搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

脉冲星信号的经验模态分解模态单元比例萎缩消噪算法

王文波 张晓东 汪祥莉

引用本文:
Citation:

脉冲星信号的经验模态分解模态单元比例萎缩消噪算法

王文波, 张晓东, 汪祥莉

Pulsar signal denoising method based on empirical mode decomposition mode cell proportion shrinking

Wang Wen-Bo, Zhang Xiao-Dong, Wang Xiang-Li
PDF
导出引用
  • 针对脉冲星信号的消噪问题, 提出了一种基于模态单元比例萎缩的经验模态分解(EMD)消噪方法. 利用经验模态分解将含噪脉冲星信号分解为一组内蕴模态函数(IMF), 将IMF中两个过零点间的部分定义为模态单元, 以模态单元为基本单位构造最优比例萎缩因子, 对IMF中的每个模态单元进行比例萎缩去噪, 进而建立基于模态单元比例萎缩的脉冲星信号滤波模型.对含噪脉冲星信号进行了消噪实验分析, 实验结果表明, 与小波硬阈值消噪法、比例萎缩小波消噪法和基于模态单元阈值的EMD消噪法相比, 该方法可以更有效地去除脉冲星信号中的噪声, 同时更好地保留了原信号中的有用细节信息.
    In order to improve the denoising quality of the pulsar signal, an empirical mode decomposing method (EMD) of pulsar signal denoising based on mode cell proportion shrinking is proposed. Firstly, the pulsar signal is decomposed into a series of intrinsic mode functions (IMF), and the part between the two adjacent zero-crossing within IMF is defined as a mode cell. Then, the optimal proportional shrinking factor is constructed by treating mode cell as the basic unit of analysis. Finally, the all mode cells within IMF are denoised by proportion shrinking, and the mode cell proportion shrinking denoising model is established. The experimental results show that compared with the two EMD denoising algorithms based on coefficient threshold and mode cell threshold, the proposed method can more effectively remove the pulsar signal noise, with better preserving the useful detail information in the original signal.
    • 基金项目: 国家自然科学基金(批准号: 41071270, 11201354)、测绘遥感信息工程国家重点实验室开放基金(批准号: 11R01)、遥感科学国家重点实验室开放基金(批准号: OFSLRSS201209)、中央高校基本科研业务费专项基金(批准号: 2012-IV-043)、湖北省自然科学基金(批准号: 2010CDB03305)和武汉市晨光计划(批准号: 201150431096)资助的课题.
    • Funds: Project supported by the National Natural Science Foundation of China (Grant Nos. 41071270, 11201354), the Open Fund of State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing of China (Grant No. 11R01), the Open Fund of State Key Laboratory of Remote Sensing Science of China (Grant No. OFSLRSS201209), the Central University Basic Research Fund of China (Grant No. 2012-IV-043), Natural Science Foundation of Hunan Province, China (Grant Nos. 2010CDB03305) and the Chenguang Foundation of Wuhan City, China (Grant Nos. 201150431096).
    [1]

    Taylor J H 1991 Proc. IEEE 79 1054

    [2]

    Xie Q, Xu L P, Zhang H, Luo N 2012 Acta Phys. Sin. 61 119701 (in Chinese) [谢强, 许录平, 张华, 罗楠 2012 物理学报 61 119701]

    [3]

    Sheikh S I, Pines D J, Ray P S, Wood K S, Michael N L, Wolff M T 2006 J. Guidance, Control and Dynamics 29 49

    [4]

    Zhu J, Li P Y 2008 Chin Phys. B 17 356

    [5]

    Zhao B S, Hu H J, Sheng L Z, Yan Q R 2011 Acta Phys. Sin. 60 029701 (in chinese) [赵宝升, 胡慧君, 盛立志, 鄢秋荣 2011 物理学报 60 029701]

    [6]

    Hu H J, Zhao B S, Sheng L Z, Yan Q R, Yang H, Chen B M 2011 Sci. Sin. Phys. Mech. & Astron. 41 1015 (in chinese) [胡慧君, 赵宝升, 盛立志, 鄢秋荣, 杨颢, 陈宝梅 2011 中国科学: 物理学、 力学、天文学 41 1015]

    [7]

    Yan D, Xu L P, Xie Z H 2007 J. Xi'an Jiaotong Univ. 41 1193 (in chinese) [阎迪, 徐录平, 谢振华 2007 西安交通 大学学报 41 1193]

    [8]

    Gao G R, Liu Y P, Pan Q 2012 Acta Phys. Sin. 61 139701 (in Chinese) [高国荣, 刘艳萍, 潘琼 2012 物理学报 61 139701]

    [9]

    Zhang H, Xu L P, Xie Q, Luo N 2011 Acta Phys. Sin. 60 049701 (in Chinese) [张华, 许录平, 谢强, 罗楠 2011 物理学报 60 049701]

    [10]

    Li Y Q, Li P, Yan X P, Chen H M 2008 Transactions of Beijing Institute of Technology 28 723 (in chinese) [李月琴, 粟苹, 闫晓鹏, 陈慧敏 2008 北京理工大学学报 28 723]

    [11]

    Zhang H, Chen X H, Yang H Y 2011 OGP 46 70 (in Chinese) [张华, 陈小宏, 杨海燕 2011 石油地球物理勘探 46 70]

    [12]

    Huang N E, Shen Z, Long S R, Wu M C, Shih H H, Zheng Q, Yen N C, Tung C C, Liu H H 1998 Proc. of the Royal Society of London A 454 903

    [13]

    Flandrin P, Paulo G 2004 Int. J. Wavel. Multiresol. Inform. Proc. 2 1

    [14]

    Gao X Q, Dong W J, Gong Z Q, Zou M W 2005 Acta Phys. Sin. 54 3948 (in Chinese) [高新全, 董文杰, 龚志强, 邹明玮 2005 物理学报 54 3948]

    [15]

    Boudraa A, Cexus J 2007 IEEE Trans. Instrum. Measur. 56 2196

    [16]

    Olufemi A, Vladimir A, Auroop R 2011 IEEE Sens. J. 11 2565

    [17]

    Kopsinis K, Mclaughlin S 2009 IEEE Trans. Signal Proc. 57 1351

    [18]

    Wu Y F, Qiu Y, Yang Y F, Ren X M 2010 Acta Phys. Sin. 59 3778 (in Chinese) [吴亚锋, 裘炎, 杨永锋, 任兴民 2010 物理学报 59 3778]

    [19]

    Qu C S, Lu T Z, Tan Y 2010 Acta Autom. Sin. 36 67 (in Chinese) [曲从善, 路廷镇, 谭营 2010 自动化学报 36 67]

    [20]

    Jenet F A, Anderson S B 1998 Publica. Astrono. Soc. Pacific 100 1467

    [21]

    Wu Z H, Norden E H 2004 Proc. R. Soc. Lond. A 460 1597

    [22]

    Sheng Z, Xie S Q, Pan C Y 2006 Probability Theory and Mathematical Statistics (Beijing: Higher Education Press) p350 (in Chinese) [盛 骤, 谢式千, 潘承毅 2006 概率论与数理统计(北京: 高等教育出版社) 第350页]

    [23]

    Chang S, Yu B, Vetterli M 2000 IEEE Ttrans. Image Proc. 9 1532

    [24]

    Marian K 2003 IEEE Signal Proc. Lett. 10 324

    [25]

    Donoho D L, Johnstone I M 1995 J. Am. Statist. Association 90 1200

  • [1]

    Taylor J H 1991 Proc. IEEE 79 1054

    [2]

    Xie Q, Xu L P, Zhang H, Luo N 2012 Acta Phys. Sin. 61 119701 (in Chinese) [谢强, 许录平, 张华, 罗楠 2012 物理学报 61 119701]

    [3]

    Sheikh S I, Pines D J, Ray P S, Wood K S, Michael N L, Wolff M T 2006 J. Guidance, Control and Dynamics 29 49

    [4]

    Zhu J, Li P Y 2008 Chin Phys. B 17 356

    [5]

    Zhao B S, Hu H J, Sheng L Z, Yan Q R 2011 Acta Phys. Sin. 60 029701 (in chinese) [赵宝升, 胡慧君, 盛立志, 鄢秋荣 2011 物理学报 60 029701]

    [6]

    Hu H J, Zhao B S, Sheng L Z, Yan Q R, Yang H, Chen B M 2011 Sci. Sin. Phys. Mech. & Astron. 41 1015 (in chinese) [胡慧君, 赵宝升, 盛立志, 鄢秋荣, 杨颢, 陈宝梅 2011 中国科学: 物理学、 力学、天文学 41 1015]

    [7]

    Yan D, Xu L P, Xie Z H 2007 J. Xi'an Jiaotong Univ. 41 1193 (in chinese) [阎迪, 徐录平, 谢振华 2007 西安交通 大学学报 41 1193]

    [8]

    Gao G R, Liu Y P, Pan Q 2012 Acta Phys. Sin. 61 139701 (in Chinese) [高国荣, 刘艳萍, 潘琼 2012 物理学报 61 139701]

    [9]

    Zhang H, Xu L P, Xie Q, Luo N 2011 Acta Phys. Sin. 60 049701 (in Chinese) [张华, 许录平, 谢强, 罗楠 2011 物理学报 60 049701]

    [10]

    Li Y Q, Li P, Yan X P, Chen H M 2008 Transactions of Beijing Institute of Technology 28 723 (in chinese) [李月琴, 粟苹, 闫晓鹏, 陈慧敏 2008 北京理工大学学报 28 723]

    [11]

    Zhang H, Chen X H, Yang H Y 2011 OGP 46 70 (in Chinese) [张华, 陈小宏, 杨海燕 2011 石油地球物理勘探 46 70]

    [12]

    Huang N E, Shen Z, Long S R, Wu M C, Shih H H, Zheng Q, Yen N C, Tung C C, Liu H H 1998 Proc. of the Royal Society of London A 454 903

    [13]

    Flandrin P, Paulo G 2004 Int. J. Wavel. Multiresol. Inform. Proc. 2 1

    [14]

    Gao X Q, Dong W J, Gong Z Q, Zou M W 2005 Acta Phys. Sin. 54 3948 (in Chinese) [高新全, 董文杰, 龚志强, 邹明玮 2005 物理学报 54 3948]

    [15]

    Boudraa A, Cexus J 2007 IEEE Trans. Instrum. Measur. 56 2196

    [16]

    Olufemi A, Vladimir A, Auroop R 2011 IEEE Sens. J. 11 2565

    [17]

    Kopsinis K, Mclaughlin S 2009 IEEE Trans. Signal Proc. 57 1351

    [18]

    Wu Y F, Qiu Y, Yang Y F, Ren X M 2010 Acta Phys. Sin. 59 3778 (in Chinese) [吴亚锋, 裘炎, 杨永锋, 任兴民 2010 物理学报 59 3778]

    [19]

    Qu C S, Lu T Z, Tan Y 2010 Acta Autom. Sin. 36 67 (in Chinese) [曲从善, 路廷镇, 谭营 2010 自动化学报 36 67]

    [20]

    Jenet F A, Anderson S B 1998 Publica. Astrono. Soc. Pacific 100 1467

    [21]

    Wu Z H, Norden E H 2004 Proc. R. Soc. Lond. A 460 1597

    [22]

    Sheng Z, Xie S Q, Pan C Y 2006 Probability Theory and Mathematical Statistics (Beijing: Higher Education Press) p350 (in Chinese) [盛 骤, 谢式千, 潘承毅 2006 概率论与数理统计(北京: 高等教育出版社) 第350页]

    [23]

    Chang S, Yu B, Vetterli M 2000 IEEE Ttrans. Image Proc. 9 1532

    [24]

    Marian K 2003 IEEE Signal Proc. Lett. 10 324

    [25]

