System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及光谱探测,尤其涉及一种太赫兹时域光谱信号去噪方法及装置。
技术介绍
1、受到飞秒脉冲源脉冲的稳定性、光学延迟线稳定性、锁相器参数设置以及系统的响应等因素影响,太赫兹时域光谱系统会产生混合噪声,影响信号品质和有效信息提取率,噪声的存在限制了太赫兹时域光谱系统定量分析与光学参数精确提取的应用,所以有必要对信号进行去噪处理。
2、针对太赫兹时域光谱产生的幅值抖动噪声,常用的有效方法是进行平滑处理,但平滑参数过大或过小都会使吸收峰产生失真。在时域中,系统输出信号是由太赫兹脉冲与系统响应通过卷积得到,平滑方法无法去除系统回波,所以采用双高斯逆滤波算法滤除系统回波得到真实的样品响应,此后,双高斯逆滤波算法逐渐运用于其他样品信号还原。
3、但是,直接使用双高斯逆滤波算法方法会引入高频噪声,严重退化信号质量,弱化信号特征,使得使用太赫兹脉冲信号进行厚度检测时的检测准确度低。
技术实现思路
1、本专利技术提供一种太赫兹时域光谱信号去噪方法及装置,用以解决使用太赫兹脉冲信号进行厚度检测时的检测准确度低的问题。
2、本专利技术提供一种太赫兹时域光谱信号去噪方法,包括:
3、采用双高斯逆滤波算法,对太赫兹时域光谱信号中的系统回波进行处理,得到处理后的太赫兹时域光谱信号;
4、采用优化后的变分模态分解法对所述处理后的太赫兹时域光谱信号进行分解,得到多个目标本征模态函数分量;
5、对各所述目标本征模态分量进行噪声模态滤除,确
6、根据本专利技术提供的一种太赫兹时域光谱信号去噪方法,所述对各所述目标本征模态分量进行噪声模态滤除,确定去噪后的太赫兹时域光谱信号,包括:
7、对各所述目标本征模态分量进行噪声模态滤除,得到多个有效本征模态分量;
8、基于各所述有效本征模态分量,确定去噪后的太赫兹时域光谱信号。
9、根据本专利技术提供的一种太赫兹时域光谱信号去噪方法,所述对各所述目标本征模态分量进行噪声模态滤除,得到多个有效本征模态分量,包括:
10、基于各所述目标本征模态分量,计算各所述目标本征模态分量分别对应的第一综合评价指标和所有目标本征模态分量对应的第二综合评价指标;
11、判断各所述第一综合评价指标是否大于或等于所述第二综合评价指标;
12、将大于或等于所述第二综合评价指标的所述第一综合评价指标对应的目标本征模态分量,确定为所述有效本征模态分量。
13、根据本专利技术提供的一种太赫兹时域光谱信号去噪方法,所述基于各所述目标本征模态分量,计算各所述目标本征模态分量分别对应的第一综合评价指标和所有目标本征模态分量对应的第二综合评价指标,包括:
14、基于各所述目标本征模态分量,采用计算各所述目标本征模态分量分别对应的第一综合评价指标g;其中,μ表示能量熵h的权重系数,λ表示峭度值k的权重系数;
15、将各所述第一综合评价指标相加,得到所有目标本征模态分量对应的第二综合评价指标。
16、根据本专利技术提供的一种太赫兹时域光谱信号去噪方法,所述采用优化后的变分模态分解法对所述处理后的太赫兹时域光谱信号进行分解,得到多个目标本征模态函数分量,包括:
17、采用麻雀搜索算法自适应优化变分模态分解法的参数,并采用优化后的变分模态分解法,对所述处理后的太赫兹时域光谱信号进行分解,得到多个目标本征模态函数分量;每个目标本征模态函数分量为一个解调后的包络信号。
18、根据本专利技术提供的一种太赫兹时域光谱信号去噪方法,所述采用麻雀搜索算法自适应优化变分模态分解法的参数,包括:
19、采用初始化的变分模态分解法对太赫兹时域光谱信号进行分解,得到多个本征模态函数分量;每个本征模态函数分量为一个解调后的包络信号;
20、针对每个解调后的包络信号,计算所述解调后的包络信号对应的信号包络熵;
21、将最小信号包络熵作为适应度函数;
22、采用所述麻雀搜索算法和所述适应度函数,不断更新所述变分模态分解法的目标参数;所述目标参数包括分解个数和惩罚因子;
23、将最终更新后的目标参数,确定为优化后的变分模态分解法的参数。
24、根据本专利技术提供的一种太赫兹时域光谱信号去噪方法,所述计算所述解调后的包络信号对应的信号包络熵,包括:
