CN109799535A - 一种全张量磁梯度定位检测数据的滤波方法 - Google Patents
一种全张量磁梯度定位检测数据的滤波方法 Download PDFInfo
- Publication number
- CN109799535A CN109799535A CN201910193706.7A CN201910193706A CN109799535A CN 109799535 A CN109799535 A CN 109799535A CN 201910193706 A CN201910193706 A CN 201910193706A CN 109799535 A CN109799535 A CN 109799535A
- Authority
- CN
- China
- Prior art keywords
- component
- data
- magnetic
- signal
- field
- 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.)
- Granted
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种全张量磁梯度定位检测数据的滤波方法,涉及磁测量领域,该方法包括:定点采集磁场数据,确定磁场数据在x、y、z三个方向的磁场分量以及每个磁场分量分别在x、y、z方向的一阶梯度分量,得到12个分量数据;确定全张量磁梯度数据中的5个独立分量;针对每个分量数据,通过经验模态分解算法将分量数据分解为预定数量的本征模态函数的和;通过能量阈值法对3个磁场分量和5个独立分量确定重构参数进行重构;对未参与重构的4个分量数据,根据全张量中的数据对应关系,采用相同的重构参数进行同类重构;整合12个分量数据的重构数据,作为最终的滤波数据输出。可以有效地消除数据噪声,提高了数据的信噪比。
Description
技术领域
本发明涉及磁测量领域,尤其是一种全张量磁梯度定位检测数据的滤波方法。
背景技术
全张量磁场梯度是指三维空间的磁场沿着三个方向的求导,一共有九个梯度值,根据梯度值信息和磁场的大小就可以计算出磁性目标的位置及矩阵大小等信息。
利用磁场梯度张量的方法,通过分析各种磁性体异常特征,可以实现复杂条件下磁性目标的磁性异常探测及精确定位和追踪,然而测量过程中存在的大量干扰与误差信息,以及复杂的磁背景信息,这些干扰为磁目标的识别和定位带来了大量的困难,需要对张量数据信息进行滤波处理,尽可能减少有用信号的损失。
发明内容
本发明针对上述问题及技术需求,提出了一种全张量磁梯度定位检测数据的滤波方法。
本发明的技术方案如下:
一种全张量磁梯度定位检测数据的滤波方法,所述方法包括:
步骤1,定点采集磁场数据,根据三维直角坐标系确定磁场数据在x、y、z三个方向的磁场分量以及每个磁场分量分别在x、y、z方向的一阶梯度分量,得到12个分量数据,其中9个一阶梯度分量构成全张量磁梯度数据;
步骤2,确定所述全张量磁梯度数据中的5个独立分量;
步骤3,针对每一个所述分量数据,通过经验模态分解算法将所述分量数据分解为预定数量的本征模态函数的和;
步骤4,通过能量阈值法对3个所述磁场分量和5个所述独立分量确定重构参数进行重构;
步骤5,对未参与重构的4个分量数据,根据全张量中的数据对应关系,采用相同的重构参数进行同类重构;
步骤6,整合12个所述分量数据的重构数据,作为最终的滤波数据输出。
其进一步的技术方案为:所述定点采集磁场数据,根据三维直角坐标系确定磁场数据在x、y、z三个方向的磁场分量以及每个磁场分量分别在x、y、z方向的一阶梯度分量,得到12个分量数据,包括:
步骤11,设Bx,By,Bz为磁场矢量B在空间里的三个磁场分量,Bx在x,y,z方向的一阶梯度分量分别为By在x,y,z方向的一阶梯度分量分别为Bz在x,y,z方向的一阶梯度分量分别为全张量磁梯度表示为G,则12个分量数据分别为
步骤12,在预定位置,针对12个所述分量数据同时进行数据采集,采集频率至少为信号频率的2倍,连续采集获取预定量的数据等待滤波处理。
其进一步的技术方案为:所述确定所述全张量磁梯度数据中的5个独立分量,包括:
步骤21,根据无源场的旋度和散度为零的特性,所述全张量磁梯度数据满足则5个独立分量为 中任意5个分量的信号组合;
步骤22,根据信号质量,在5个分量的所有信号组合中选择一组信号组合。
