[发明专利]一种ENPEMF信号的NMP倒谱SST时频方法

说明书

技术领域

本发明涉及非平稳数据的时频分析处理领域，具体涉及一种ENPEMF(地球天然脉冲电磁场)信号的NMP倒谱SST时频方法。

背景技术

地球天然脉冲电磁场信号是一种典型的非平稳信号，而且由于它的场源比较复杂，所以它含有较多的噪声。因此，如何降低ENPEMF信号数据处理中噪声的巨大影响、提高时频分布的准确性，就成为亟待解决的问题。

发明内容

本发明提供了一种ENPEMF信号的NMP倒谱SST时频方法，通过将倒谱SST算法与NMP算法相结合，从而有效解决上述问题。

本发明提供的技术方案是：一种ENPEMF信号的NMP倒谱SST时频方法，所述方法包括步骤：通过NMP算法对ENPEMF信号进行稀疏分解，得到ENPEMF信号的IMF分量；将IMF分量相加得到ENPEMF信号的稀疏表达式；通过倒谱SST算法对所述ENPEMF信号的稀疏表达式进行计算得到时间-频率-能量分布图。

本发明的有益效果是：本发明提供了一种ENPEMF信号的NMP倒谱SST时频方法，通过将倒谱SST算法与NMP算法相结合，降低了处理ENPEMF信号时的噪声干扰，增强了处理ENPEMF信号时的鲁棒性，解决了ENPEMF信号数据处理中受噪声影响大、时频分布不准确的问题。

附图说明

图1是本发明实施例中ENPEMF信号的NMP倒谱SST时频方法的整体流程图；

图2是本发明实施例中使用NMP倒谱SST方法与倒谱SST方法处理线性调频信号结果对比图；

图3是本发明实施例中NMP处理线性调频信号得到IMF分量进而得到信号的稀疏表示重建信号示意图；

图4是本发明实施例中采用NMP倒谱SST与倒谱SST处理双线性调频分量信号示意图；

图5是本发明实施例中NMP处理双线性调频分量信号得到IMF分量进而得到信号的稀疏表示重建信号示意图；

图6是本发明实施例中多种算法的抗噪声性能对比图；

图7是本发明实施例中不同信噪比下CM值的对比图；

图8是本发明实施例中NMP倒谱SST算法对2013年4月17-19日庐山地震期间的ENPEMF信号进行处理的时频-能量图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述，下文中提到的具体技术细节，如：方法，设备等，仅为使读者更好的理解技术方案，并不代表本发明仅局限于以下技术细节。

本发明的实施例提供了一种ENPEMF信号的NMP倒谱SST时频方法，通过将倒谱SST算法与NMP算法相结合，解决了ENPEMF信号数据处理中受噪声影响大、时频分布不准确的问题。请参阅图1，图1是本发明实施例中ENPEMF信号的NMP倒谱SST时频方法的整体流程图，具体步骤包括：

S101：通过NMP算法对ENPEMF信号进行稀疏分解，得到ENPEMF信号的IMF分量。所述通过NMP算法对ENPEMF信号进行稀疏分解，增强了所述时频方法的鲁棒性。

S102：将IMF分量相加得到ENPEMF信号的稀疏表达式。

S103：通过倒谱SST算法对所述ENPEMF信号的稀疏表达式进行计算得到时间-频率-能量分布图，降低了ENPEMF信号中的噪声。具体地：降低含噪ENPEMF信号在扫频时产生的虚假分离。

参见图2，图2是本发明实施例中使用NMP倒谱SST方法与倒谱SST方法处理线性调频信号结果对比图，其中：仿真信号sig₁(t)：sig₁(t)＝(1+2sin(2t))cos(8πt+2.2t²)，SNR＝0。201表示NMP倒谱SST方法产生的频率曲线，202表示NMP倒谱SST方法中实际的频率曲线，203表示倒谱SST方法产生的频率曲线，204表示倒谱SST方法中实际的频率曲线，205表示噪声信号频率分量，纵轴为频率轴，横轴为时间轴。由图中可见，通过倒谱SST得到的频率曲线与信号的实际频率曲线相比，多了大量噪声信号的频率分量，这样会对研究信号的时频分布产生影响。通过NMP倒谱SST处理得到的时频分布可以明显分辨出信号的主要频率，在时频分布图中基本没有噪声的频率分量，这为之后对信号进行时频分析提供了有利的条件。