[发明专利]一种用于含噪ENPEMF信号的镜像累加NNMP-SST时频分析方法

说明书

本发明提供了一种用于含噪ENPEMF信号的镜像累加NNMP‑SST时频分析方法，包括步骤：对含噪ENPEMF信号进行累加并镜像优化；镜像优化后的待处理信号经稀疏分解得到分量信号IMF₁和IMF₂后将其组合得到组合后的信号矩阵；初始化信号矩阵的可信度系数和归一化系数；求出初始化后的信号矩阵的分量幅值；确定初始化后的信号矩阵的第i行分量幅值的最大值并确定第i行所有可信度系数等级，然后对初始化后的信号矩阵的第i行分量幅值相应进行归一化得到第i行优化矩阵；判断第i行是否为最后一行；若是，则得到优化信号矩阵；若不是，则i＝i+1并回到确定初始化后的信号矩阵的第i行分量幅值的最大值重新执行后续步骤。本发明可以得到较理想的信号时频联合分布图。

技术领域

本发明涉及非平稳数据的时频分析处理领域，具体涉及一种用于含噪ENPEMF信号的镜像累加NNMP-SST时频分析方法。

背景技术

NMP-SST算法作为时频分析方法的主要优点表现在四个方面：对窗函数的依赖性小、时频图中频率分量曲线聚集度高、对输入信号的频率宽度和幅度范围有较好的适应性、具有较好的抗噪声性能。但是，NMP-SST算法存在高频损失问题和交叉点频率模糊问题。

发明内容

本发明提供了一种用于含噪ENPEMF信号的镜像累加NNMP-SST时频分析方法，可以有效解决上述问题。

本发明提供的技术方案是：一种用于含噪ENPEMF信号的镜像累加NNMP-SST时频分析方法，所述方法包括步骤：步骤1：对含噪ENPEMF信号进行累加得到待处理信号；步骤2：对所述待处理信号进行镜像优化得到镜像优化后的待处理信号；步骤3：对所述镜像优化后的待处理信号进行稀疏分解得到分量信号IMF₁和IMF₂；步骤4：将所述IMF₁和IMF₂组合得到组合后的信号矩阵x’_a；步骤5：初始化信号矩阵x’_a的可信度系数和归一化系数得到初始化后的信号矩阵x_a；步骤6：求出初始化后的信号矩阵x_a的分量幅值；步骤7：确定初始化后的信号矩阵x_a的第i行分量幅值的最大值；步骤8：根据所述第i行分量幅值的最大值确定第i行所有可信度系数等级；步骤9：根据可信度系数等级对所述初始化后的信号矩阵x_a的第i行分量幅值相应进行归一化得到第i行优化矩阵；步骤10：判断第i行是否为最后一行；步骤11：若是，则得到优化信号矩阵；步骤12：若不是，则i＝i+1并回到步骤7。

本发明的有益效果是：本发明提供了一种用于含噪ENPEMF信号的镜像累加NNMP-SST时频分析方法，通过在传统NMP-SST算法中加入镜像累加和归一化，可以改善信号高频分量的时频表示，一定程度上提高了信号交叉点的频率清晰度，抑制有限长信号的端点扰动效应带来的频率发散，从而得到较理想的信号时频联合分布图。

附图说明

图1是本发明实施例中用于含噪ENPEMF信号的镜像累加NNMP-SST时频分析方法的整体流程图；

图2是本发明实施例对含噪ENPEMF信号进行累加得到待处理信号流程示意图；

图3是本发明实施例中多种信号进行NMP-SST和镜像累加NNMP-SST效果对比图；

图4是本发明实施例中不同信噪比下经镜像处理后的信号NMP-SST时频二维图；

图5是本发明实施例中对线性调频信号进行NNMP-SST算法处理后的时频分布图；

图6是本发明实施例中不同时段芦山地震期间的ENPEMF信号时频二维分布图。

具体实施方式