信号时窗的多级检测模型制造技术

本发明专利技术公开了一种信号时窗的多级检测模型，包括：信号时窗划分模型，至少两级划分信号时窗，即由多个二级信号时窗组成一级信号时窗；信号时窗检测模型，通过时窗检测法将所述二级信号时窗分为二级干扰时窗、二级正常时窗；分类模型，基于所述二级信号时窗的检测结果联合判断一级信号时窗，以将所述一级信号时窗分类为稀疏噪声信号时窗、密集噪声信号时窗、正常信号时窗。本发明专利技术能够提高信号处理的效率，还能防止漏检。还能防止漏检。还能防止漏检。

【技术实现步骤摘要】
信号时窗的多级检测模型
[0001]本申请是申请日为2023.6.6，申请号为202310658542.7，专利技术名称为：信号噪声的检测方法、信号检测模型、可读存储介质的中国专利申请的分案申请。


[0002]本专利技术涉及信号检测
，具体涉及一种信号时窗的多级检测模型。

技术介绍

[0003]由于原始信号的采集过程中往往伴有其他噪声信号，导致信号的信噪比较低，对信号质量造成极大影响，因此降噪是信号应用前预处理的必要步骤。降噪过程一般包括对噪声信号进行定位和去除。通常先采用I CA(独立成分分析)、PCA(主成分分析技术)等方法对噪声信号进行定位分析，然后采用滤波方式将噪声信号去除。但这些方法主要存在两方面的不足：一是对分解后的成分处理过程太粗糙，通常直接舍弃包含噪声信号的整段子成分，导致一些有用的信号也被剔除；二是针对的噪声信号类型单一，当信号中包含多类型的噪声信号时，仍然采用相同的处理方式。

