基于改進(jìn)emd的手表檢測(cè)降噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信號(hào)處理技術(shù)領(lǐng)域，特別涉及一種基于改進(jìn)EMD的手表檢測(cè)降噪方法。
【背景技術(shù)】
[0002] 當(dāng)機(jī)械手表出現(xiàn)故障時(shí)，表音信號(hào)通常表現(xiàn)為調(diào)制形式，因此解調(diào)分析是機(jī)械手 表故障診斷領(lǐng)域中的一種常用處理方法，在實(shí)踐中能夠解決很多檢測(cè)方面的問題。但是，表 音信號(hào)是一種微弱的信號(hào)，很容易受到各種噪聲信號(hào)的干擾，因此進(jìn)行解調(diào)分析之前必須 經(jīng)過降噪過程。
[0003]在目前手表檢測(cè)過程中，對(duì)表音信號(hào)降噪的處理方法主要分為兩類。第一類是采 用前置濾波電路進(jìn)行降噪，這種方法能有效地去除部分噪聲信號(hào)，但是硬件電路產(chǎn)生的干 擾信號(hào)和部分難以濾除的信號(hào)將會(huì)影響降噪效果。第二類是采用數(shù)字信號(hào)處理的方法進(jìn)行 降噪，這些方法對(duì)一些難以濾除的噪聲信號(hào)具有較強(qiáng)的降噪效果，相比采用實(shí)際電路降噪 更具優(yōu)勢(shì)。這些方法包括頻譜減法、遺傳算法和小波變換等，其中以小波變換的應(yīng)用最為廣 泛。但是，小波變換的降噪能力取決于基函數(shù)與閾值的選擇，在降噪方面具有一定的局限 性。
[0004] 經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)是一種分析非平穩(wěn)、非線性 信號(hào)的新方法，與其他時(shí)頻信處理方法相比，這種方法具有較多優(yōu)點(diǎn)，但是在處理表音信號(hào) 這種微弱信號(hào)的時(shí)候，效果不佳。本發(fā)明針對(duì)傳統(tǒng)信號(hào)降噪算法在手表檢測(cè)中存在的問題 與不足，提出了一種改進(jìn)的EMD算法，將傳統(tǒng)的EMD分解和互相關(guān)分析、小波閾值降噪相結(jié)合 來達(dá)到對(duì)表音信號(hào)降噪的目的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決現(xiàn)有方法存在的不足，提供一種基于改進(jìn)EMD的手表檢 測(cè)降噪方法，該方法能夠?qū)Ρ硪粜盘?hào)進(jìn)行有效的降噪。
[0006] 為了達(dá)到上述目的，本發(fā)明的構(gòu)思是：首先使用EMD分解得到多個(gè)本征模態(tài)函數(shù) (Intrinsic Mode Function，IMF)，利用互相關(guān)分析確定噪聲信號(hào)主要分布的IMF分量，將 分量中的表音信號(hào)和噪聲信號(hào)加以區(qū)分，然后對(duì)篩選出的幾個(gè)IMF分量進(jìn)行小波閾值降噪 處理，最后重構(gòu)信號(hào)以得到經(jīng)過降噪后的表音信號(hào)。
[0007] 根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用的技術(shù)方案為： 一種基于改進(jìn)EMD的手表檢測(cè)降噪方法，包括以下步驟： 1)利用傳聲器采集獲得表音信號(hào)。
[0008] 2)將含噪聲的信號(hào)進(jìn)行EMD分解，得到若干個(gè)IMF分量。
