CN106021181B - 一种对fft数据实施的相邻点相关性均值降噪方法 - Google Patents

一种对fft数据实施的相邻点相关性均值降噪方法 Download PDF

Info

Publication number
CN106021181B
CN106021181B CN201610323874.XA CN201610323874A CN106021181B CN 106021181 B CN106021181 B CN 106021181B CN 201610323874 A CN201610323874 A CN 201610323874A CN 106021181 B CN106021181 B CN 106021181B
Authority
CN
China
Prior art keywords
data
value
reference value
dref
fft
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610323874.XA
Other languages
English (en)
Other versions
CN106021181A (zh
Inventor
白月胜
高长全
曹淑玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 41 Institute
Original Assignee
CETC 41 Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 41 Institute filed Critical CETC 41 Institute
Priority to CN201610323874.XA priority Critical patent/CN106021181B/zh
Publication of CN106021181A publication Critical patent/CN106021181A/zh
Application granted granted Critical
Publication of CN106021181B publication Critical patent/CN106021181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种对FFT数据实施的相邻点相关性均值降噪方法，设定参考值dRef，对所要处理的FFT信号数据与所述参考值dRef进行比较，对于低于所述参考值dRef的数据，取相邻的设定个数的数据求取平均值，以该平均值代替低于所述参考值dRef的数据值；减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使参考值以下的信号向噪声中心收拢。通过相邻数据平均的方法能够减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使得参考值以下信号向噪声中心收拢，在一定程度上能够抑制噪声、减小干扰信号能量。

