[发明专利]一种基于数据融合的噪声消除方法

说明书

本发明提出了一种基于数据融合的噪声消除方法，所述方法包括：S101、在快速偏微分方程算法中，使用后向欧拉有限差分法对测量数据进行去噪处理获得第一去噪数据；S102、在自适应卡尔曼算法中，将测量数据本身、测量数据的变化率以及变化率的导数作为系统状态变量，根据惯性定律构建过程模型和观测模型，并根据所述过程模型和观测模型对测量数据进行去噪处理获得第二去噪数据；S103、将所述第一去噪数据和第二去噪数据进行加权融合后获得滤波后数据。本发明创新性地将时域的自适应卡尔曼去噪算法与频域的快速偏微分方程去噪算法进行了有效的融合，从而实现去噪精度的进一步提升。

技术领域

本申请涉及数据处理领域，尤其涉及一种基于数据融合的噪声消除方法。

背景技术

由于系统外部干扰或内部干扰，导致收集到的数据含有一定的随机噪声，使得其严重影响后续相关研究工作。所以为了从含有噪声的数据中获得完整有效数据，去噪已经在很长一段时间作为热点为大家所研究。例如，在地震信号的勘测中，由于随机噪声的干扰，实际地震数据信号难以识别，使得许多用于地震信号去噪的方法被广泛研究与应用。

针对噪声消除问题，常见的解决方案可以分为时域和频域两大类。包括自适应卡尔曼去噪算法和偏微分方程算法。自适应卡尔曼去噪算法的优点是对真实数据的跟踪性好，即便是噪点较多的有色信号，也能很好地完成去噪任务；但当数据发生机动变化的时候，由于惯性的作用，会使估计结果的绝对值超过真实值的绝对值，产生一定偏差。而偏微分方程算法的优点同样是能够获得较好的去噪效果，并且计算过程简便；但由于使用的频率参数为定值，故而当噪声有不确定变化时，会出现去噪结果损失掉某些峰值信息的情况。

发明内容

为解决上述技术问题之一，本发明提供了一种基于数据融合的噪声消除方法。

本发明实施例提供了一种基于数据融合的噪声消除方法，所述方法包括：

S101、在快速偏微分方程算法中，使用后向欧拉有限差分法对测量数据进行去噪处理获得第一去噪数据；

S102、在自适应卡尔曼算法中，将测量数据本身、测量数据的变化率以及变化率的导数作为系统状态变量，根据惯性定律构建过程模型和观测模型，并根据所述过程模型和观测模型对测量数据进行去噪处理获得第二去噪数据；

S103、将所述第一去噪数据和第二去噪数据进行加权融合后获得滤波后数据。

本发明的有益效果如下：本发明创新性地将时域的自适应卡尔曼去噪算法与频域的快速偏微分方程去噪算法进行了有效的融合，从而实现去噪精度的进一步提升。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例所述的基于数据融合的噪声消除方法的流程示意图；

图2为本发明实施例所述的步骤S102的流程示意图；

图3为本实施例中含噪数据与去噪数据的波形对比图；

图4为本实施例中截止频率为50Hz时的快速偏微分方程去噪算法去噪效果波形图；

图5为本实施例中截止频率为30Hz时的快速偏微分方程去噪算法去噪效果波形图；

图6为本实施例中截止频率为20Hz时的快速偏微分方程去噪算法去噪效果波形图；

图7为采用权重平均法时，利用偏微分方程去噪算法、基于自适应过程噪声方差的在线去噪算法以及本实施例所述的融合去噪算法的去噪数据与实际数据的波形对比图；