[0009] 3)將分解后的相鄰頂F分量進(jìn)行兩兩互相關(guān)系數(shù)計(jì)算，以找到包含大量噪聲的頂F 分量;噪聲信號(hào)和其他信號(hào)是不存在相關(guān)關(guān)系的，它們之間的互相關(guān)系數(shù)為零或者接近為 零，并且MF分量是按頻率從高到低進(jìn)行排列的，因此，當(dāng)相鄰頂F分量之間的相關(guān)系數(shù)較小 時(shí)，即認(rèn)為這兩個(gè)IMF分量中至少有一個(gè)包含大量的噪聲信號(hào)；當(dāng)相關(guān)系數(shù)較大時(shí)，認(rèn)為這 兩個(gè)IMF分量均包含極少量的噪聲信號(hào)。
[0010] 4)對(duì)篩選出的包含大量噪聲信號(hào)的IMF分量利用小波閾值進(jìn)行降噪，這里采用的 是minimaxi閾值降噪方法，當(dāng)信號(hào)中的有用成分和噪聲成分存在重疊部分的時(shí)候，利用這 種閾值選取規(guī)則能夠更加有效地把微弱的表音信號(hào)從噪聲信號(hào)中提取出來。
[0011] 這種方法很適合對(duì)表音信號(hào)進(jìn)行降噪，具體選取規(guī)則為：
其中CT為噪聲信號(hào)的標(biāo)準(zhǔn)差，n為信號(hào)在某一尺度上通過分解得到的小波系數(shù)個(gè)數(shù)，T 為閾值。
[0012] 5)最后，對(duì)經(jīng)過降噪后的信號(hào)進(jìn)行重構(gòu)，可得：
其中為第i個(gè)頂F分量，k為經(jīng)過小波閾值降噪處理的頂F分量個(gè)數(shù)，η為分解得到的 所有頂F分量個(gè)數(shù)，&為第η個(gè)頂F分量的殘余相，為經(jīng)過降噪后的信號(hào)。這樣，即可 得到經(jīng)過改進(jìn)的EMD算法降噪后的表音信號(hào)。
[0013] 本發(fā)明與現(xiàn)有技術(shù)相比有如下優(yōu)點(diǎn)： 1、本發(fā)明利用互相關(guān)分析法確定噪聲信號(hào)主要分布的MF分量，將分量中的表音信號(hào) 和噪聲信號(hào)加以區(qū)分，可以在充分保留原信號(hào)的基礎(chǔ)上消除噪聲信號(hào)。
[0014] 2、本發(fā)明針對(duì)特定頂F分量進(jìn)行小波閾值降噪處理，解決了頂F分量中噪聲信號(hào)難 以去除的問題。
【附圖說明】
[0015] 圖1是本發(fā)明實(shí)施例的方法流程圖。
[0016] 圖2是本發(fā)明實(shí)施例未經(jīng)小波閾值降噪后的前8個(gè)頂F分量示意圖。
[0017] 圖3是本發(fā)明實(shí)施例經(jīng)過小波閾值降噪后的前4個(gè)頂F分量示意圖。
[0018] 圖4是本發(fā)明實(shí)施例經(jīng)過傳統(tǒng)EMD算法降噪后的表音信號(hào)Hilbert包絡(luò)曲線結(jié)果 圖。
[0019] 圖5是本發(fā)明實(shí)施例經(jīng)過改進(jìn)算法降噪后的表音信號(hào)Hilbert包絡(luò)曲線結(jié)果圖。
【具體實(shí)施方式】
[0020]下面結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案進(jìn)行具體說明。
[0021] -種基于改進(jìn)EMD的手表檢測(cè)降噪方法，如圖1所示，具體包括以下步驟： 1)利用傳聲器采集獲得表音信號(hào)。
[0022] 2)將含噪聲的信號(hào)進(jìn)行EMD分解，得到若干個(gè)IMF分量。由于得到的最后幾個(gè)IMF分 量和殘差所包含的能量很小，對(duì)整體的影響極其微小，所以僅取前8個(gè)IMF分量進(jìn)行分析，未 經(jīng)小波閾值降噪的前8個(gè)IMF分量示意圖的如圖2所示。從圖2可以初步看出，前2個(gè)IMF分量 包含了大量噪聲成分和少量表音成分，第3、4個(gè)IMF分量則包含了大量表音成分和少量噪聲 成分，而后4個(gè)IMF分量包含的信息則相對(duì)較少。
