[发明专利]一种识别数据中的背景噪音与信号的方法

摘要

本发明提供一种识别数据中的背景噪音与信号的方法，包括：对原始数据以分数采样间隔进行重采样和线性插值，获得数据序列组；利用经验模分解方法分解数据序列组中的每个数据序列得到本征模函数；利用希尔伯特-黄变换计算得到每个本征模函数的谱函数，根据谱函数获得加权平均频率，以及通过原始数据的加权平均频率正则化的加权平均频率；通过分析正则化的加权平均频率随分数采样间隔参数的变化特征，确定本征模函数是否符合零假定，进而判断出该原始数据是信号还是噪声。本发明建立了具有自适应特征的背景噪音零假定，不需要事先假设数据的背景噪音的统计特征或函数形式，也不需要事先假设数据是线性的或者平稳的，即可实现噪音与信号的判断。

主权项

1.一种识别数据中的背景噪音与信号的方法，其特征在于，所述识别数据中的背景噪音与信号的方法包括：步骤一，对原始数据以分数采样间隔dΔt进行重采样获得重新采样原数据，Δt为原始数据的采样间隔，1≤d<2；步骤二，利用分数采样间隔dΔt线性插值所述重新采样原数据，获得具有不同采样间隔大小的数据序列组X(t,D)，D={d|1≤d<2}，t为时间；步骤三，利用经验模分解方法分别分解数据序列组X(t,D)中的每个数据序列X(t,d)，得到本征模函数Ck(t,d)，k=1,2,…,K，其中K为本征模函数的个数；步骤四，利用希尔伯特-黄变换计算得到每个本征模函数C_k(t,d)的谱函数，根据谱函数计算获得加权平均频率以及通过原始数据的加权平均频率正则化的加权平均频率步骤五，通过分析正则化的加权平均频率随分数采样间隔参数d的变化特征，确定所述本征模函数是否符合零假定，如果符合，则表示所述本征模函数具有显著的噪音特征；如果不符合，则表示所述本征模函数是一个可能的周期性变化的物理信号；所述零假定的内容为：如果一个时间序列只包含噪音过程，那么由该时间序列经过分数采样率重采样以及经验模分解方法分解后获得的每组本征模函数的正则化的加权平均频率随着重采样率的增加而减小。