优小波分解层数的基础上，设置不同的小波基以对含噪信号进行去噪处理，之后引入相关系数进行最优小波基的选取；S5：以最优小波分解层数和最优小波基为约束条件，重新对含噪信号进行小波分解，抽取得到各层的小波细节系数和小波近似系数；S6：在小波域中利用S5中得到的小波细节系数进行自适应阈值处理获取新的小波细节系数；S7：以新的小波细节系数和S5中的小波近似系数作为输入参数，以最优小波分解层数和最优小波基为约束条件，通过小波逆变换进行信号重构，得到去噪后的信号。

【技术特征摘要】
1.一种自适应阈值选取的低场核磁共振信号去噪方法，其特征在于，包括如下步骤：S1：获取多种信噪比的含噪信号；所述含噪信号为低场核磁共振信号；S2：将含噪信号根据初始条件，通过小波变换函数进行小波分解，得到各层的小波分解系数；所述小波分解系数包括小波细节系数和小波近似系数；S3：确定最优小波分解层数：从各层小波分解系数中抽取出每一层的小波细节系数，引入参数“峰总比”，通过计算每一层小波细节系数的“峰总比”来确定最优小波分解层数；S4：确定最优小波基：在S3中最优小波分解层数的基础上，设置不同的小波基以对含噪信号进行去噪处理，之后引入相关系数进行最优小波基的选取；S5：以最优小波分解层数和最优小波基为约束条件，重新对含噪信号进行小波分解，抽取得到各层的小波细节系数和小波近似系数；S6：在小波域中利用S5中得到的小波细节系数进行自适应阈值处理获取新的小波细节系数；S7：以新的小波细节系数和S5中的小波近似系数作为输入参数，以最优小波分解层数和最优小波基为约束条件，通过小波逆变换进行信号重构，得到去噪后的信号。2.根据权利要求1所述的自适应阈值选取的低场核磁共振信号去噪方法，其特征在于，S3具体为：S31：从S2中抽取出每一层的小波细节系数；S32：计算每一层小波细节系数的“峰总比”：其中，wj-第j分解层上对应的小波系数。3.根据权利要求1所述的自适应阈值选取的低场核磁共振信号去噪方法，其特征在于，S4具体为：S41：选用不同的小波基，在S3中最优小波分解层数的基础上对含噪信号进行小波去噪处理；S42：引入相关...

【专利技术属性】
技术研发人员：常晓，聂生东，苏冠群，侯学文，柴青焕，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31