Description

一种对FFT数据实施的相邻点相关性均值降噪方法
技术领域
本发明涉及数字信号处理领域，尤其涉及一种对FFT数据实施的相邻点相关性均值降噪方法。
背景技术
在高速采集信号分析处理领域，高速采样数据在FFT变换处理后，因高速取样条件下硬件设计和实时数据分析处理难度限制，很多时候会由于大带宽问题、信号泄露问题、信号混叠问题、带内自激问题等，使得FFT后效果并不理想，一些不想要的信号或并不关心的小信号会混杂在信号噪底之上，高速情况下通过改善硬件和优化可编程逻辑时序已很难解决，影响数据处理效果。
通常情况下，在硬件环境不理想时，尤其在高速应用情况下，一般很难通过硬件优化手段做到信号效果的彻底改善。同时，硬件环境的改善在一定程度上需增加人力开销、时间扩展、硬件资源耗费等，且很多情况下，因环境的不同，一次的调试结果不具备多个环境下的通用性需求。
发明内容
本发明的目的就是为了解决上述问题，提供一种对FFT数据实施的相邻点相关性均值降噪方法，通过相邻数据平均的方法能够减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使得参考值以下信号向噪声中心收拢，在一定程度上能够抑制噪声、减小干扰信号能量。
为了实现上述目的，本发明采用如下技术方案：
一种对FFT数据实施的相邻点相关性均值降噪方法，设定参考值dRef，对所要处理的FFT信号数据与所述参考值dRef进行比较，对于低于所述参考值dRef的数据，取相邻的设定个数的数据求取平均值，以该平均值代替低于所述参考值dRef的数据值；减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使参考值以下的信号向噪声中心收拢。
具体实现步骤包括：
步骤1：对于给定的由N个FFT数据组成的值组X，及参考值dRef，设数据值组X的计数索引为L，向后取数计数Ln，中间求均值变量X1、X2、X3；设L为0、Ln为0，然后进入步骤2；
步骤2：获取计数索引L对应数据值组X的数据值XL，判断XL是否小于参考值dRef，是则进入步骤3，否则进入步骤13；
步骤3：将XL赋值于X1，Ln赋值1；进入步骤4；
步骤4：判断L+Ln是否小于N，是则进入步骤5，否则进入步骤13；
步骤5：获取L+Ln索引对应数据值组X的数据值XL1，判断XL1是否小于参考值dRef，是则进入步骤6，否则进入步骤7；
步骤6：将XL1赋值于X2，Ln加1；进入步骤8；
步骤7：Ln加1；返回步骤4；
步骤8：判断L+Ln是否小于N，是则进入步骤9，否则进入步骤16；
步骤9：获取L+Ln索引的对应数据值组X的数据值XL2，判断XL2是否小于参考值dRef，是则进入步骤10，否则进入步骤11；
步骤10：将XL2赋值于X3，进入步骤12；
步骤11：Ln加1；返回步骤8；
步骤12：求取X1、X2、X3的均值X4，将X4赋值替换L索引的对应数据值组X的数据值XL，进入步骤13；
步骤13：L加1，进入步骤14；
步骤14：判断L是否小于N，是则进入步骤15，否则进入步骤17；
步骤15：Ln赋值0，返回步骤2；
步骤16：求取X1、X2的均值X5，将X5赋值替换L索引的对应数据值组X的数据值XL，返回步骤13；
步骤17：获取L-1索引的对应数据值组X的数据值XL3，和L-2索引的对应数据值组X的数据值XL4，如果XL3小于参考值dRef且XL4也小于参考值dRef，进去步骤18；否则整个处理流程结束，返回步骤1进行下一轮数据处理；
步骤18：求取XL3、XL4的均值X6，将X6赋值替换L-1索引的对应数据值组X的数据值XL3，处理最后一个数据点后整个处理流程结束，返回步骤1进行下一轮数据处理。
所述步骤12中所述的均值X4的确定方法为：
所述步骤16中所述的均值X5的确定方法为：
所述步骤18中所述的均值X6的确定方法为：
本发明的有益效果：
本发明的方法通过相邻数据平均的方法能够减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使得参考值以下信号向噪声中心收拢，在一定程度上能够抑制噪声、减小干扰信号能量。
而本发明从方法上进行改进，大大简化了对硬件的要求和依赖性，同时也减少了硬件调试所带来的开销。在高速采集硬件调试和高速FPGA信号处理调试已无法改善信号处理效果的情况下，以可选配模式进行后续进一步处理，应用灵活方便，可优化处理效果，有针对性的提高信号分析效果。且调试时间短，节省了人力、物力成本，提高了效益。
附图说明
图1为3点噪声均值滤波后效果。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
一种对FFT数据实施的相邻点相关性均值降噪方法，正是针对采样数据FFT处理后小信号混杂的不理想的情况下进行的滤波和噪底净化处理操作，提高FFT处理效果，优化数据处理结果。
本发明方法是对所要处理的FFT信号数据中低于参考值dRef的向后相邻3个数据(包括第一个低于参考值dRef的数据)进行平均值求取，以代替该数据值进行处理。
该方法通过相邻数据平均的方法能够减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使得参考值以下信号向噪声中心收拢，在一定程度上能够抑制噪声、减小干扰信号能量。
设参考值dRef为-22dB时，3点相关性均值滤波效果如图1所示，滤波后，40MHz处干扰信号和零频部分信号幅度明显减小，整个基带噪声向噪声中心附近收缩，干扰信号和噪声信号得到有效抑制，而100MHz有用信号并未影响。
参考值dRef取值不同，得到的滤波优化效果也不同，可根据具体使用情况进行合适的调整，以达到本发明方法具体使用环境下最优的使用效果。
本实施例给出了本发明具体实施的案例，包括以下步骤：
步骤1：对于给定的由N个FFT数据组成的值组X，及参考值dRef，设数据值组X的计数索引为L，向后取数计数Ln，中间求均值变量X1、X2、X3；设L为0、Ln为0，然后进入步骤2；
步骤2：获取计数索引L对应数据值组X的数据值XL，判断XL是否小于参考值dRef，是则进入步骤3，否则进入步骤13；
步骤3：将XL赋值于X1，Ln赋值1；进入步骤4；
步骤4：判断L+Ln是否小于N，是则进入步骤5，否则进入步骤13；
步骤5：获取L+Ln索引对应数据值组X的数据值XL1，判断XL1是否小于参考值dRef，是则进入步骤6，否则进入步骤7；
步骤6：将XL1赋值于X2，Ln加1；进入步骤8；
步骤7：Ln加1；返回步骤4；
步骤8：判断L+Ln是否小于N，是则进入步骤9，否则进入步骤16；
步骤9：获取L+Ln索引的对应数据值组X的数据值XL2，判断XL2是否小于参考值dRef，是则进入步骤10，否则进入步骤11；
步骤10：将XL2赋值于X3，进入步骤12；
步骤11：Ln加1；返回步骤8；
步骤12：求取X1、X2、X3的均值X4，将X4赋值替换L索引的对应数据值组X的数据值XL，进入步骤13；
步骤13：L加1，进入步骤14；
步骤14：判断L是否小于N，是则进入步骤15，否则进入步骤17；
步骤15：Ln赋值0，返回步骤2；
步骤16：求取X1、X2的均值X5，将X5赋值替换L索引的对应数据值组X的数据值XL，返回步骤13；
步骤17：获取L-1索引的对应数据值组X的数据值XL3，和L-2索引的对应数据值组X的数据值XL4，如果XL3小于参考值dRef且XL4也小于参考值dRef，进去步骤18；否则整个处理流程结束，返回步骤1进行下一轮数据处理；
步骤18：求取XL3、XL4的均值X6，将X6赋值替换L-1索引的对应数据值组X的数据值XL3，处理最后一个数据点后整个处理流程结束，返回步骤1进行下一轮数据处理；
所述步骤12中所述的均值X4的确定方法为：
所述步骤16中所述的均值X5的确定方法为：
所述步骤18中所述的均值X6的确定方法为：
本方法支持无处理结果，即在少于两个低于参考值数据时依处理流程虽然对源数据进行了判断分析，但却并未对源数据进行替换更改处理。
一种对FFT数据实施的相邻点相关性均值降噪方法以参考值为鉴别向后相邻3个数据相关性进行判别并求取平均值，以代替该数据值进行处理的降噪方法。该处理流程通过相邻数据平均的方法能够减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使得参考值以下信号向噪声中心收拢，在一定程度上能够抑制噪声、减小干扰信号能量。
尤其针对高速采集信号分析处理中高速采样数据在FFT变换处理后，因高取样条件下硬件设计和实时数据分析处理难度限制，由于大带宽问题、信号泄露问题、信号混叠问题、带内自激问题等，使得FFT后效果并不理想，一些不想要的信号或并不关系的小信号混杂在信号噪底之上，高速情况下通过改善硬件和优化可编程逻辑时序已很难解决的情况下使用，有助于滤波和噪底净化处理，提高FFT处理效果，优化数据处理结果。本发明方法以可选配模式进行进一步处理，应用灵活方便，在一定程度上也可简化对硬件的要求，节省硬件资源开销、减少硬件调试时间，节省人力、物力成本，提高效益。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (4)

