噪声抑制方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种噪声抑制方法、装置、设备及存储介质，属于信号处理技术领域。该方法包括：获取原始含噪信号；利用互补集合经验模态分解算法将其分解为多个本征模态分量；基于其时域特征信息，从中确定出第一分界分量，以划分出噪声主导分量以及第一信号主导分量；再次利用该算法将第一分界分量以及相邻的第一信号分量分解为多个本征模态子分量，并根据其时域特征信息，筛选出第二信号主导分量；将剩余的第一信号主导分量和第二信号主导分量进行叠加，得到去噪信号。本发明专利技术对分界点附近的分量信号进行二次分解，将分界点附近更易混杂在一起的噪声和信号完全分离开，从而在抑制信号的同时，尽可能多的保留有用信号。尽可能多的保留有用信号。尽可能多的保留有用信号。

【技术实现步骤摘要】
噪声抑制方法、装置、设备及存储介质


[0001]本专利技术涉及信号处理
，尤其涉及一种噪声抑制方法、装置、设备及存储介质。

技术介绍

[0002]在实际信号采集过程中，由于受系统内部与外界环境等因素的影响，常会导致所采集到的信号数据中包含有噪声干扰，从而影响对信号的分析与处理。传统的频域滤波方法能够将不同频段的信号与噪声分离，适用于平稳信号分析，而对于非平稳信号，则难以奏效。对于非平稳信号，可以采用小波降噪、经验模态分解降噪、集合经验模态分解以及互补集合经验模态分解等多种方法进行信号降噪。
[0003]但是，对于最新的互补集合经验模态分解，即CEEMD方法，其虽然可以解决经验模态分解降噪方式中存在的模态混叠问题，以及集合经验模态分解中的辅助白噪声残留与计算效率低等问题，但对CEEMD分解得到的各本征模态函数(IMF)分量，却难以有效区分噪声主导IMF分量与信号主导IMF分量。而对于噪声主导IMF分量与信号主导IMF分量分界点附近的IMF分量，有用信号和噪声更易混杂在一起，传统的CEEMD法难以将信号和噪声完全分离开。