25、采用计算所述解调后的包络信号对应的信号包络熵ep;其中,pi表示a(i)的归一化形式,a(i)表示解调后的包络信号,nc表示采样点数。
26、本专利技术还提供一种太赫兹时域光谱信号去噪装置,包括:
27、处理模块,用于采用双高斯逆滤波算法,对太赫兹时域光谱信号中的系统回波进行处理,得到处理后的太赫兹时域光谱信号;
28、分解模块,用于采用优化后的变分模态分解法对所述处理后的太赫兹时域光谱信号进行分解,得到多个目标本征模态函数分量;
29、确定模块,用于对各所述目标本征模态分量进行噪声模态滤除,确定去噪后的太赫兹时域光谱信号。
30、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述太赫兹时域光谱信号去噪方法。
31、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述太赫兹时域光谱信号去噪方法。
32、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述太赫兹时域光谱信号去噪方法。
33、本专利技术提供的太赫兹时域光谱信号去噪方法及装置,通过采用双高斯逆滤波算法,对太赫兹时域光谱信号中的系统回波进行处理,得到处理后的太赫兹时域光谱信号;采用优化后的变分模态分解法对所述处理后的太赫兹时域光谱信号进行分解,得到多个目标本征模态函数分量;对各所述目标本征模态分量进行噪声模态滤除,确定去噪后的太赫兹时域光谱信号,实现了太赫兹时域光谱系统采集的太赫兹时域光谱信号的降噪分析,提升了降噪的准确性和效率,从而能够提升使用太赫兹脉冲信号进行厚度检测时的检测精度。
本文档来自技高网...【技术保护点】
1.一种太赫兹时域光谱信号去噪方法,其特征在于,包括:
2.根据权利要求1所述的太赫兹时域光谱信号去噪方法,其特征在于,所述对各所述目标本征模态分量进行噪声模态滤除,确定去噪后的太赫兹时域光谱信号,包括:
3.根据权利要求2所述的太赫兹时域光谱信号去噪方法,其特征在于,所述对各所述目标本征模态分量进行噪声模态滤除,得到多个有效本征模态分量,包括:
4.根据权利要求3所述的太赫兹时域光谱信号去噪方法,其特征在于,所述基于各所述目标本征模态分量,计算各所述目标本征模态分量分别对应的第一综合评价指标和所有目标本征模态分量对应的第二综合评价指标,包括:
5.根据权利要求1所述的太赫兹时域光谱信号去噪方法,其特征在于,所述采用优化后的变分模态分解法对所述处理后的太赫兹时域光谱信号进行分解,得到多个目标本征模态函数分量,包括:
6.根据权利要求5所述的太赫兹时域光谱信号去噪方法,其特征在于,所述采用麻雀搜索算法自适应优化变分模态分解法的参数,包括:
7.根据权利要求6所述的太赫兹时域光谱信号去噪方法,其特征在于,所述计算
8.一种太赫兹时域光谱信号去噪装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述太赫兹时域光谱信号去噪方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述太赫兹时域光谱信号去噪方法。
...【技术特征摘要】
1.一种太赫兹时域光谱信号去噪方法,其特征在于,包括:
2.根据权利要求1所述的太赫兹时域光谱信号去噪方法,其特征在于,所述对各所述目标本征模态分量进行噪声模态滤除,确定去噪后的太赫兹时域光谱信号,包括:
3.根据权利要求2所述的太赫兹时域光谱信号去噪方法,其特征在于,所述对各所述目标本征模态分量进行噪声模态滤除,得到多个有效本征模态分量,包括:
4.根据权利要求3所述的太赫兹时域光谱信号去噪方法,其特征在于,所述基于各所述目标本征模态分量,计算各所述目标本征模态分量分别对应的第一综合评价指标和所有目标本征模态分量对应的第二综合评价指标,包括:
5.根据权利要求1所述的太赫兹时域光谱信号去噪方法,其特征在于,所述采用优化后的变分模态分解法对所述处理后的太赫兹时域光谱信号进行分解,得...
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。