信号去噪方法技术

本申请提供一种信号去噪方法

【技术实现步骤摘要】
信号去噪方法、装置、终端及存储介质


[0001]本申请涉及信号去噪
，尤其涉及一种信号去噪方法
、
装置
、
终端及存储介质
。

技术介绍

[0002]在对痕量气体的浓度进行检测时，通常采用基于波长调制光谱
(Wavelength Modulation Spectroscopy
，
WMS)
的可调谐半导体激光吸收光谱
(Tunable Diode Laser Absorption Spectroscopy
，
TDLAS)
方法
。
该方法是通过调谐特定的半导体激光器波长，扫过被测气体分子的特定吸收光谱线，被气体吸收后的透射光由光电探测器接收，经锁相放大器提取透射光谱的谐波分量，即二次谐波信号，反演出待测气体的浓度信息
。
[0003]然而，上述二次谐波信号通常含有噪声，直接采用上述二次谐波信号反演得到的气体浓度结果不准确，测量误差较大，导致痕量气体浓度检测精度较低
。

技术实现思路

[0004]本申请实施例提供了一种信号去噪方法
、
装置
、
终端及存储介质，以解决现有方法直接采用二次谐波信号反演得到的气体浓度结果不准确，测量误差较大，导致痕量气体浓度检测精度较低的问题
。
[0005]第一方面，本申请实施例提供了一种信号去噪方法，包括：
[0006]获取含噪信号，并对含噪信号进行分解，得到多个
IMF
分量和残差分量；含噪信号为痕量气体浓度检测信号的二次谐波信号；
[0007]确定分类参数值，并基于分类参数值，将多个
IMF
分量划分为信号主导分量集和非信号主导分量集；
[0008]基于增强型人工水母搜索算法，确定非信号主导分量集中的各个
IMF
分量的最优阈值，并根据非信号主导分量集中的各个
IMF
分量的最优阈值，分别对非信号主导分量集中的各个
IMF
分量进行阈值去噪处理，得到阈值处理后的非信号主导分量集；
[0009]将信号主导分量集
、
阈值处理后的非信号主导分量集和残差信号进行重构，得到去噪后的信号
。
[0010]在一种可能的实现方式中，基于增强型人工水母搜索算法，确定非信号主导分量集中的各个
IMF
分量的最优阈值，包括：
[0011]基于非信号主导分量集，初始化水母种群，得到初始水母种群；
[0012]基于适应度函数，计算初始水母种群中的各个水母的当前适应度值，并将适应度值最小的水母的位置作为当前水母的最佳位置；
[0013]在每次迭代中，确定水母的运动类型，基于水母的运动类型，更新各个水母的位置，并对更新后的位置超出预设搜索空间的水母进行边界处理，使所有水母更新后的位置均在预设搜索空间内，以及基于各个水母更新后的位置更新当前水母的最佳位置；
[0014]在当前迭代次数大于预设总迭代次数时，基于当前水母的最佳位置，确定非信号
主导分量集中的各个
IMF
分量的最优阈值
。
[0015]在一种可能的实现方式中，基于水母的运动类型，更新各个水母的位置，包括：
[0016]若水母的运动类型为被动运动，则根据第一公式，更新各个水母的位置；第一公式为：
[0017]X
i
(z+1)
＝
X
i
(z)+
γ
×
rand(0
，
1)
×
(U
b
‑
L
b
)+2
×
rand(0
，
1)
×
(X
best
(z)
‑
X
i
(z))
[0018]其中，
X
i
(z+1)
为第
i
个水母的更新后的位置；
X
i
(z)
为第
i
个水母的当前位置；
γ
为运动系数；
rand(0
，
1)
为0到1之间的随机数；
U
b
为预设搜索空间的上限；
L
b
为预设搜索空间的下限；
X
best
(z)
为当前水母的最佳位置
。
[0019]在一种可能的实现方式中，基于水母的运动类型，更新各个水母的位置，包括：
[0020]若水母的运动类型为主动运动，则根据第二公式，更新各个水母的位置；第二公式为：
[0021]其中，
X
i
(z+1)
为第
i
个水母的更新后的位置；
X
i
(z)
为第
i
个水母的当前位置；
rand(0
，
1)
为0到1之间的随机数；为中间变化量，为中间变化量，
fit(X
i
(z))
为第
i
个水母的当前适应度值，