其进一步的技术方案为:所述针对每一个所述分量数据,通过经验模态分解算法将所述分量数据分解为预定数量的本征函数的和,包括:
步骤31,针对每个所述分量数据,识别出原始信号所有的极大值点和极小值点,采用三次样条插值拟合出信号的上包络线eupp和下包络线elow,并计算出上包络线eupp和下包络线elow的平均值m1;
步骤32,用实际检测信号减去平均值m1,得到差值信号h1;
步骤33,验证差值信号h1是否为基本本征模态函数;
步骤34,若差值信号h1为基本本征模态函数,则停止分解,将差值信号h1作为第一个基本IMF分量,否则将差值信号h1作为新的原始信号重复执行步骤31至步骤34,直至输出基本分量c1;
步骤35,将原始信号减去基本分量c1,得到剩余部分r1;
步骤36,将剩余部分r1作为新的原始信号,重复执行步骤31至步骤35,迭代n遍,直到满足停止准则得到n个基本分量c1,c2,…,cn以及余项rn;所述停止准则为rn为单调函数;
步骤37,针对12个分量数据重复执行步骤31至步骤36,得到每个分量数据的IMF分解,记为IMFs,s=1,…n。
其进一步的技术方案为:所述验证差值信号h1是否为基本本征模态函数,包括:
步骤331,验证差值信号h1在整个事件范围内,局部极值点和过零点的数目是否相等或最多相差一个;
步骤332,在任意时刻点,局部最大值的包络和局部最小值的包络平均是否为零。
其进一步的技术方案为:所述通过能量阈值法对3个所述磁场分量和5个所述独立分量确定重构参数进行重构,包括:
步骤41,对于磁场分量Bx,通过IMFs,s=k,…n进行重构,记为Bx,k;
步骤42,计算Bx,k和Bx,k+1的连续均方差,记为CMSE(Bx,k,Bx,k+1);
步骤43,计算作为能量指数,Js为CMSE的第一个显著变化的分量,即最小能量,则Bx,k为滤波后的信号;
步骤44,重复执行步骤41至步骤44,对其他两个磁场分量和选择的5个独立分量分别计算Js,并进行重构。
其进一步的技术方案为:所述对未参与重构的4个分量数据,根据全张量中的数据对应关系,采用相同的重构参数进行同类重构,包括:
对于未参与重构的4个分量数据,采用对应的Js进行信号重构。
本发明的有益技术效果是:
通过对3个磁场分量和9个全张量磁梯度数据的12个分量数据进行滤波处理,采用经验模态分解算法和基于能量阈值法的信号重构方法对数据进行滤波处理,可以有效地消除数据噪声,并充分考虑全张量数据的理论依据,考虑数据的对应性,提高了数据的信噪比,提高了梯度计的磁目标检测和定位能力。
附图说明
图1是本发明一个实施例提供的一种全张量磁梯度定位检测数据的滤波方法的流程图。
图2是本发明另一个实施例提供的一种全张量磁梯度定位检测数据的滤波方法的流程图。
图3是本发明一个实施例提供的全张量磁梯度检测数据分量对应图。
图4是本发明一个实施例提供的全张量磁梯度数据的滤波流程框架图。
图5是本发明一个实施例提供的全张量磁梯度检测数据的滤波效果图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
图1是本发明一个实施例提供的一种全张量磁梯度定位检测数据的滤波方法的流程图,如图1所示,该方法可以包括以下步骤:
步骤1,定点采集磁场数据,根据三维直角坐标系确定磁场数据在x、y、z三个方向的磁场分量以及每个磁场分量分别在x、y、z方向的一阶梯度分量,得到12个分量数据,其中9个一阶梯度分量构成全张量磁梯度数据。
每个分量数据在进行滤波时,一般要求至少1万个数据以上。
可选的,结合参考图2,在实际应用中,步骤1可以包括以下步骤:
步骤11,设Bx,By,Bz为磁场矢量B在空间里的三个磁场分量,Bx在x,y,z方向的一阶梯度分量分别为By在x,y,z方向的一阶梯度分量分别为Bz在x,y,z方向的一阶梯度分量分别为全张量磁梯度表示为G,则12个分量数据分别为
步骤12,在预定位置,针对12个分量数据同时进行数据采集,采集频率至少为信号频率的2倍,连续采集获取预定量的数据等待滤波处理。
步骤2,确定全张量磁梯度数据中的5个独立分量。
可选的,结合参考图2,步骤2可以包括以下步骤:
步骤21,根据无源场的旋度和散度为零的特性,所述全张量磁梯度数据满足则5个独立分量为 中任意5个分量的信号组合。
根据无源场的特性,其旋度和散度为零,则理论上磁梯度全张量数据满足如下关系式:
