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，以提高滤波器的性能，将具有极大的应用价值。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种EMD-LMS混合滤波方法，该方法将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。本专利技术还提供一种EMD-LMS混合滤波器，该滤波器利用上述EMD-LMS混合滤波方法实现滤波。本专利技术的目的通过以下的技术方案实现：一种EMD-LMS混合滤波方法，包括步骤：对训练信号进行EMD分解，得到L-1阶IMF(IntrinsicModeFunction)分量和残余分量，将残余分量也视为是一阶IMF分量，共得到L阶IMF分量；对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重系数，使输出结果最优。本专利技术中，将输入信号进行EMD分解，并针对分解得到的IMF分量进行分类，提取其中包含更多信息的分量，将其作为LMS自适应滤波的参考信号，在在线实时滤波时，根据输入信号实时调整滤波器权系数，使滤波器的输出信号与参考信号之间的均方误差最小，得到最优的输出信号，即最优的滤波结果。优选的，分别计算M1和M2分割阶数值，将IMF分量划分为三类，方法是：计算各阶IMF分量的CMSE(ConsecutiveMeanSquareError，连续均方误差)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(PDF)与各阶IMF分量的概率密度函数(PDF)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，将1-M1阶的IMF分量划分为噪声分量，将(M1+1)-M2阶的IMF分量划分为信噪混合分量，将(M2+1)-L阶的IMF分量划分为信息分量。优选的，采用Kalman滤波方法对信噪混合分量即(M1+1)-M2阶IMF分别进行滤波，得到IMF’i，其中M1+1≤i≤M2。优选的，将滤波后的分量信息IMF’i与信息分量进行合成，方法是：其中，sf(n)为合成信号。优选的，将EMD滤波后的结果sf(n)作为参考信号，将实际需要滤波的信号x(n)作为LMS滤波的输入，通过EMD滤波后的sf(n)与LMS算法结合进行滤波处理，具体方法是：(1)将合成信号sf(n)作为LMS滤波算法的参考信号，x(n)为输入信号，y(n)为滤波器的输出信号，w(n)为权重向量，并初始化w(0)；(2)计算线性滤波器输出对输入信号的响应y(n)＝wT(n)x(n)；(3)通过比较输出结果与期望响应，对误差进行估计e(n)＝sf(n)-y(n)；(4)根据估计误差自动调整滤波器参数w(n+l)＝w(n)+μ(n)e(n)x(n)，其中μ(n)为步长，判断输入信号x(n)是否结束，若输入信号x(n)继续有数据输入，则回到步骤(2)，重复执行，若输入信号x(n)结束，则结束滤波。本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术方法将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。2、本专利技术方法有效解决了现场采集到的LMS参考信号准确度不高的难题，通过提高参考信号的准确度，提升了LMS滤波准确性。3、本专利技术方法采用EMD降噪滤波方法，有效发挥了EMD自适应对信号进行分解的特点，可以适用于多种不同信号的降噪，适用范围广。4、本专利技术方法通过对信号中多种成分进行有效区分，降噪效果好，稳定性好。附图说明图1是实施例1方法的流程图。图2是实施例1采用LMS自适应滤波方法调整滤波器的权系数的原理图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例1如图1、2所示，本实施例提供一种EMD-LMS混合滤波方法，该方法可应用于机械、医学、能源等领域实现信号的实时滤波处理。例如，采用本专利技术提供的技术方案，可对机械装备恒转矩控制过程中检测到的转矩信号进行实时滤波处理，得到准确的转矩信号。方法是首先提取典型工艺过程的实际转矩信号T(n)，对T(n)进行EMD分解，再根据EMD分解结果进行滤波，得到sf(n)信号，将sf(n)作为参考信号，与设备实际检测得到的转矩信号x(n)采用LMS算法进行滤波，得到准确的转矩信号y(n)。下面结合附图，对该方法的各个步骤进行具体说明。S1、对训练信号进行EMD分解，得到L-1阶IMF分量和残余分量，为方便表述将EMD分解后的残余分量也认为是一阶IMF函数，共得到L阶IMF分量。S2、对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。本专利技术方法提高滤波性能的关键点就在于从所有的IMF分量中仅提取含有信息的IMF分量，将其信息作为参考信号，因此，对IMF分量的分类是重点内容。本实施例利用CMSE以及概率密度函数的L2范数两个变量来实现分类，具体方法如下：计算各阶IMF分量的CMSE值得到M1值，M1的本文档来自技高网...

【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