技术实现思路

[0004]本专利技术的主要目的在于提供一种噪声抑制方法、装置、设备及存储介质，旨在解决现有技术中难以将信号和噪声完全分离开的技术问题。
[0005]根据本专利技术的第一方面，提供了一种噪声抑制方法，所述方法包括：
[0006]获取原始含噪信号；
[0007]利用互补集合经验模态分解算法将所述原始含噪信号分解为多个本征模态分量；任一所述本征模态分量具有时域特征信息；
[0008]基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量，并利用所述第一分界分量将多个所述本征模态分量划分为至少一个噪声主导本征模态分量以及至少一个第一信号主导本征模态分量；
[0009]利用互补集合经验模态分解算法将所述第一分界分量以及与所述第一分界分量相邻的第一信号主导本征模态分量分解为多个本征模态子分量，并根据多个所述本征模态子分量的时域特征信息，筛选出第二信号主导本征模态分量；
[0010]将至少一个所述第一信号主导本征模态分量中的剩余信号主导本征模态分量和所述第二信号主导本征模态分量进行叠加，得到抑制噪声后的去噪信号；所述剩余信号主导本征模态分量，为至少一个所述第一信号主导本征模态分量中除去与所述第一分界分量相邻的第一信号主导本征模态分量的部分。
[0011]可选地，所述基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量之前，所述方法还包括：
[0012]根据所述原始含噪信号中包含的噪声和信号之间的时域特征差异，从所述时域特征信息中确定出第一目标时域特征信息；
[0013]所述基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量，包括：
[0014]基于多个所述本征模态分量的第一目标时域特征信息，从多个所述本征模态分量中确定出所述第一分界分量。
[0015]可选地，所述利用所述第一分界分量将多个所述本征模态分量划分为至少一个噪声主导本征模态分量以及至少一个第一信号主导本征模态分量，包括：
[0016]将阶数小于第一分界分量阶数的本征模态分量以及所述第一分界分量作为所述噪声主导本征模态分量；
[0017]将阶数大于所述第一分界分量阶数的本征模态分量作为所述第一信号主导本征模态分量；所述阶数依据所述互补集合经验模态分解算法的分解次序确定。
[0018]可选地，所述本征模态子分量包括噪声本征模态子分量以及信号本征模态子分量，所述利用互补集合经验模态分解算法将所述第一分界分量以及与所述第一分界分量相邻的第一信号主导本征模态分量分解为多个本征模态子分量，包括：
[0019]利用互补集合经验模态分解算法，将所述第一分界分量分解为多个噪声本征模态子分量；
[0020]将阶数比所述第一分界分量阶数大1的第一信号主导本征模态分量分解为多个信号本征模态子分量。
[0021]可选地，任一所述本征模态子分量具有时域特征信息，所述根据多个所述本征模态子分量的时域特征信息，筛选出第二信号主导本征模态分量，包括：
[0022]针对任一所述噪声本征模态子分量，根据所述原始含噪信号中包含的噪声和信号之间的时域特征差异，从对应的时域特征信息中确定出对应的第二目标时域特征信息；
[0023]根据多个所述噪声本征模态子分量的第二目标时域特征信息，确定出第二分界分量；
[0024]针对任一所述信号本征模态子分量，根据所述原始含噪信号中包含的噪声和信号之间的时域特征差异，从对应的时域特征信息中确定出对应的第三目标时域特征信息；
[0025]根据多个所述信号本征模态子分量的第三目标时域特征信息，确定出第三分界分量；
[0026]将阶数大于第二分界分量阶数的噪声本征模态子分量以及阶数大于第三分界分量阶数的信号本征模态子分量作为所述第二信号主导本征模态分量。
[0027]可选地，所述将至少一个所述第一信号主导本征模态分量中的剩余信号主导本征模态分量和所述第二信号主导本征模态分量进行叠加，得到抑制噪声后的去噪信号，包括：
[0028]根据第一公式，将所述第一信号主导本征模态分量中的剩余信号主导本征模态分量和所述第二信号主导本征模态分量进行叠加，得到所述去噪信号；其中，所述第一公式为：
[0029][0030]其中，y(t)为所述去噪信号，a为所述第一分界分量阶数，b为所述第二分界分量阶
数，d为所述第三分界分量阶数，n为所述本征模态分量的最大阶数，m为所述噪声本征模态子分量的最大阶数，l为所述信号本征模态子分量的最大阶数，IMF
i
为第i阶本征模态分量，IMF
a，j
为第j阶噪声本征模态子分量，IMF
a+1
，
k
为第k阶信号本征模态子分量。
[0031]根据本专利技术的第二方面，提供了一种噪声抑制装置，所述装置包括：
[0032]信号获取模块，用于获取原始含噪信号；
[0033]一次分解模块，用于利用互补集合经验模态分解算法将所述原始含噪信号分解为多个本征模态分量；任一所述本征模态分量具有时域特征信息；
[0034]信噪划分模块，用于基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量，并利用所述第一分界分量将多个所述本征模态分量划分为至少一个噪声主导本征模态分量以及至少一个第一信号主导本征模态分量；
[0035]二次分解模块，用于利用互补集合经验模态分解算法将所述第一分界分量以及与所述第一分界分量相邻的第一信号主导本征模态分量分解为多个本征模态子分量，并根据多个所述本征模态子分量的时域特征信息，筛选出第二信号主导本征模态分量；
[0036]信号叠加模块，用于将至少一个所述第一信号主导本征模态分量中的剩余信号主导本征模态分量和所述第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种噪声抑制方法，其特征在于，所述方法包括：获取原始含噪信号；利用互补集合经验模态分解算法将所述原始含噪信号分解为多个本征模态分量；任一所述本征模态分量具有时域特征信息；基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量，并利用所述第一分界分量将多个所述本征模态分量划分为至少一个噪声主导本征模态分量以及至少一个第一信号主导本征模态分量；利用互补集合经验模态分解算法将所述第一分界分量以及与所述第一分界分量相邻的第一信号主导本征模态分量分解为多个本征模态子分量，并根据多个所述本征模态子分量的时域特征信息，筛选出第二信号主导本征模态分量；将至少一个所述第一信号主导本征模态分量中的剩余信号主导本征模态分量和所述第二信号主导本征模态分量进行叠加，得到抑制噪声后的去噪信号；所述剩余信号主导本征模态分量，为至少一个所述第一信号主导本征模态分量中除去与所述第一分界分量相邻的第一信号主导本征模态分量的部分。2.根据权利要求1所述的方法，其特征在于，所述基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量之前，所述方法还包括：根据所述原始含噪信号中包含的噪声和信号之间的时域特征差异，从所述时域特征信息中确定出第一目标时域特征信息；所述基于多个所述本征模态分量的时域特征信息，从多个所述本征模态分量中确定出第一分界分量，包括：基于多个所述本征模态分量的第一目标时域特征信息，从多个所述本征模态分量中确定出所述第一分界分量。3.根据权利要求2所述的方法，其特征在于，所述利用所述第一分界分量将多个所述本征模态分量划分为至少一个噪声主导本征模态分量以及至少一个第一信号主导本征模态分量，包括：将阶数小于第一分界分量阶数的本征模态分量以及所述第一分界分量作为所述噪声主导本征模态分量；将阶数大于所述第一分界分量阶数的本征模态分量作为所述第一信号主导本征模态分量；所述阶数依据所述互补集合经验模态分解算法的分解次序确定。4.根据权利要求3所述的方法，其特征在于，所述本征模态子分量包括噪声本征模态子分量以及信号本征模态子分量，所述利用互补集合经验模态分解算法将所述第一分界分量以及与所述第一分界分量相邻的第一信号主导本征模态分量分解为多个本征模态子分量，包括：利用互补集合经验模态分解算法，将所述第一分界分量分解为多个噪声本征模态子分量；将阶数比所述第一分界分量阶数大1的第一信号主导本征模态分量分解为多个信号本征模态子分量。5.根据权利要求4所述的方法，其特征在于，任一所述本征模态子分量具有时域特征信息，所述根据多个所述本征模态子分量的时域特征信息，筛选出第二信号主导本征模态分
量，包括：针对任一所述噪声本征模态子分量，根据所述原始含噪信号中包含的噪声和信号之间的时域特征差异，从对应的时域特征信息中确定出对应的第二目标时域特征信息；根据多个所述噪声本征模态子分量的第二目标时域特征信息，确定出第二分界分量；针对任一所述信号本征模态子分量，根据所述原始含噪信号中包含的噪声和信号之间的时域特...

【专利技术属性】
技术研发人员：林川，丁建，周航，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：