根据公式(1)至(4),9个全张量磁梯度数据中有5个是独立的,可以根据数据质量自由选取,可选的5个独立分量可为或者或者等等。再加上3个磁场分量,所以12个分量数据中,一共有8个独立分量数据。
步骤22,根据信号质量,在5个分量的所有信号组合中选择一组信号组合。
示例性的,在可选的信号组合中,根据信号质量,选择
步骤3,针对每一个分量数据,通过经验模态分解算法将分量数据分解为预定数量的本征模态函数的和。
经验模态分解(英文:Empirical Mode Decomposition,简称:EMD)是一种针对非线性、非平稳信号的自适应信号分解算法。通过经验模态分解算法对每个分量数据的测量信号进行分解,获取不同模态信号。
本征模态函数(英文:Intrinsic Mode Function,简称:IMF)任意一点的瞬时频率都是有意义的,一个信号可以由若干本征模态函数组成,如果本征模态函数之间相互重叠,便形成复合信号,EMD分解的目的就是为了获取本征模态函数。
可选的,因为环境的复杂性以及装置工作过程中可能会产生干扰,原始数据的信噪比极低,无法直接用于目标检测和定位,经验模态分解方法可以从数据经验的角度将信号分解为本征模态函数组,从而更清晰地分析数据,结合参考图2,步骤3可以包括以下步骤:
步骤31,针对每个分量数据,识别出原始信号所有的极大值点和极小值点,采用三次样条插值拟合出信号的上包络线eupp和下包络线elow,并计算出上包络线eupp和下包络线elow的平均值m1。
假设针对Bx(t)识别出原始信号所有的极大值点和极小值点,采用三次样条插值拟合出信号的上包络线eupp(t)和下包络线elow(t),并计算出上包络线和下包络线的平均值,记为m1(t):
步骤32,用实际检测信号减去平均值m1,得到差值信号h1。
用实际检测信号减去m1(t),得到h1:h1(t)=Bx(t)-m1(t)。
步骤33,验证差值信号h1是否为基本本征模态函数。
验证h1(t)是否为基本本征模态函数。
可选的,验证差值信号h1是否为基本本征模态函数的方法分为两步:第一,验证差值信号h1在整个事件范围内,局部极值点和过零点的数目是否相等或最多相差一个;第二,在任意时刻点,局部最大值的包络和局部最小值的包络平均是否为零。在同时满足上述两个条件时,确定差值信号h1为基本本征模态函数。
步骤34,若差值信号h1为基本本征模态函数,则停止分解,将差值信号h1作为第一个基本IMF分量,否则将差值信号h1作为新的原始信号重复执行步骤31至步骤34,直至输出基本分量c1。
若h1(t)为基本本征模态函数,则停止分解,将其作为第一个基本IMF分量,否则将h1(t)作为新的原始信号重复执行步骤31至步骤34,直至输出基本IMF分量,记为c1(t)。
步骤35,将原始信号减去基本分量c1,得到剩余部分r1。
将原始信号减去基本分量c1(t),得到剩余部分r1(t):r1(t)=Bx(t)-h1(t)。
步骤36,将剩余部分r1作为新的原始信号,重复执行步骤31至步骤35,迭代n遍,直到满足停止准则得到n个基本分量c1,c2,…,cn以及余项rn。
停止准则为rn为单调函数。
将剩余部分作为新的原始信号,重复执行步骤31至步骤35,迭代n遍,直到满足停止准则得到n个基本分量c1(t),c2(t),…,cn(t),以及余项rn(t):
Bx(t)最终可表示为
步骤37,针对12个分量数据重复执行步骤31至步骤36,得到每个分量数据的IMF分解,记为IMFs,s=1,…n。
步骤4,通过能量阈值法对3个磁场分量和5个独立分量确定重构参数进行重构。
采用能量阈值法进行不同分量数据的信号重构,同时考虑信号之间的对应关系。
可选的,示例性的,针对3个磁场分量Bx,By,Bz,和所选择的5个独立分量,假设为即上述8个独立分量,根据EMD分解结果计算能量指数,利用IMFs,s=1,…n进行重构,以Bx为例,结合参考图2,步骤4可以包括以下步骤:
步骤41,对于磁场分量Bx,通过IMFs,s=k,…n进行重构,记为Bx,k。
步骤42,计算Bx,k和Bx,k+1的连续均方差,记为CMSE(Bx,k,Bx,k+1)。
步骤43,计算作为能量指数,Js为CMSE的第一个显著变化的分量,即最小能量,则Bx,k为滤波后的信号。
步骤44,重复执行步骤41至步骤44,对其他两个磁场分量和选择的5个独立分量分别计算Js,并进行重构。
步骤5,对未参与重构的4个分量数据,根据全张量中的数据对应关系,采用相同的重构参数进行同类重构。