[0023] 3)對(duì)這8個(gè)頂F分量?jī)蓛蛇M(jìn)行互相關(guān)系數(shù)計(jì)算，發(fā)現(xiàn)前5個(gè)頂F分量之間的相關(guān)系數(shù) 顯然要比后3個(gè)小。即從第5個(gè)MF分量開始，噪聲信號(hào)逐漸減少，噪聲信號(hào)和其他信號(hào)是不 存在相關(guān)關(guān)系的，它們之間的互相關(guān)系數(shù)為零或者接近為零，并且MF分量是按頻率從高到 低進(jìn)行排列的。因此，當(dāng)相鄰頂F分量之間的相關(guān)系數(shù)較小時(shí)，即可認(rèn)為這兩個(gè)頂F分量中至 少有一個(gè)包含大量的噪聲信號(hào)；當(dāng)相關(guān)系數(shù)較大時(shí)，認(rèn)為這兩個(gè)IMF分量均包含極少量的噪 聲信號(hào)。因此可以確定噪聲信號(hào)主要分布于前4個(gè)IMF分量中。
[0024] 4)對(duì)步驟3)篩選出的4個(gè)IMF分量進(jìn)行小波閾值降噪處理。這里采用的是minimaxi 閾值降噪方法，當(dāng)信號(hào)中的有用成分和噪聲成分存在重疊部分的時(shí)候，利用這種閾值選取 規(guī)則可以更加有效地把微弱的表音信號(hào)從噪聲信號(hào)中提取出來。將前4個(gè)IMF分量使用小波 函數(shù)sym5分解到第5層，并使用minimaxi閾值選取規(guī)則進(jìn)行處理，消除噪聲信號(hào)。
[0025]具體選取規(guī)則為：
其中，為噪聲信號(hào)的標(biāo)準(zhǔn)差，η為信號(hào)在某一尺度上通過分解得到的小波系數(shù)個(gè)數(shù)，T 為閾值。
[0026] 得到經(jīng)過小波閾值降噪后的前4個(gè)頂F分量的時(shí)域波形圖如圖3所示。通過對(duì)圖2中 的前4個(gè)頂F分量和圖3中的4個(gè)頂F分量的進(jìn)行比較可以發(fā)現(xiàn)，經(jīng)過小波閾值降噪后的頂F分 量在保留原信號(hào)的同時(shí)，濾除掉了大量的噪聲信號(hào)。
[0027] 5)重構(gòu)經(jīng)過降噪后的信號(hào)，可得：
其中今為第i個(gè)頂F分量，$為第13個(gè)頂F分量的殘余相，:為經(jīng)過降噪后的信號(hào)。這 樣，即可得到經(jīng)過改進(jìn)的EMD算法降噪后的表音信號(hào)。
[0028] 在得到了經(jīng)過改進(jìn)的EMD算法降噪的信號(hào)之后，下面跟傳統(tǒng)的EMD降噪方法作對(duì) 比。傳統(tǒng)的基于EMD的降噪算法就是根據(jù)經(jīng)驗(yàn)判斷噪聲位于高頻段且頂F分量是按頻率從高 到低進(jìn)行排序的，直接濾除前2個(gè)MF分量，重構(gòu)剩余的頂F分量即得到降噪后的信號(hào)，即可 得：
其中4為第i個(gè)MF分量，，為第13個(gè)頂F分量的殘余相，:為經(jīng)過降噪后的信號(hào)。這 樣，即可得到經(jīng)過改進(jìn)的EMD算法降噪后的表音信號(hào)。
[0029]利用上述兩種方法得到降噪后的表音信號(hào)的包絡(luò)曲線。如圖4,5所示分別為傳統(tǒng) EMD算法降噪后得到的包絡(luò)曲線和改進(jìn)的EMD算法降噪后得到的包絡(luò)曲線。通過圖4和圖5的 對(duì)比可以發(fā)現(xiàn)，經(jīng)過改進(jìn)的EMD算法降噪后的包絡(luò)曲線比傳統(tǒng)EMD算法降噪后的包絡(luò)曲線降 噪效果更好，在保持原信號(hào)基本不變的同時(shí)所受到的噪聲干擾影響更小，降噪效果顯著。
