【技术实现步骤摘要】
本专利技术涉及光纤激光器，特别是涉及一种基于数据稀疏表达的多道奇异值谱分解降噪方法及装置。
技术介绍
1、现有方法中对于截断阈值的选择需要人工进行干预，比较依赖操作人员的经验，并且在实际使用时，需要通过多次试验尝试才能取得一个比较合适的截断阈值，进而导致现有降噪方法的效率较低且降噪效果并不稳定。
技术实现思路
1、本专利技术提供了一种基于数据稀疏表达的多道奇异值谱分解降噪方法及装置，以解决现有通过人工选择截断阈值造成降噪效率低且降噪效果不稳定的问题。
2、第一方面，本专利技术提供了一种基于数据稀疏表达的多道奇异值谱分解降噪方法，所述方法包括；接收多传感器输入数据，并利用傅里叶变换fft将接收到的时间域数据转换成频率域数据；将变换后的数据矩阵的每一行均进行重新排列，变换成一个汉克尔矩阵；利用奇异值分解svd将汉克尔矩阵分解成特征向量矩阵和奇异值对角矩阵；对奇异值进行排序，计算相邻两个奇异值的绝对差值，选择最大奇异值差值作为标准矩阵秩阈值，按照阈值对特征向量和奇异值对角矩阵进行截断，剩下的补零重新组成新的汉克尔矩阵；将新的汉克尔矩阵重新排列转换成数据矩阵，并利用傅里叶逆变换ifft将频率域数据变换成时间域数据，最后输出降噪后数据。
3、可选地，设定x方向有nx个传感器，y方向有ny个传感器，振动信号源发出的信号被振动信号传感器接收到后，将信号数据进行存储，假设x轴方向第i行、y轴方向第j列信号传感器接收到的信号数据为xji，信号长度为n，按照传感器位置将信号数据
4、
5、排列后的信号数据为一个二维时域矩阵数据。
6、可选地，所述利用傅里叶变换fft将接收到的时间域数据转换成频率域数据，包括：利用傅里叶变换fft将时域矩阵数据转换成频率域数据，转换后的频率数据的频率范围为f1≤fi≤fn，其中，最低频f1为传感器的最小响应频率，最高频fn为传感器的最高采样率的两倍；
7、假设频率为fi的单频数据矩阵s为：
8、
9、其中，s(ny，nx)为x方向第nx个传感器与y方向ny个传感器的频率域数据。
10、可选地，所述将变换后的数据矩阵的每一行均进行重新排列，变换成一个汉克尔矩阵，包括：步骤一、对数据矩阵s的第j行(s(j，1)，s(j，2)，...，s(j，nx))，选取第一个数据到中间点位置的数据作为新矩阵第一行的数据，假设rj为新数据矩阵，其第一行的数据为(s(j，1)，s(j，2)，...，s(j，kx))，其中kx为中间点；
11、步骤二、对于新矩阵rj的第二行数据，是在其第一行数据位置上后移一位得出，即第二行数据为(s(j，2)，s(j，3)，...，s(j，kx+1))，以此类推可以得出新矩阵rj其他行数据，最终得到一个汉克尔矩阵rj：
12、
13、步骤三对原矩阵每一行都进行上面步骤的操作后得到一个矩阵向量：
14、将该矩阵向量中的每一个矩阵都看作是一个标量数据，按照步骤二中将矩阵向量转换成一个hankel矩阵m，行数为列数为
15、
16、可选地，选取其中，表示取整操作；
17、可选地，新矩阵rj的行数为原矩阵第j行的中间点，取以使得矩阵rj为近似方阵。
18、可选地，所述方法还包括：当信号中含有噪声时，矩阵m的秩会增加，假设矩阵mk是m的近似，通过找到近似矩阵mk使得能够最小化矩阵m和mk的差值frobenius范数来进行降噪：并通过奇异值分解svd来最小化j，即其中，∑k，uk分别为矩阵m的前k个最大的奇异值以及相关的奇异值向量，上标h表示矩阵共轭转置。
19、可选地，所述对奇异值进行排序，计算相邻两个奇异值的绝对差值，包括：根据奇异值分解法求出的奇异值对角矩阵∑k，定义一个绝对奇异值差值序列：di＝|∑i-∑i+1|，i＝1，2，...，i-1，其中di代表第i个绝对奇异值差值，∑i代表汉克尔矩阵m的第i个奇异值，当di最大时，得到最优矩阵秩参数
20、第二方面，本专利技术提供了一种用于实现上述中任一种所述方法的基于数据稀疏表达的多道奇异值谱分解降噪装置，所述装置包括；
21、接收单元，用于接收多传感器输入数据，并利用傅里叶变换fft将接收到的时间域数据转换成频率域数据；
22、转换单元，用于将变换后的数据矩阵的每一行均进行重新排列，变换成一个汉克尔矩阵；
23、分解单元，用于利用奇异值分解svd将汉克尔矩阵分解成特征向量矩阵和奇异值对角矩阵；
24、处理单元，用于对奇异值进行排序，计算相邻两个奇异值的绝对差值，选择最大奇异值差值作为标准矩阵秩阈值，按照阈值对特征向量和奇异值对角矩阵进行截断，剩下的补零重新组成新的汉克尔矩阵；
25、输出单元，用于将新的汉克尔矩阵重新排列转换成数据矩阵，并利用傅里叶逆变换ifft将频率域数据变换成时间域数据，输出降噪后数据。
26、第三方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有信号映射的计算机程序，所述计算机程序被至少一个处理器执行时，以实现上述中任一种所述的基于数据稀疏表达的多道奇异值谱分解降噪方法。
27、本专利技术有益效果如下：
28、本专利技术利用数据自身的特征参数自动选择奇异值截断阈值，避免了因人工经验不足带来的效果稳定性差的缺点，并且本专利技术也能避免人工多次选择阈值才能达到较好效果，效率低下的问题，另外，本专利技术的处理过程不需要额外干预，只需一次处理即可自动完成降噪过程，所以本专利技术具有效率高的优点。
29、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于数据稀疏表达的多道奇异值谱分解降噪方法，其特征在于，所述方法包括；
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，所述利用傅里叶变换FFT将接收到的时间域数据转换成频率域数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述将变换后的数据矩阵的每一行均进行重新排列，变换成一个汉克尔矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求4所述的方法，其特征在于，
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述对奇异值进行排序，计算相邻两个奇异值的绝对差值，包括：
9.一种用于实现权利要求1-8中任一项所述方法的基于数据稀疏表达的多道奇异值谱分解降噪装置，其特征在于，所述装置包括；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有信号映射的计算机程序，所述计算机程序被至少一个处理器执行时，以实现权利要求1-8中任意一项所
...【技术特征摘要】
1.一种基于数据稀疏表达的多道奇异值谱分解降噪方法，其特征在于，所述方法包括；
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，所述利用傅里叶变换fft将接收到的时间域数据转换成频率域数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述将变换后的数据矩阵的每一行均进行重新排列，变换成一个汉克尔矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求4所述的方法，其特征在于，
7.根据...
【专利技术属性】
技术研发人员：苏俊，冯海新，司洁戈，陈树泽，
申请(专利权)人：电视电声研究所中国电子科技集团公司第三研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。