X
J
(z)
为随机水母子群，
min(fit(X
J
(z)))
为随机水母子群中各个水母的当前适应度值的最小值，
X
maxfit
(z)
为随机水母子群中当前适应度值最大的水母的当前位置，
X
minfit
(z)
为随机水母子群中当前适应度值最小的水母的当前位置
。
[0022]在一种可能的实现方式中，适应度函数的计算公式为：
[0023][0024]其中，
fit(X
i
(z))
为第
i
个水母的当前适应度值；
SNR
i
(z)
为第
i
个水母的当前信噪比阈值函数值；
N
为含噪信号
f(t)
的总长度；
f
l
(t)
为含噪信号
f(t)
的第
l
点的值；为以
X
i
(z)
为最优阈值进行阈值处理后的重构信号的第
l
点的值；
σ2为噪声的方差，
Var()
为方差的计算函数，
c
(j)
(t)
为第
j
个
IMF
分量，
k
为分类参数值
。
[0025]在一种可能的实现方式中，多个
IMF
分量为频率由高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种信号去噪方法，其特征在于，包括：获取含噪信号，并对所述含噪信号进行分解，得到多个
IMF
分量和残差分量；所述含噪信号为痕量气体浓度检测信号的二次谐波信号；确定分类参数值，并基于所述分类参数值，将所述多个
IMF
分量划分为信号主导分量集和非信号主导分量集；基于增强型人工水母搜索算法，确定非信号主导分量集中的各个
IMF
分量的最优阈值，并根据所述非信号主导分量集中的各个
IMF
分量的最优阈值，分别对所述非信号主导分量集中的各个
IMF
分量进行阈值去噪处理，得到阈值处理后的非信号主导分量集；将所述信号主导分量集
、
所述阈值处理后的非信号主导分量集和所述残差信号进行重构，得到去噪后的信号
。2.
根据权利要求1所述的信号去噪方法，其特征在于，所述基于增强型人工水母搜索算法，确定非信号主导分量集中的各个
IMF
分量的最优阈值，包括：基于所述非信号主导分量集，初始化水母种群，得到初始水母种群；基于适应度函数，计算所述初始水母种群中的各个水母的当前适应度值，并将适应度值最小的水母的位置作为当前水母的最佳位置；在每次迭代中，确定水母的运动类型，基于水母的运动类型，更新各个水母的位置，并对更新后的位置超出预设搜索空间的水母进行边界处理，使所有水母更新后的位置均在所述预设搜索空间内，以及基于各个水母更新后的位置更新当前水母的最佳位置；在当前迭代次数大于预设总迭代次数时，基于当前水母的最佳位置，确定非信号主导分量集中的各个
IMF
分量的最优阈值
。3.
根据权利要求2所述的信号去噪方法，其特征在于，所述基于水母的运动类型，更新各个水母的位置，包括：若水母的运动类型为被动运动，则根据第一公式，更新各个水母的位置；所述第一公式为：
X
i
(z+1)
＝
X
i
(z)+
γ
×
rand(0
，
1)
×
(U
b
‑
L
b
)+2
×
rand(0
，
1)
×
(X
best
(z)
‑
X
i
(z))
其中，
X
i
(z+1)
为第
i
个水母的更新后的位置；
X
i
(z)
为第
i
个水母的当前位置；
γ
为运动系数；
rand(0
，
1)
为0到1之间的随机数；
U
b
为所述预设搜索空间的上限；
L
b
为所述预设搜索空间的下限；
X
best
(z)
为当前水母的最佳位置
。4.
根据权利要求2所述的信号去噪方法，其特征在于，所述基于水母的运动类型，更新各个水母的位置，包括：若水母的运动类型为主动运动，则根据第二公式，更新各个水母的位置；所述第二公式为：其中，
X
i
(z+1)
为第
i
个水母的更新后的位置；
X
i
(z)
为第
i
个水母的当前位置；
rand(0
，
1)
为0到1之间的随机数；为中间变化量，为中间变化量，
fit(X
i
(z))
为第
i
个水母的当前适应度值，
X
J
(z)
为随机水母子群，
min(fit(X
J<...

【专利技术属性】
技术研发人员：王军芬，刘培跃，李亚梅，赵战民，李明亮，王晗，
申请(专利权)人：河北地质大学，
类型：发明
国别省市：