一种结合小波变换的并行降噪方法及系统技术方案

本发明专利技术提出了一种结合小波变换的并行降噪方法，包括获取待降噪信号，根据噪声类型将信号分为微弱噪声信号、一般噪声信号和强噪声信号；构建深度残差网络、Res

【技术实现步骤摘要】
一种结合小波变换的并行降噪方法及系统


[0001]本专利技术涉及通信技术应用
，特别是涉及一种结合小波变换的并行降噪方法及系统。

技术介绍

[0002]现存的传统降噪方法大部分都存在降噪效果不够理想的问题，不能很好地去除噪声、易造成原信号的失真。神经网络虽然作为新兴技术手段开始被运用在信号降噪中，但大部分神经网络结构缺乏对噪声的针对性，所以无法达到最优的降噪效果。
[0003]公开号为CN112988548A的中国专利技术专利申请于2021年06月18日公开了一种基于降噪算法的改进Elman神经网络的预测方法，该预测方法包括：将原始数据按比例划分为训练集、测试集以及验证集；对原始数据采用降噪算法CPW进行降噪，降噪算法CPW通过将原始数据中的不同维度的数据使用CEEMDAN进行分解后结合排列熵使用小波变换对分解出来的IMF进行降噪，然后将经过了降噪处理的序列重构为降噪后的时间序列；构建结合了注意力机制的EAMC神经网络；将降噪后训练集的数据放入神经网络中进行训练，待损失值小于给定的阈值以后，保存训练好的神经网络，结束训练；其得到的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合小波变换的并行降噪方法，其特征在于，包括以下步骤：S1：获取待降噪信号，根据噪声类型对信号进行分类，得到微弱噪声信号、一般噪声信号和强噪声信号；S2：构建深度残差网络和Res
‑
NN网络并进行训练；构建BP
‑
CNN网络并进行训练；S3：利用中值滤波器对微弱噪声信号进行降噪，输出降噪后的信号，再通过Res
‑
NN网络进行译码；结合深度残差网络与Res
‑
NN网络对一般噪声信号进行降噪，并进行译码，输出译码后的信号；利用小波变换算法结合BP
‑
CNN网络对强噪声信号进行降噪，输出降噪译码后的信号；S4：最终得到译码完成的信号。2.根据权利要求1所述的一种结合小波变换的并行降噪方法，其特征在于，在所述步骤S2中，BP
‑
CNN网络由若干个BP
‑
CNN单元重复级联而成；BP
‑
CNN单元由BP神经网络和CNN网络连接合成。3.根据权利要求1所述的一种结合小波变换的并行降噪方法，其特征在于，在所述步骤S3利用中值滤波器对微弱噪声信号进行降噪的过程中，首先对微弱噪声信号进行编码调制，再将编码调制后的信号进行中值滤波，从而输出降噪后的第一编码调制信号作为降噪后的信号，解调后再进行译码。4.根据权利要求2所述的一种结合小波变换的并行降噪方法，其特征在于，在所述步骤S3结合深度残差网络与BP
‑
CNN网络对一般噪声信号进行降噪过程中，首先对一般噪声信号进行编码调制，再通过深度残差网络对编码调制后的信号进行映射，得到映射信号；最后将映射信号输入BP
‑
CNN网络中，经过网络变换后输出第二编码调制信号作为降噪后的信号。5.根据权利要求2所述的一种结合小波变换的并行降噪方法，其特征在于，在所述步骤S3利用小波变换算法结合BP
‑
CNN网络对强噪声信号进行降噪过程中，首先对强噪声信号进行编码调制，再利用小波变换算法对编码调制后的信号进行处理，得到变换信号；最后将变换信号输入BP
‑
CNN网络中，经过网络变换后输出第三编码调制信号作为降噪后的信号。6.一种结合小波变换的并行降噪系统，其特征在于，包括CNN噪声分类器、中值...

【专利技术属性】
技术研发人员：张琳，夏俊宇，陈建原，
申请(专利权)人：中山大学，
类型：发明
国别省市：