一种EMD-LMS混合滤波方法及滤波器技术

本发明专利技术公开了一种EMD‑LMS混合滤波方法，包括步骤：对输入信号进行EMD分解，得到IMF分量；对IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量；对信噪混合分量进行滤波；将滤波后的分量信息与信息分量进行合成，得到合成信号；将合成信号作为LMS的参考信号，采用LMS自适应滤波方法调整滤波器的权系数，使输出结果最优。本发明专利技术将EMD降噪与LMS相结合，利用EMD降噪提取出参考信号，解决LMS自适应滤波难以获取参考信号的困难，利用LMS自适应滤波实现在线实时滤波的需求。

An emd-lms hybrid filtering method and filter

【技术实现步骤摘要】
一种EMD-LMS混合滤波方法及滤波器
本专利技术属于信号处理领域，特别涉及一种EMD-LMS混合滤波方法及滤波器。
技术介绍
LMS(LeastMeanSquare，最小均方)是一种信号处理算法，它通过对权值向量不断进行更新，使得滤波输出信号与参考信号之间的均方误差达到最小。由于其计算的简单性，LMS算法和其他与之相关的算法已经广泛应用于自适应滤波的各种应用中。LMS滤波方法的基本思想是调整滤波器的权系数，使滤波器的输出信号与参考信号之间的均方误差最小。但是基于LMS的自适应滤波方法存在获取参考信号困难的缺陷，由于参考信号获取的不准确，将导致滤波器的滤波性能大打折扣。EMD(EmpiricalModeDecomposition，经验模态分解)是一种自适应信号时频处理方法。该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数，在理论上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势，具有很高的信噪比。如果能够利用EMD优秀的降噪能力，来得到由于LMS自适应滤波的参考信号，以提高滤波器本文档来自技高网...

【技术保护点】
1.一种EMD-LMS混合滤波方法，其特征在于，包括步骤：/n对训练信号进行EMD分解，得到L-1阶IMF分量和残余分量，将残余分量视为是一阶IMF分量，共得到L阶IMF分量；/n将L阶IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，其中1-M

【技术特征摘要】
1.一种EMD-LMS混合滤波方法，其特征在于，包括步骤：
对训练信号进行EMD分解，得到L-1阶IMF分量和残余分量，将残余分量视为是一阶IMF分量，共得到L阶IMF分量；
将L阶IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，其中1-M1阶IMF为噪声分量，(M1+1)-M2阶为信噪混合分量，(M2+1)-L阶为信息分量；
对信噪混合分量进行滤波；
将滤波后的信噪混合分量与信息分量进行合成，得到合成信号；
将合成信号作为LMS的参考信号，采用LMS自适应滤波方法调整滤波器的权重系数，使输出结果最优。


2.根据权利要求1所述的EMD-LMS混合滤波方法，其特征在于，分别计算分割阶数值M1和M2，方法是：
计算各阶IMF分量的CMSE值得到M1值，M1的确定方法是：



其中firstlocalmin表示第1个极小值点，j为IMF函数中数据点次序，每阶IMF的数据点总数为N，i为IMF函数阶数，L表示IMF分量的总阶数，k为CMSE阶数；CMSE的定义为



计算原始信号概率密度函数与各阶IMF分量的概率密度函数的L2范数得到M2值，M2的确定方法是：



其中Ps(x)表示原始信号概率密度函数，PIMFi(x)表示第i阶IMF的概率密度函数。


3.根据权利要求1所述的EMD-LMS混合滤波方法...

【专利技术属性】
技术研发人员：宋雷，郑振兴，陈飞昕，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东;44