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: 2023105644875
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
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:

1.一种二维VMD与DT-CWT结合的探地雷达信号去噪方法,其特征在于,包括以下步骤:a、获取原始探地雷达数据,将M道时间采样点数为N的原始二维数据表示为s(x,t),其中,x表示水平方向,t表示时间方向,第i(i=1,…,M)道时间采样序列可以记为s(xi,t),第j(j=1,…,N)个时间样点上的空间采样序列记为s(x,tj);

b、对时间维度,进行第一维VMD,初始化VMD算法的分解模态数K和惩罚因子α,循环道,对原始数据s(x,t)的每一道s(xi,t)进行时间维度的一维VMD分解,得到每一道信号的各阶固有模态(IMF)分量,完成所有道的一维VMD分解,得到所有道的各阶IMF分量,记为imf1;

c、分别计算imf1的各IMF分量与原始数据的相关系数,记第k(k=1,2,…,K)个IMF分量的互相关系数为Rk,其中最大的互相关系数为Rmax,定义Rk<Rmax/10的IMF分量为噪声,Rk>Rmax/10的IMF分量为有效信号,筛选有效信号对应的IMF分量,并进行信号重构得到二维数据s1(x,t);

d、对空间维度,进行第二维VMD,类似步骤b,初始化VMD算法的分解模态数K'和惩罚因子α',循环时间采样点,对s1(x,t)的每个时间采样点s(x,tj)进行空间维度的一维VMD分解,得到每一个时间空间采样信号的各阶IMF分量,完成所有时间采样点的一维VMD分解,得到所有时间采样点的各阶IMF分量,记为imf2;

e、分别计算imf2的各阶IMF分量与原始数据的相关系数,记第m(m=1,2,…,K')个IMF分量的互相关系数为Rm,其中最大的互相关系数为R'max,类似步骤c,定义Rm<R'max/10的IMF分量为噪声,Rm>R'max/10的IMF分量为有效信号,筛选有效信号对应的IMF分量,并进行信号重构得到二维数据s2(x,t);

f、采用双树复小波变换(DT-CWT),对重构数据s2(x,t)进行阈值去噪处理,得到降噪后的数据s3(x,t)。

2.根据权利要求1所述的一种二维VMD与DT-CWT结合的探地雷达信号去噪方法,其特征在于,步骤b,对原始数据s(x,t)的每一道进行时间维度上的一维VMD,其中第i道s(xi,t)的VMD分解具体包括以下步骤:b1、建立变分模态分解约束方程

式中,uk为第k个IMF分量,ωk为uk的中心频率,K为模态数,j(j2=-1)为虚数单位,∑uk=s(xi,t)为约束条件,即保证VMD分解后的所有模态分量之和为原信号;

表示由uk和它的希尔变换构成的复解析信号,δ(t)为Dirac脉冲函数;*代表卷积,对复解析信号乘上项可将每个模态分量频谱调整至其对应的基带,并通过计算解调的梯度L2范数平方来估计每个模态分量uk的带宽;

b2、为找出约束变分问题的最优解,引入朗格朗日乘法算子λ(t)和二阶惩罚因子α,将约束变分问题(1)式转化为非约束问题,其拉格朗日扩展表达式为:拉格朗日乘子λ(t)可以保证保持约束条件的严格性,二阶惩罚因子α可以保证高斯噪声环境下信号重构的准确性;

b3、利用交替方向乘子法(ADMM)连续更新各模态分量及其中心频率,最终得到无约束模型的鞍点,即原问题的最佳解,结合Parseval Fourier等距变换原理,第k阶IMF分量的第n+1次频率域ADMM迭代格式为:其中ω表示频率,分别为s(xi,t),λ(t)的Fourier变换;τ为噪声容限参数,设置收敛误差ε,初始化根据迭代格式(3)~(5)式迭代更新ωk,直至满足如下迭代收敛条件时,停止迭代,输出相应的第k阶IMF分量ωk;

3.根据权利要求1所述的一种二维VMD与DT-CWT结合的探地雷达信号去噪方法,其特征在于,步骤f,采用对偶双树复小波变换对二维VMD去噪后的重构数据进行进一步的去噪处理,具体步骤如下:f1、构造一维对偶双树复小波函数,设双树复小波由两个平行的小波树A和B,分别构成其实部和虚部,树A对应的尺度函数和小波函数ψh(t),树B对应的尺度函数和小波函数ψg(t),构造复小波ψ(t)=ψh(t)+jψg(t) (7)

为使其频谱具有单边性,需要小波函数ψh(t)和ψg(t)互为Hilbert变换对,即满足ψg(t)=H{ψh(t)} (8)

其中,H{·}表示Hilbert变换,

f2、构造对偶双树复小波滤波器,设h0(n)和h1(n)分别为实部树A对应的低通和高通滤波器,g0(n)和g1(n)分别为虚部树B对应的低通和高通滤波器,树A和树B的低通滤波器之间需要有半个采样的延迟,即g0(n)=h0(n-0.5) (9)

相应地,频率域中满足

式中,G0(ω)和H0(ω)分别为g0(n)和h0(n)的Fourier变换,其是两个共轭正交的低通滤波器组,公式(10)被称为半帧移条件,该条件相当于在每个尺度对低通信号的采样提高了到原采样2倍;

f3、设置分解层数,对经VMD去噪后的重构数据s2(x,t)进行二维双树复小波变换,二维双树复小波变换是通过一维双树复小波的张量积得到的,分解相当于对二维数据的行和列分别进行一维双树复小波变换,即对s2(x,t)级联进行时间维度和空间维度的一维双树复小波变换;

f4、小波系数阈值处理,设置阈值T,选取阈值函数,对每一层的小波系数进行小波软阈值去噪,将绝对值大于阈值T的小波系数减去T,将绝对值小于阈值T的小波系数进行置零处理,软阈值函数表示为:阈值T为

du,v表示第u层的第v个小波系数,V为第u层的小波系数个数;为处理后的小波系数,噪声标准差σ可以用经验公式估计,即f5、数据重构,对处理后的低频小波系数和高频小波系数进行二维双树复小波逆变换,得到去噪后的数据s3(x,t)。