1.一种对FFT数据实施的相邻点相关性均值降噪方法，其特征是，设定参考值dRef，对高速采样数据在FFT变换处理后的FFT信号数据与所述参考值dRef进行比较，对于低于所述参考值dRef的数据，取相邻的设定个数的数据求取平均值，以该平均值代替低于所述参考值dRef的数据值；减小参考值以下畸变数据的幅值大小，同时缩减噪声带，使参考值以下的信号向噪声中心收拢；
支持无处理结果，在少于两个低于参考值数据时对源数据仍进行判断分析，但不对源数据进行替换更改处理；
具体实现步骤包括：
步骤1：对于给定的由N个FFT数据组成的值组X，及参考值dRef，设数据值组X的计数索引为L，向后取数计数Ln，中间求均值变量X1、X2、X3；设L为0、Ln为0，然后进入步骤2；
步骤2：获取计数索引L对应数据值组X的数据值XL，判断XL是否小于参考值dRef，是则进入步骤3，否则进入步骤13；
步骤3：将XL赋值于X1，Ln赋值1；进入步骤4；
步骤4：判断L+Ln是否小于N，是则进入步骤5，否则进入步骤13；
步骤5：获取L+Ln索引对应数据值组X的数据值XL1，判断XL1是否小于参考值dRef，是则进入步骤6，否则进入步骤7；
步骤6：将XL1赋值于X2，Ln加1；进入步骤8；
步骤7：Ln加1；返回步骤4；
步骤8：判断L+Ln是否小于N，是则进入步骤9，否则进入步骤16；
步骤9：获取L+Ln索引的对应数据值组X的数据值XL2，判断XL2是否小于参考值dRef，是则进入步骤10，否则进入步骤11；
步骤10：将XL2赋值于X3，进入步骤12；
步骤11：Ln加1；返回步骤8；
步骤12：求取X1、X2、X3的均值X4，将X4赋值替换L索引的对应数据值组X的数据值XL，进入步骤13；
步骤13：L加1，进入步骤14；
步骤14：判断L是否小于N，是则进入步骤15，否则进入步骤17；
步骤15：Ln赋值0，返回步骤2；
步骤16：求取X1、X2的均值X5，将X5赋值替换L索引的对应数据值组X的数据值XL，返回步骤13；
步骤17：获取L-1索引的对应数据值组X的数据值XL3，和L-2索引的对应数据值组X的数据值XL4，如果XL3小于参考值dRef且XL4也小于参考值dRef，进去步骤18；否则整个处理流程结束，返回步骤1进行下一轮数据处理；
步骤18：求取XL3、XL4的均值X6，将X6赋值替换L-1索引的对应数据值组X的数据值XL3，处理最后一个数据点后整个处理流程结束，返回步骤1进行下一轮数据处理。
2.如权利要求1所述一种对FFT数据实施的相邻点相关性均值降噪方法，其特征是，所述步骤12中所述的均值X4的确定方法为：
3.如权利要求1所述一种对FFT数据实施的相邻点相关性均值降噪方法，其特征是，所述步骤16中所述的均值X5的确定方法为：
4.如权利要求1所述一种对FFT数据实施的相邻点相关性均值降噪方法，其特征是，所述步骤18中所述的均值X6的确定方法为：
CN201610323874.XA 2016-05-17 2016-05-17 一种对fft数据实施的相邻点相关性均值降噪方法 Active CN106021181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610323874.XA CN106021181B (zh) 2016-05-17 2016-05-17 一种对fft数据实施的相邻点相关性均值降噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610323874.XA CN106021181B (zh) 2016-05-17 2016-05-17 一种对fft数据实施的相邻点相关性均值降噪方法

