专利交易市场

本发明公开了一种基于WOA‑VMD算法的信号去噪方法，具体为：根据鲸鱼优化算法分别建立目标包围、发泡网攻击以及猎物搜寻的数学模型，然后进行初始化参数，在取值范围内初始化鲸鱼的位置向量，根据位置向量对原始振动信号进行VMD分解，然后计算每个鲸鱼位置下的平均包络熵；更新最小平均包络熵，即获得当前群体中最佳个体的位置更新当前鲸群个体的空间位置；输出最佳鲸鱼个体的位置向量，即得VMD的分解参数组合；根据所得到的分解参数组合对信号进行VMD分解，将分解出IMF分量相加得到重构信号，即得去噪后的信号。本发明解决了现有技术中存在的原始VMD算法的分解参数需要根据经验进行人工确定，导致无法得到最优分解结果，从而影响信号的去噪效果的问题。

本发明公开一种基于独立性的振动信号去噪方法及系统。方法包括：获取信号的相位标记起始点位置和标记长度参数；根据基准信号、相位标记起始点位置创建基准数据；根据比对信号、相位标记起始点位置和标记长度参数创建移相数据集；对基准数据和移相数据集中的数据分别采用独立成分分析法进行处理，得到过程分离信号；获取过程分离信号的相位标记因子矩阵；根据相位标记因子矩阵的异常值信息确定相位信息；根据相位信息调整比对信号相位，与基准信号共同构造得到调整数据集；对调整数据集采用独立成分分析法进行处理，得到最终分离信号；根据最终分离信号的时频特征确定去噪信号。采用本发明能够有效去除振动信号噪声，实现振动信号的特征提取。

本发明涉及卡尔曼滤波和Visushrink阈值处理的陀螺信号去噪方法，包括建立陀螺仪信号的时间序列模型；采用自适应抗野值卡尔曼滤波对陀螺仪信号去噪；利用小波分析，分别对卡尔曼滤波后的陀螺仪信号的低频分量、高频分量进行Visushrink阈值处理；对阈值处理后的陀螺仪信号的高频和低频信号进行小波重构。本发明为陀螺仪信号提供一种融合卡尔曼滤波和小波的自适应抗野值去噪方案，可以更有效的提高传感器的精度，减少误差。

本发明公开了一种基于改进小波阈值函数的雨声信号去噪方法，该方法通过将含噪信号进行若干层小波分解，得到每层小波分解系数，然后对高频小波系数应用改进的阈值函数进行处理，将得到的处理后的新高频小波系数与低频小波系数进行小波重构，从而得到降噪信号。在进行小波分解时，依据信噪比和均方根误差作为评判指标，确定最优小波基及其分解层数。本发明利用指数型与对数型函数的衰减特性，提出一种基于改进小波阈值函数的信号降噪方法，该方法既达到信号去噪的效果，又避免了对信号的过度处理问题，并且相较传统方法，本发明方案处理信号的平滑度更好，降噪效果更好，对于获取纯净的雨声信号以实现环境雨情的监测提供了新的思路与保障。

本发明公开了一种基于混沌振子的信号去噪方法，步骤包括：将待处理的一维数字信号输入特定的混沌振子系统中，通过定步长四阶龙格库塔法求解微分方程；输出求解出的信号为信号去噪的输出信号。本发明方法有比现有主流信号去噪方法更好的还原信号波形的能力，且运算速度很快，适用于实时信号处理，可以广泛应用于一维数字信号去噪中。

本发明提供一种基于分类匹配和分数阶扩散的心电信号去噪方法，包括以下步骤：S1.输入待处理的心电信号；S2.对心电信号进行滑动分类匹配，提取每个参考信号片段的相似数据矩阵；S3.通过变换系数的收缩对每个相似数据矩阵进行去噪；S4.将各去噪后相似数据矩阵中的信号片段返回原始位置，通过加权求和获得初步估计信号；S5.将获得的初步估计信号通过分数阶扩散进一步去噪，获得最终的去噪后的心电信号。本发明能够在去除心电信号高频噪声的同时，进一步去除心电信号中的同频段低频噪声，并保护心电信号中的细节特征信息。