技术实现思路

[0004]本专利技术旨在解决现有技术存在的技术问题之一。为此，本专利技术提供一种信号时窗的多级检测模型，通过对原始信号中的噪声信号进行测量、分类评估、定位、分离，可以提高基准信号的信噪比。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种信号时窗的多级检测模型，包括：
[0006]信号时窗划分模型，至少两级划分信号时窗，即由多个二级信号时窗组成一级信号时窗；
[0007]信号时窗检测模型，通过时窗检测法将所述二级信号时窗分为二级干扰时窗、二级正常时窗；
[0008]分类模型，基于所述二级信号时窗的检测结果联合判断一级信号时窗，以将所述一级信号时窗分类为稀疏噪声信号时窗、密集噪声信号时窗、正常信号时窗。
[0009]进一步的，所述时窗检测法为广义特征分解算法、多特征分类算法、多特征联合检测算法中的至少一种。
[0010]进一步的，所述广义特征分解法包括：分别计算所述信号时窗、背景信号的特征矩阵；
[0011]计算所述信号时窗的特征矩阵与背景信号的特征矩阵之间的最大广义特征值；
[0012]若最大广义特征值＞设定阈值，则标记该信号时窗为噪声信号时窗；否则，标记为正常信号时窗。
[0013]进一步的，所述多特征联合检测法包括：
[0014]计算所述信号时窗的多个特征值；
[0015]对所述多个特征值逐一进行阈值判断，当信号时窗的多个特征值均满足阈值条件时，标记该信号时窗为噪声信号时窗。
[0016]进一步的，所述多特征分类法包括：
[0017]计算所述信号时窗的多个特征值，并将所述特征值输入分类器中进行分类，输出噪声信号时窗、正常信号时窗。
[0018]进一步的，所述基于所述二级信号时窗的检测结果联合判断一级信号时窗包括：
[0019]计算一级信号时窗中二级干扰时窗的占比p；
[0020]当占比p＝0时，标记所述一级信号时窗为正常信号时窗；
[0021]当占比0<p<占比阈值时，标记所述一级信号时窗为稀疏噪声信号时窗；
[0022]当占比p≥占比阈值时，标记所述一级信号时窗为密集噪声信号时窗。
[0023]进一步的，所述一级信号时窗的窗宽大于二级信号时窗的窗宽。
[0024]进一步的，当一级信号时窗为稀疏噪声信号时窗时，仅对一级信号时窗中的二级干扰时窗构建不同的信号处理模型；
[0025]当一级信号时窗为密集噪声信号时窗时，对一级信号时窗构建不同的信号处理模型。
[0026]本专利技术的有益效果是，本方法针对稀疏噪声信号的一级信号时窗，仅处理二级干扰时窗，这样，既可以避免对非噪声信号段进行处理，防止有效信号的损失；又可以减少待处理的数据量，提高处理效率。针对密集噪声信号的一级信号时窗，采用对整段一级信号时窗进行处理，运算效率更高，还能防止漏处理。
附图说明
[0027]下面结合附图和实施例对本专利技术进一步说明。
[0028]图1是本专利技术的信号噪声的检测方法的流程图。
[0029]图2是本专利技术的信号噪声的检测方法根据优先级处理的流程图。
[0030]图3是本专利技术的低频噪声信号定位的流程图。
[0031]图4是实施例1、对比例1、2的相关系数的对比图。
[0032]图5是实施例1、对比例1、2的相对均方根误差的对比图。
[0033]图6是实施例2、对比例3、4的去干扰处理效果对比图。
[0034]图7是本专利技术的信号时窗进行分类检测的示意图。
[0035]图8是本专利技术的广义特征分解法的流程图。
[0036]图9是本专利技术的多特征联合检测的流程图。
[0037]图10是本专利技术的多特征分类检测的流程图。
[0038]图11是本专利技术的采用广义特征分解法去噪声信号的结果图。
[0039]图12是现有技术去噪声信号的结果图。
[0040]图13是对特征联合检测、单一特征检测识别噪声信号的结果对比图。
具体实施方式
[0041]现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0042]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0043]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0044]如图1至图2所示，本专利技术的信号噪声的检测方法包括以下步骤：S1、划分信号时窗；S2、对信号时窗进行分类检测，分为噪声信号时窗、正常信号时窗；S3、划分噪声信号时窗中的噪声信号类别；S4、根据噪声信号类别对噪声信号时窗构建不同的信号处理模型，以分离出对应的噪声信号。需要说明的是，将信号划分成多个信号时窗，再对每个信号时窗再进行分类，可以提高检测效率，检测出噪声信号时窗后，可以获得噪声信号时窗中包含的噪声信号类别，不同的类别构建不同的信号处理模型进行分离，更具有针对性。
[0045]例如，信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信号时窗的多级检测模型，其特征在于，包括：信号时窗划分模型，至少两级划分信号时窗，即由多个二级信号时窗组成一级信号时窗；信号时窗检测模型，通过时窗检测法将所述二级信号时窗分为二级干扰时窗、二级正常时窗；分类模型，基于所述二级信号时窗的检测结果联合判断一级信号时窗，以将所述一级信号时窗分类为稀疏噪声信号时窗、密集噪声信号时窗、正常信号时窗。2.如权利要求1所述的多级检测模型，其特征在于，所述时窗检测法为广义特征分解算法、多特征分类算法、多特征联合检测算法中的至少一种。3.如权利要求2所述的多级检测模型，其特征在于，所述广义特征分解法包括：分别计算所述信号时窗、背景信号的特征矩阵；计算所述信号时窗的特征矩阵与背景信号的特征矩阵之间的最大广义特征值；若最大广义特征值＞设定阈值，则标记该信号时窗为噪声信号时窗；否则，标记为正常信号时窗。4.如权利要求2所述的多级检测模型，其特征在于，所述多特征联合检测法包括：计算所述信号时窗的多个特征值；对所述多个特征值逐一进行阈值判断，当信号时窗的多个...

【专利技术属性】
技术研发人员：黄肖山，胥红来，郝慎才，章希睿，梁星，
申请(专利权)人：博睿康科技常州股份有限公司，
类型：发明
国别省市：