欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019102282147
申请人: 中国地质大学(武汉)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,包含如下步骤:(1)输入原始含噪信号;

(2)利用EEMD对原始含噪信号进行分解,得到一系列IMF分量和一个残差函数;

(3)计算各个IMF分量的排列熵值;

(4)计算IMF分量排列熵的二阶差分;

(5)根据IMF分量排列熵的二阶差分判断噪声IMF分量和有用信号IMF分量;

(6)利用有用信号IMF分量和残差函数进行重构,得到去噪后的信号。

2.根据权利要求1所述的基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,步骤(2)具体包含如下步骤:(21)确定总平均次数M和加入的高斯白噪声的标准差kn;其中,M为大于1的正整数,kn大于0;

(22)在原始信号x(t)中加入均值为零、标准差为kn的高斯白噪声,得到:xi(t)=x(t)+ni(t)   i=1,2…,M   (1)其中,xi(t)为第i个附加噪声信号,ni(t)为第i次加入的高斯白噪声;

(23)对各个xi(t)分别进行EMD分解,得到一系列IMF分量和1个残差函数,即:其中,J为IMF分量的数量,cij(t)为第i个附加噪声信号经EMD分解后的第j个IMF分量,ri(t)为第i个附加噪声信号经EMD分解后的残差函数;

(24)重复步骤(22)和步骤(23)M次,将上述步骤得到的对应IMF分量进行总体平均,以消除加入的高斯白噪声的影响;其中,M次重复过程中,每次加入的高斯白噪声不相同,得到最终的IMF分量和残差函数分别为:其中,cj(t)为原始信号x(t)经EEMD分解后的第j个IMF分量,r(t)为原始信号x(t)经EEMD分解后的残差函数。

3.根据权利要求1所述的基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,所述步骤(3)中,各个IMF分量的排列熵计算步骤如下:(31)对于长度为N的离散IMF分量{c(i),i=1,2,...,N}进行相空间重构,得到如下矩阵:其中,m和λ分别为嵌入维数和延迟时间;K为重构相空间中重构向量个数,K=N-(m-1)λ;

(32)将每个重构向量[c(i),c(i+λ),…,c(i+(m-1)λ)]按照升序重新排列,如下所示:c[i+(j1-1)λ]≤c[i+(j2-1)λ]≤…≤c[i+(jm-1)λ]   (5)其中,j1,j2,…,jm表示重构分量中各个元素所在列的索引;

对于任一重构向量[c(i),c(i+λ),…,c(i+(m-1)λ)],得到一组符号序列:S(g)=(j1,j2,…,jm)   (6)

其中,g=1,2,…,h,h≤m!;m个不同的符号j1,j2,…,jm共有m!种不同的符号序列,S(g)是m!种符号序列中的一种;

(33)计算每一种符号序列出现的概率p1,p2,…,ph,得到IMF分量{c(i),i=1,2,...,N}的排列熵为:(34)当pg=1/m!时,Hp(m)达到最大值,将Hp(m)进行归一化处理,即:Hp=Hp(m)/ln(m!)   (8)

其中,Hp的取值范围为[0,1],值的大小表示时间序列的随机性程度,Hp值越大,表示序列随机性越强;Hp值越小,则时间序列越规则。

4.根据权利要求4所述的基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,步骤(32)中,如果存在c[i+(jp-1)λ]=c[i+(jq-1)λ],则按照j的值的大小进行排序,即当jp<jq,则c[i+(jp-1)λ]<c[i+(jq-1)λ]。

5.根据权利要求1所述的基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,所述步骤(4)中,IMF分量排列熵的二阶差分的计算方法如下:(41)假定第j个IMF分量的排列熵为Hj,则Hj的一阶差分为:H'j=Hj-Hj+1   1≤j≤J-1   (9)(42)由H'j得到Hj的二阶差分为:

H”j=H'j-H'j+1   1≤j≤J-2   (10)其中,J表示IMF分量的数量。

6.根据权利要求1所述的一种基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,所述步骤(5)中,判断噪声IMF分量和有用信号IMF分量的步骤如下:(51)选取IMF分量排列熵的二阶差分的最大值,得到其对应的IMF阶数:jmax=argmax(H”j)   1≤j≤J-2   (11)(52)由步骤(51)确定噪声IMF分量为 有用信号IMF分量为其中,cj(t)为原始信号x(t)经EEMD分解后的第j个IMF分量表示。

7.根据权利要求1所述的基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,所述步骤(6)中,信号重构如下:其中,x1(t)为去噪后的信号,r(t)为原始信号x(t)经EEMD分解后的残差函数。

8.根据权利要求2所述的基于EEMD和排列熵二阶差分的信号去噪方法,其特征在于,步骤(2)中,kn的取值范围为0.1~0.4。

9.一种基于EEMD和排列熵二阶差分的信号去噪装置,其特征在于,具有计算机存储介质,用于存储计算机指令,所述计算机指令用于实现如权利要求1-8任一项所述的基于EEMD和排列熵二阶差分的信号去噪方法。