Publications (2)

Publication Number Publication Date
CN106021181A CN106021181A (zh) 2016-10-12
CN106021181B true CN106021181B (zh) 2019-06-25

Family

ID=57098001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610323874.XA Active CN106021181B (zh) 2016-05-17 2016-05-17 一种对fft数据实施的相邻点相关性均值降噪方法

Country Status (1)

Country Link
CN (1) CN106021181B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107958206B (zh) * 2017-11-07 2021-02-09 北京临近空间飞行器***工程研究所 一种飞行器表面热流辨识装置温度测量数据预处理方法
CN114006874B (zh) * 2020-07-14 2023-11-10 ***通信集团吉林有限公司 一种资源块调度方法、装置、存储介质和基站

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697927A (zh) * 2009-10-22 2010-04-28 江苏中惠医疗科技股份有限公司 一种自适应动态滤波器
CN102680988A (zh) * 2012-05-23 2012-09-19 桂林电子科技大学 高灵敏度导航卫星信号非线性捕获方法及装置
CN104614628A (zh) * 2015-01-06 2015-05-13 南京工程学院 基于eemd和fft结合的电机转子断条故障分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697927A (zh) * 2009-10-22 2010-04-28 江苏中惠医疗科技股份有限公司 一种自适应动态滤波器
CN102680988A (zh) * 2012-05-23 2012-09-19 桂林电子科技大学 高灵敏度导航卫星信号非线性捕获方法及装置
CN104614628A (zh) * 2015-01-06 2015-05-13 南京工程学院 基于eemd和fft结合的电机转子断条故障分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种应用于心磁噪声抑制的选择性平均方法研究;刘明 等;《物理学报》;20131231;第62卷(第9期);第098501-1页右栏第3段-第098501-1页左栏

Also Published As

Publication number Publication date
CN106021181A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
CN106021181B (zh) 一种对fft数据实施的相邻点相关性均值降噪方法
CN110659621A (zh) 一种基于变分模态分解和排列熵的联合降噪方法
CN107612865B (zh) 一种应用于低压电力线载波通信的信号降噪方法
CN106980491A (zh) 一种a/d采样的改进的均值滤波算法
CN109374298B (zh) 基于互相关奇异值的轴承故障诊断方法
Sun et al. Average sampling in shift invariant subspaces with symmetric averaging functions
CN115700544A (zh) 一种联合经验模态分解及小波软阈值的色谱信号去噪方法
CN114492538A (zh) 一种城市中压配电电缆局部放电信号去噪方法
CN105187138B (zh) 一种子带拼接的宽带数据采集方法
CN102421163B (zh) Lte***频点排序的方法及装置
CN106026973B (zh) 一种对fft数据实施的平均噪声降噪方法
CN104052703B (zh) 一种微量采样数据数字调制识别方法
CN108134638A (zh) 一种多路无线电信号监测装置
CN203014773U (zh) 一种数字信号处理***
CN103915102B (zh) 一种lfm水声多途信号的噪声抑制方法
CN110208755A (zh) 一种基于fpga的动态雷达回波数字下变频***及方法
CN103680508B (zh) 多级混音的动态分配方法及动态分配装置
CN112986922A (zh) 基于顺序统计滤波和二元检测的被动雷达信号检测方法
CN103487653A (zh) 一种用于实时频谱轨迹处理的装置及方法
CN111769845A (zh) 一种加权叠加信道化方法
CN207926605U (zh) 一种多路无线电信号监测装置
Fang-fang et al. Studying on denoising algorithm of heart sound signal based on the generalized mathematical morphology
CN103366095A (zh) 一种基于坐标变换的最小二乘拟合信号处理方法
CN103438983A (zh) 一种信号随机平均谱的数据处理方法
CN106888021A (zh) 一种自适应调整高速采样速率的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant