[发明专利]一种EMD-LMS混合滤波方法及滤波器

说明书

本发明公开了一种EMD‑LMS混合滤波方法，包括步骤：对输入信号进行EMD分解，得到IMF分量；对IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量；对信噪混合分量进行滤波；将滤波后的分量信息与信息分量进行合成，得到合成信号；将合成信号作为LMS的参考信号，采用LMS自适应滤波方法调整滤波器的权系数，使输出结果最优。本发明将EMD降噪与LMS相结合，利用EMD降噪提取出参考信号，解决LMS自适应滤波难以获取参考信号的困难，利用LMS自适应滤波实现在线实时滤波的需求。

技术领域

本发明属于信号处理领域，特别涉及一种EMD-LMS混合滤波方法及滤波器。

背景技术

LMS(Least Mean Square，最小均方)是一种信号处理算法，它通过对权值向量不断进行更新，使得滤波输出信号与参考信号之间的均方误差达到最小。由于其计算的简单性，LMS算法和其他与之相关的算法已经广泛应用于自适应滤波的各种应用中。LMS滤波方法的基本思想是调整滤波器的权系数，使滤波器的输出信号与参考信号之间的均方误差最小。但是基于LMS的自适应滤波方法存在获取参考信号困难的缺陷，由于参考信号获取的不准确，将导致滤波器的滤波性能大打折扣。

EMD(Empirical Mode Decomposition，经验模态分解)是一种自适应信号时频处理方法。该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数，在理论上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势，具有很高的信噪比。如果能够利用EMD优秀的降噪能力，来得到由于LMS自适应滤波的参考信号，以提高滤波器的性能，将具有极大的应用价值。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种EMD-LMS混合滤波方法，该方法将EMD降噪与LMS相结合，利用EMD降噪提取出参考信号，解决LMS自适应滤波难以获取参考信号的困难，利用LMS自适应滤波实现在线实时滤波的需求。

本发明还提供一种EMD-LMS混合滤波器，该滤波器利用上述EMD-LMS混合滤波方法实现滤波。

本发明的目的通过以下的技术方案实现：一种EMD-LMS混合滤波方法，包括步骤：

对训练信号进行EMD分解，得到L-1阶IMF(Intrinsic Mode Function)分量和残余分量，将残余分量也视为是一阶IMF分量，共得到L阶IMF分量；

对L阶IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，其中1-M₁阶IMF为噪声分量，(M₁+1)-M₂阶为信噪混合分量，(M₂+1)-L阶为信息分量；

对信噪混合分量进行滤波；

将滤波后的分量信息与信息分量进行合成，得到合成信号；

将合成信号作为LMS的参考信号，采用LMS自适应滤波方法调整滤波器的权重系数，使输出结果最优。

本发明中，将输入信号进行EMD分解，并针对分解得到的IMF分量进行分类，提取其中包含更多信息的分量，将其作为LMS自适应滤波的参考信号，在在线实时滤波时，根据输入信号实时调整滤波器权系数，使滤波器的输出信号与参考信号之间的均方误差最小，得到最优的输出信号，即最优的滤波结果。

优选的，分别计算M₁和M₂分割阶数值，将IMF分量划分为三类，方法是：

计算各阶IMF分量的CMSE(Consecutive Mean Square Error，连续均方误差)值得到M₁值，M₁的确定方法是：