一种基于集合经验模态分解法(EEMD)联合改进小波阈值的声音信号降噪方法

本发明属于信号处理和噪声控制领域，具体地说，涉及一种基于集合经验模态分解法(eemd)联合改进小波阈值的声音信号降噪方法。

背景技术：

1、由于声音信号经空气传播易受外部影响，首先针对传统小波软硬阈值降噪方法的缺陷，通过修改阈值函数判别条件和增加调节因子来改进小波阈值降噪方法，从而减小去噪误差。其次，由于eemd方法在钻井环境下声音信号容易造成重构误差，同时单一降噪方法并不能满足本发明需求，提出eemd联合改进小波阈值降噪方法。该方法利用eemd分解算法良好的自适应性，并结合小波分解能同时处理高低频噪声的特点，减少外部因素对信号的干扰。最后通过实验结果表明，本发明提出的联合降噪方法与其他降噪方法对比，所得到的信噪比最高提升约62％，均方根误差值为最低的0.124。

技术实现思路

1、针对现有岩性识别滞后性的问题，本发明提出一种基于eemd联合改进小波阈值的声音信号降噪方法。具体方法是:首先确定含噪声音信号、对声音信号进行初步降噪、对含噪imf分量进过改进后的小波阈值进行二次降噪处理、将分量进行重构，得到降噪后的声音信号；

2、所述方法包括以下步骤：

3、s10，确定含噪声音信号；

4、s20，对声音信号进行初步降噪；

5、s30，对含噪imf分量进过改进后的小波阈值进行二次降噪处理；

6、s40，将分量进行信号重构，得到降噪后的声音信号；

7、s50，验证基于eemd联合改进小波阈值的声音信号降噪方法的优越性。

8、步骤s10中，确定含噪声音信号，所述含噪声音信号主要在实验室内对钻孔时钻头与岩石发生碰撞产生的振动和声音信号进行采集，针对采集的数据进行可用性判断，满足要求的数据进行分类整理和存储。进一步的，所述含噪声音信号数据集的采集具体步骤如下：

9、s101，建立数据采集标准。

10、s102，通过采集样本得到样本采集原始信号。

11、s103，对采集的信号进行预处理操作，获取真实有效的信号量。

12、步骤s20中，对声音信号进行初步降噪，得到一系列的本征模态函数(imf)和余项。在声音信号采集过程中，具有传感器不直接接触钻机本体且所采集信号频带较宽的优点，但声音信号具有非平稳、非线性的特性，相比振动信号更易受外界环境因素干扰，难以直接对其特征信号进行提取和分析，严重影响后期对岩性的识别。故需对声音信号进行降噪处理。进一步的，对声音信号进行初步降噪的具体步骤如下：

13、s201，将振动信号进行eemd分解，得到多个具有不同频率的(intrinsic modefunction components)imf分量和余项。

14、s202，在得到步骤s201中的各个imf分量后，计算它们与原始信号之间的相关系数。相关系数可以衡量imf分量与原始信号之间的相似度，较高的相关系数表示imf分量可能是有效的信号成分。

15、s203，根据计算得到的相关系数，对imf分量进行筛选，只保留有效的imf分量。

16、其中计算所得到的相关系数如(s203-1)所示。

17、

18、式中，tj为第j个imf与原始输入信号x(i)的相关系数，cj(i)为信号进行eemd分解后得到的第j个imf分量，i为采样点数，取值范围为[1,n]。

19、步骤s30中，进行二次降噪处理的具体步骤如下：

20、s301，基于小波阈值函数通过修改阈值函数判别条件和增加调节因子来减小原始信号与去噪信号之间的误差，提出一种改进小波阈值函数的方法。

21、s302，根据s301中的改进小波阈值函数对s202中筛选出的imf分量进行二次降噪处理，对每个尺度上的小波系数进行阈值处理。阈值处理的目的是将较小的系数置零，而保留较大的系数，以去除噪声。

22、s303，对阈值处理后的小波系数进行反变换，得到二次降噪后的imf分量。步骤s40中，将分量进行重构，得到降噪后的声音信号的具体步骤如下：

23、s401，重复s20、s30步骤，对所有筛选出的imf分量应用二次降噪处理。

24、s402，将所有经过二次降噪的imf分量重新相加，得到最终的降噪信号。

25、步骤s50中，为了验证基于eemd联合改进小波阈值的声音信号降噪方法的优越性，采用信噪比(snr)和均方根误差(rmse)等性能指标进行衡量，较高的信噪比和较低的均方根误差表明该方法具有更好的去噪性能。

技术特征：

1.一种基于集合经验模态分解法(eemd)联合改进小波阈值的声音信号降噪方法，其特征在于，所述方法包括以下几个步骤：

2.根据权根据权利要求1所述的含噪声音信号数据集的构建方法，其特征在于：所述步骤s20中，由于原始声音信号具有非平稳、非线性的特性，更易受外界环境因素干扰，难以直接对其特征信号进行提取和分析，故需对原始声音信号进行降噪处理。

3.根根据权利要求1所述的对原始声音信号进行降噪处理方法，其特征在于：所述步骤s20中将声音信号进行eemd分解，得到多个具有不同频率的imf分量和余项,在得到的各个imf分量后，计算它们与原始信号之间的相关系数,根据计算得到的相关系数，对imf分量进行筛选，只保留有效的imf分量,然后采用改进后的小波阈值函数对筛选出的imf分量进行二次降噪处理。

4.根根据权利要求1所述的改进后的小波阈值函数对筛选出的imf分量进行二次降噪处理方法，其特征在于：所述步骤s30中基于小波阈值函数通过修改阈值函数判别条件和增加调节因子来减小原始信号与去噪信号之间的误差，提出一种改进小波阈值函数的方法。

5.根据权利要求1所述的改进后的小波阈值函数对筛选出的imf分量进行二次降噪处理方法，其特征在于：所述步骤s30中根据改进小波阈值函数对筛选出的imf分量进行二次降噪处理，对每个尺度上的小波系数进行阈值处理阈值处理。对阈值处理后的小波系数进行反变换，得到二次降噪后的imf分量，将二次降噪后的imf分量进行重构。

6.根据权利要求5所述的将二次降噪后的imf分量进行重构方法，其特征在于：所述步骤s40中将所有经过二次降噪的imf分量重新相加，得到最终的降噪信号。

技术总结
本发明公开了一种基于集合经验模态分解法(EEMD)联合改进小波阈值的声音信号降噪方法，涉及信号处理和噪声控制领域，包括以下步骤：S10，确定含噪声音信号；S20，对声音信号进行初步降噪；S30，对含噪IMF分量进过改进后的小波阈值进行二次降噪处理；S40，将分量进行信号重构，得到降噪后的声音信号；S50，验证基于EEMD联合改进小波阈值的声音信号降噪方法的优越性；本发明的有益效果：该方法利用EEMD分解算法良好的自适应性，并结合小波分解能同时处理高低频噪声的特点，减少外部因素对信号的干扰。最后通过实验结果表明，本发明提出的联合降噪方法与其他降噪方法对比，所得到的信噪比最高提升约62%，均方根误差值为最低的0.124。用来对复杂钻井环境下的声音信号降噪方法的具有更好的优越性。

技术研发人员：曾维,余成振,王胜,马超,王洪辉,李佳睿
受保护的技术使用者：成都理工大学
技术研发日：
技术公布日：2024/3/5