一种基于ESMD与粗糙度惩罚平滑技术的水听器信号去噪方法与流程

本发明属于声学计量领域，涉及超声场测量数据处理设计，尤其是一种基于esmd与粗糙度惩罚平滑技术的水听器信号去噪方法。

背景技术：

随着超声技术的快速发展，近些年超声在医学领域的应用也越来越广泛。超声在医学中的应用主要是集中在超声诊断与超声治疗两个方面，两者所使用的超声频率也不相同。超声诊断采用的是较高频率的超声波，可以提高对组织的分辨率，获得更加清晰的声像图；而超声治疗采用的是较低频率的超声波，可以增大对组织的穿透率，达到更好的治疗效果。所以在使用前需要对医用超声医疗设备的声场参数进行准确测量，保证设备的超声频率等参数处在一个对人体安全的范围内。

目前在医用超声设备的测量中，水听器法是一个常用的测量方法。通过搭建的三轴运动平台来控制水听器在水下进行扫描运动并实时采集超声信号，然后在上位机中进行数据处理得到超声声场的各个参数。但是在水听器采集信号时会受到一些噪声的干扰，比如环境中声音的干扰以及水听器运动过程中产生的震动等。这些噪声的出现会影响水听器采集信号的准确性，进而影响最终的测量结果。因此需要对水听器采集到的信号进行去噪处理，提高声场参数测量的准确性。

技术实现要素：

本发明的目的在于针对水听器法测量超声声场参数的过程中产生的噪音问题，提供一种基于esmd与粗糙度惩罚平滑技术的水听器信号去噪方法，以得到更为准确的信号数据。

本发明采取的技术方案是：

1、一种基于esmd与粗糙度惩罚平滑技术的水听器信号去噪方法，包括待检设备、示波器和上位机，其特征在于：包括以下步骤：

s1、水听器采集到医用超声设备发出的声信号并通过示波器上传至上位机中进行信号的下一步处理；

s2、利用esmd方法将采集到的含有噪音的信号分解成一系列的imf分量；

s3、将各个分解得到的imf分量与原含噪信号进行线性相关分析，分为相关性低的imf分量与相关性高的imf分量；

s4、通过粗糙度惩罚技术对相关性高的imf分量做进一步的数据处理；

s5、将处理后的新的imf分量进行重构，获得新的去噪信号。

进一步的，所述步骤2中包括，

s21:找到水听器接受到的含噪信号x(t)的全部极值点，包括所有极大值点和极小值点，并记作s(t)(1≤t≤n)；

s22:然后用线段连接所有相邻的s(t)，并将中点标记为f(t)(1≤t≤n-1)，同时在左右两边各布一个中点f0和fn；

s23:利用n+1个中点建立p条内插曲线l1,...,ln(p≥1)，并计算其平均值

l^*(t)＝(l1+...+ln)/p

s24:将x(t)-l^*(t)序列重复上面的步骤，直到|l^*(t)|≤ε(ε为允许误差)，或者当筛选次数达到，然后计算出第一个imf分量imf1；

s25:将残余序列x(t)-imf1重复上述四个步骤，直到最后残余序列rn(t)为单一信号，或者仅剩一个极值点，得到其余的imf分量imf2,...,imfn；

s26:然后在一个有限的整数区间[kmin,kmax]中改变最大值k，并重复上述五个步骤；

s27:计算x(t)-rn(t)的方差值σ²并画出σ/σ0和k之间的关系图，其中σ0是含噪信号x(t)的标准差；

s28:在区间[kmin,kmax]中，利用σ/σ0的最小值得到k0,在用k0重复前五个步骤和输出得到的全部模态分量。

进一步的，所述步骤4中将经过分解以后得到的相关性高的imf分量使用以下公式做进一步的处理；

式中：fn是第n个原始信号元素值；fn^*是对应的降噪值；f^*(x)表示估计函数；惩罚系数λ是由交叉验证决定的。

本发明的优点和积极效果是：

本发明中，使用esmd与粗糙度惩罚平滑技术联合去噪的方法对水听器采集到的超声信号进行处理，有效的去除了超声信号中的噪声，使声场测量结果更为准确，提高了测量的精度。

本发明中，步骤2中采用esmd方法，借用“最小二乘”想法优化整个数据，由此确定最佳筛选次数k0，并用k0输出全部模态分量，在去噪效果上优于单个经验模态方法；步骤3中，对每个个基本模式分量进行线性相关分析，区别出相关性低的imf分量与相关性高的imf分量，之后在步骤4中，应用粗糙度惩罚平滑技术对关性高的imf分量的进行进一步处理，进而可以有效地控制去噪信号的平滑度，防止噪声抑制和信号失真的不良影响，达到更好的去噪效果。

附图说明

图1为水听器采集到的超声波信号图；

图2为分解后的imf分量的示意图；

图3为各imf分量的线性相关分析图；

图4为去噪后的超声波信号图。

具体实施方式

下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。

一种基于esmd与粗糙度惩罚平滑技术的水听器信号去噪方法，包括待检设备、示波器和上位机，其特征在于：包括以下步骤：

s1、如图1所示，水听器采集到医用超声设备发出的声信号并通过示波器上传至上位机中进行信号的下一步处理；

s2、利用esmd方法将采集到的含有噪音的信号分解成一系列的imf分量，如图2所示，包括imf1、imf2、imf3、imf4、imf5五个分量；

所述步骤s2中包括，

s21:找到水听器接受到的含噪信号x(t)的全部极值点，包括所有极大值点和极小值点，并记作s(t)(1≤t≤n)；

s22:然后用线段连接所有相邻的s(t)，并将中点标记为f(t)(1≤t≤n-1)，同时在左右两边各布一个中点f0和fn；

s23:利用n+1个中点建立p条内插曲线l1,...,ln(p≥1)，并计算其平均值

l^*(t)＝(l1+...+ln)/p

s24:将x(t)-l^*(t)序列重复上面的步骤，直到|l^*(t)|≤ε(ε为允许误差)，或者当筛选次数达到预先设定的最大值k，然后计算出第一个imf分量imf1；

s25:将残余序列x(t)-imf1重复上述四个步骤，直到最后残余序列rn(t)为单一信号，或者仅剩一个极值点，得到其余的imf分量imf2,...,imfn；

s26:然后在一个有限的整数区间[kmin,kmax]中改变最大值k，并重复上述五个步骤；

s27:计算x(t)-rn(t)的方差值σ²并画出σ/σ0和k之间的关系图，其中σ0是含噪信号x(t)的标准差；

s28:在区间[kmin,kmax]中，利用σ/σ0的最小值得到k0,在用k0重复前五个步骤和输出得到的全部模态分量。

s3、如图3所示，将各个分解得到的5个imf分量与原含噪信号进行线性相关分析，分为相关性低的imf分量与相关性高的imf分量；

s4、通过粗糙度惩罚技术对相关性高的imf分量做进一步的数据处理；

所述步骤s4中将经过分解以后得到的相关性高的imf分量使用以下公式做进一步的处理；

式中：fn是第n个原始信号元素值；fn^*是对应的降噪值；f^*(x)表示估计函数；惩罚系数λ是由交叉验证决定的。

s5、将处理后的新的imf分量进行重构，获得新的去噪信号如图4所示。