[发明专利]一种融合小波和峭度的脉冲信号去噪方法

说明书

本发明公开了一种融合小波和峭度的脉冲信号去噪方法，包括：S1对原始采样脉冲信号进行离散小波分解得到各层细节系数和近似系数；S2分别计算各层细节系数和近似系数中各系数的峭度；S3将峭度小于预设阈值的系数识别为噪声对应系数并进行置零，得到处理后的各层细节系数和近似系数；S4利用处理后各层细节系数和近似系数重构得到去噪脉冲信号。本发明利用噪声与脉冲的幅值分布差异，采用峭度区分小波分解得到的系数中的噪声对应系数和脉冲对应系数，可以实现变噪声环境及小幅值脉冲信号的去噪。

技术领域

本发明属于信号处理技术领域，特别涉及一种融合小波和峭度的脉冲信号去噪方法。

背景技术

脉冲分析广泛应用于在人体声电信号检测、电力设备状态监测等人和物的健康状态监测领域，但监测环境中存在大量噪声，特别是背景白噪声普遍存在。小波阈值去噪是一种有效的高斯白噪声抑制技术，在白噪声抑制方面应用广泛，但阈值去噪不可避免将幅值小于阈值的脉冲信号作为噪声去除，从而将小幅值脉冲遗漏。此外，实际监测信号中现场背景噪声来源众多，噪声存在时变特性，小波分解后各层的噪声水平存在随时间变化的情况，因此当前采用特定阈值对分解系数进行处理的方式在变噪声环境下的去噪效果并不理想。因此，当前小波去噪无法实现变噪声环境下脉冲信号的有效去噪以及小幅值脉冲信号的去噪。

发明内容

本发明旨在克服现有小波去噪技术在变噪声环境及小幅值脉冲信号去噪方面存在的缺点与不足，综合利用小波分解的频域增强作用，即可以提高脉冲信号在小波分解得到的部分分层中的信噪比，以及脉冲信号与白噪声幅值分布统计特性的差异，融合应用小波和峭度实现从小波分解的系数中快速识别噪声对应系数，避免传统小波阈值去噪法在变噪声环境及小幅值脉冲去噪中存在的问题，并提供一种有效的脉冲信号去噪方法，解决人机物在线监测在现场复杂噪声环境中的噪声抑制难题。

本发明的目的通过下述技术方案实现。

一种融合小波和峭度的脉冲信号去噪方法，包括：

步骤S1：对原始采样脉冲信号进行离散小波分解得到各层细节系数和近似系数；

步骤S2：对各层细节系数和近似系数进行边界延拓，得到新的各层细节系数和近似系数；

步骤S3：利用滑动窗分别计算新的各层细节系数和近似系数中各系数的峭度；

步骤S4：将峭度小于预设阈值的系数识别为噪声对应系数并进行置零，得到处理后的各层细节系数和近似系数；

步骤S5：利用处理后的各层细节系数和近似系数重构得到去噪脉冲信号。

进一步地，所述边界延拓采用镜像延拓法，延拓长度为步骤S3中滑动窗宽度的一半，滑动窗宽度根据细节系数或近似系数内信号频段大小确定，滑动窗宽度对应脉冲信号半波长度。

进一步地，所述的离散小波分解为二进小波分解，步骤S3中各系数的峭度的计算公式为：

其中， x_i( i=1,2,…, N)为以待计算峭度的系数为中心的滑动窗内信号序列， N为滑动窗宽度，是滑动窗内信号序列的平均值，为滑动窗内信号序列的标准差；