    Donoho D L, Johnstone I M 1995 J. Am. Statist. Association 90 1200

  • [1] 景鹏, 张学军, 孙知信. 基于弹性变分模态分解的癫痫脑电信号分类方法. 物理学报, 2021, 70(1): 018702. doi: 10.7498/aps.70.20200904
    [2] 汪书潮, 苏秀琴, 朱文华, 陈松懋, 张振扬, 徐伟豪, 王定杰. 基于弹性变分模态提取的时间相关单光子计数信号去噪. 物理学报, 2021, 70(17): 174304. doi: 10.7498/aps.70.20210149
    [3] 牛晓东, 卢莉蓉, 王鉴, 韩星程, 郭树言, 王黎明. 基于改进经验模态分解域内心动物理特征识别模式分量的心电信号重建. 物理学报, 2021, 70(3): 038702. doi: 10.7498/aps.70.20201122
    [4] 谢平, 杨芳梅, 李欣欣, 杨勇, 陈晓玲, 张利泰. 基于变分模态分解-传递熵的脑肌电信号耦合分析. 物理学报, 2016, 65(11): 118701. doi: 10.7498/aps.65.118701
    [5] 曾彭, 刘红星, 宁新宝, 庄建军, 张兴敢. 总体经验模态分解能量向量用于ECG能量分布的研究. 物理学报, 2015, 64(7): 078701. doi: 10.7498/aps.64.078701
    [6] 张玉燕, 周航, 闫美素. 基于经验模态分解的自混合干涉相位提取方法研究. 物理学报, 2015, 64(5): 054203. doi: 10.7498/aps.64.054203
    [7] 陈晓, 汪陈龙. 基于赛利斯模型和分数阶微分的兰姆波信号消噪. 物理学报, 2014, 63(18): 184301. doi: 10.7498/aps.63.184301
    [8] 唐洁. 基于集合经验模态分解的类星体光变周期及其混沌特性分析. 物理学报, 2014, 63(4): 049701. doi: 10.7498/aps.63.049701
    [9] 王小飞, 曲建岭, 高峰, 周玉平, 张翔宇. 基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪. 物理学报, 2014, 63(17): 170203. doi: 10.7498/aps.63.170203
    [10] 曲建岭, 王小飞, 高峰, 周玉平, 张翔宇. 基于复数据经验模态分解的噪声辅助信号分解方法. 物理学报, 2014, 63(11): 110201. doi: 10.7498/aps.63.110201
    [11] 薛春芳, 侯威, 赵俊虎, 王式功. 集合经验模态分解在区域降水变化多尺度分析及气候变化响应研究中的应用. 物理学报, 2013, 62(10): 109203. doi: 10.7498/aps.62.109203
    [12] 唐洁. 基于聚合经验模态分解方法的OJ 287 射电流量变化周期分析. 物理学报, 2013, 62(12): 129701. doi: 10.7498/aps.62.129701
    [13] 王文波, 张晓东, 汪祥莉. 基于独立成分分析和经验模态分解的混沌信号降噪. 物理学报, 2013, 62(5): 050201. doi: 10.7498/aps.62.050201
    [14] 王文波, 汪祥莉. 噪声模态单元预判的经验模态分解脉冲星信号消噪. 物理学报, 2013, 62(20): 209701. doi: 10.7498/aps.62.209701
    [15] 高国荣, 刘艳萍, 潘琼. 基于小波域可导阈值函数与自适应阈值的脉冲星信号消噪. 物理学报, 2012, 61(13): 139701. doi: 10.7498/aps.61.139701
    [16] 侯王宾, 刘天琪, 李兴源. 基于经验模态分解滤波的低频振荡Prony分析. 物理学报, 2010, 59(5): 3531-3537. doi: 10.7498/aps.59.3531
    [17] 杨永锋, 吴亚锋, 任兴民, 裘焱. 随机噪声对经验模态分解非线性信号的影响. 物理学报, 2010, 59(6): 3778-3784. doi: 10.7498/aps.59.3778
    [18] 侯 威, 封国林, 董文杰, 李建平. 利用排列熵检测近40年华北地区气温突变的研究. 物理学报, 2006, 55(5): 2663-2668. doi: 10.7498/aps.55.2663
    [19] 赵 莉, 冯 稷, 翟光杰, 张利华. 小波变换在心磁信号处理中的应用. 物理学报, 2005, 54(4): 1943-1949. doi: 10.7498/aps.54.1943
    [20] 龚志强, 邹明玮, 高新全, 董文杰. 基于非线性时间序列分析经验模态分解和小波分解异同性的研究. 物理学报, 2005, 54(8): 3947-3957. doi: 10.7498/aps.54.3947
计量
  • 文章访问数:  3909
  • PDF下载量:  558
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-08-14
  • 修回日期:  2012-10-24
  • 刊出日期:  2013-03-05

脉冲星信号的经验模态分解模态单元比例萎缩消噪算法

  • 1. 武汉科技大学信息与计算科学系, 武汉 430065;
  • 2. 遥感科学国家重点实验室, 北京 100101;
  • 3. 国家海洋局第二研究所, 卫星海洋环境动力学国家重点实验室, 杭州 310012;
  • 4. 武汉理工大学计算机科学与计算学院, 武汉 430063
    基金项目: 国家自然科学基金(批准号: 41071270, 11201354)、测绘遥感信息工程国家重点实验室开放基金(批准号: 11R01)、遥感科学国家重点实验室开放基金(批准号: OFSLRSS201209)、中央高校基本科研业务费专项基金(批准号: 2012-IV-043)、湖北省自然科学基金(批准号: 2010CDB03305)和武汉市晨光计划(批准号: 201150431096)资助的课题.

摘要: 针对脉冲星信号的消噪问题, 提出了一种基于模态单元比例萎缩的经验模态分解(EMD)消噪方法. 利用经验模态分解将含噪脉冲星信号分解为一组内蕴模态函数(IMF), 将IMF中两个过零点间的部分定义为模态单元, 以模态单元为基本单位构造最优比例萎缩因子, 对IMF中的每个模态单元进行比例萎缩去噪, 进而建立基于模态单元比例萎缩的脉冲星信号滤波模型.对含噪脉冲星信号进行了消噪实验分析, 实验结果表明, 与小波硬阈值消噪法、比例萎缩小波消噪法和基于模态单元阈值的EMD消噪法相比, 该方法可以更有效地去除脉冲星信号中的噪声, 同时更好地保留了原信号中的有用细节信息.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回