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)EMD的手表檢測(cè)降噪方法，其特征在于，包括w下步驟： 1) 利用傳聲器采集獲得表音信號(hào)； 2) 將含噪聲的信號(hào)進(jìn)行EMD分解，得到若干個(gè)IMF分量； 3) 將分解后的相鄰IMF分量進(jìn)行兩兩互相關(guān)系數(shù)計(jì)算，W找到包含大量噪聲的IMF分 量;噪聲信號(hào)和其他信號(hào)是不存在相關(guān)關(guān)系的，它們之間的互相關(guān)系數(shù)為零或者接近為零， 并且IMF分量是按頻率從高到低進(jìn)行排列的，因此，當(dāng)相鄰IMF分量之間的相關(guān)系數(shù)較小時(shí)， 即認(rèn)為運(yùn)兩個(gè)IMF分量中至少有一個(gè)包含大量的噪聲信號(hào)；當(dāng)相關(guān)系數(shù)較大時(shí)，認(rèn)為運(yùn)兩個(gè) IMF分量均包含極少量的噪聲信號(hào)； 4) 對(duì)篩選出的包含大量噪聲信號(hào)的IMF分量利用小波闊值進(jìn)行降噪，運(yùn)里采用的是 minimaxi闊值降噪方法，當(dāng)信號(hào)中的有用成分和噪聲成分存在重疊部分的時(shí)候，利用運(yùn)種 闊值選取規(guī)則能夠更加有效地把微弱的表音信號(hào)從噪聲信號(hào)中提取出來； 5) 最后，對(duì)經(jīng)過降噪后的信號(hào)進(jìn)行重構(gòu)：其中與為第i個(gè)IMF分量，k為經(jīng)過小波闊值降噪處理的IMF分量個(gè)數(shù)，η為分解得到的所 有IMF分量個(gè)數(shù)，攝為第η個(gè)IMF分量的殘余相，若0為經(jīng)過降噪后的信號(hào);運(yùn)樣，即得到 經(jīng)過改進(jìn)的EMD算法降噪后的表音信號(hào)。2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)EMD的手表檢測(cè)降噪方法，其特征在于，所述步驟4) 中的minimaxi闊值降噪方法，具體選取規(guī)則為：其中α:為噪聲信號(hào)的標(biāo)準(zhǔn)差，η為信號(hào)在某一尺度上通過分解得到的小波系數(shù)個(gè)數(shù)，T 為闊值。
【專利摘要】本發(fā)明公開了一種基于改進(jìn)EMD的手表檢測(cè)降噪方法，包括以下步驟：使用EMD分解得到多個(gè)IMF分量；利用互相關(guān)分析確定噪聲信號(hào)主要分布的IMF分量，將分量中的表音信號(hào)和噪聲信號(hào)加以區(qū)分；對(duì)篩選出的幾個(gè)IMF分量進(jìn)行小波閾值降噪處理；重構(gòu)信號(hào)以得到經(jīng)過降噪后的表音信號(hào)。本發(fā)明依據(jù)信號(hào)本身的局部特征能夠進(jìn)行自適應(yīng)地分解，分解得到的各個(gè)IMF分量包含原信號(hào)的局部特征信息，自適應(yīng)性很強(qiáng)。針對(duì)特定IMF分量進(jìn)行小波閾值降噪處理，解決了表音信號(hào)中噪聲難以去除的問題。本發(fā)明適用于表音信號(hào)的降噪過程，也適用于其他微弱語音信號(hào)的降噪過程。
【IPC分類】G04D7/00
【公開號(hào)】CN105573104
【申請(qǐng)?zhí)枴緾N201510941666
【發(fā)明人】鄭迪, 沈振軍
【申請(qǐng)人】上海大學(xué)
【公開日】2016年5月11日
【申請(qǐng)日】2015年12月16日