信号之间的对应关系参见图3,双向箭头两端所指分量是彼此对应的,可根据其中一个分量计算的Js进行同类重构。
对于未参与重构的其余4个分量数据,根据信号之间的对应关系,采用对应的Js对剩余的分量数据进行信号重构。
根据步骤2选取的5个独立分量以及图3中信号之间的对应关系,给出剩余4个分量数据和相应的Js;根据所选Js对剩余4个分量数据进行信号重构,作为数据滤波输出。
步骤6,整合12个分量数据的重构数据,作为最终的滤波数据输出。
整个滤波流程如图4所示,滤波效果如图5所示。
以上所述的仅是本发明的优先实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (7)
1.一种全张量磁梯度定位检测数据的滤波方法,其特征在于,所述方法包括:
步骤1,定点采集磁场数据,根据三维直角坐标系确定磁场数据在x、y、z三个方向的磁场分量以及每个磁场分量分别在x、y、z方向的一阶梯度分量,得到12个分量数据,其中9个一阶梯度分量构成全张量磁梯度数据;
步骤2,确定所述全张量磁梯度数据中的5个独立分量;
步骤3,针对每一个所述分量数据,通过经验模态分解算法将所述分量数据分解为预定数量的本征模态函数的和;
步骤4,通过能量阈值法对3个所述磁场分量和5个所述独立分量确定重构参数进行重构;
步骤5,对未参与重构的4个分量数据,根据全张量中的数据对应关系,采用相同的重构参数进行同类重构;
步骤6,整合12个所述分量数据的重构数据,作为最终的滤波数据输出。
2.根据权利要求1所述的方法,其特征在于,所述定点采集磁场数据,根据三维直角坐标系确定磁场数据在x、y、z三个方向的磁场分量以及每个磁场分量分别在x、y、z方向的一阶梯度分量,得到12个分量数据,包括:
步骤11,设Bx,By,Bz为磁场矢量B在空间里的三个磁场分量,Bx在x,y,z方向的一阶梯度分量分别为By在x,y,z方向的一阶梯度分量分别为Bz在x,y,z方向的一阶梯度分量分别为全张量磁梯度表示为G,则12个分量数据分别为Bx,By,Bz,
步骤12,在预定位置,针对12个所述分量数据同时进行数据采集,采集频率至少为信号频率的2倍,连续采集获取预定量的数据等待滤波处理。
3.根据权利要求2所述的方法,其特征在于,所述确定所述全张量磁梯度数据中的5个独立分量,包括:
步骤21,根据无源场的旋度和散度为零的特性,所述全张量磁梯度数据满足则5个独立分量为 中任意5个分量的信号组合;
步骤22,根据信号质量,在5个分量的所有信号组合中选择一组信号组合。
4.根据权利要求2所述的方法,其特征在于,所述针对每一个所述分量数据,通过经验模态分解算法将所述分量数据分解为预定数量的本征函数的和,包括:
步骤31,针对每个所述分量数据,识别出原始信号所有的极大值点和极小值点,采用三次样条插值拟合出信号的上包络线eupp和下包络线elow,并计算出上包络线eupp和下包络线elow的平均值m1;
步骤32,用实际检测信号减去平均值m1,得到差值信号h1;
步骤33,验证差值信号h1是否为基本本征模态函数;
步骤34,若差值信号h1为基本本征模态函数,则停止分解,将差值信号h1作为第一个基本IMF分量,否则将差值信号h1作为新的原始信号重复执行步骤31至步骤34,直至输出基本分量c1;
步骤35,将原始信号减去基本分量c1,得到剩余部分r1;
步骤36,将剩余部分r1作为新的原始信号,重复执行步骤31至步骤35,迭代n遍,直到满足停止准则得到n个基本分量c1,c2,…,cn以及余项rn;所述停止准则为rn为单调函数;
步骤37,针对12个分量数据重复执行步骤31至步骤36,得到每个分量数据的IMF分解,记为IMFs,s=1,…n。
5.根据权利要求4所述的方法,其特征在于,所述验证差值信号h1是否为基本本征模态函数,包括:
验证差值信号h1在整个事件范围内,局部极值点和过零点的数目是否相等或最多相差一个;
在任意时刻点,局部最大值的包络和局部最小值的包络平均是否为零。
6.根据权利要求4所述的方法,其特征在于,所述通过能量阈值法对3个所述磁场分量和5个所述独立分量确定重构参数进行重构,包括:
步骤41,对于磁场分量Bx,通过IMFs,s=k,…n进行重构,记为Bx,k;
步骤42,计算Bx,k和Bx,k+1的连续均方差,记为CMSE(Bx,k,Bx,k+1);
步骤43,计算作为能量指数,Js为CMSE的第一个显著变化的分量,即最小能量,则Bx,k为滤波后的信号;
步骤44,重复执行步骤41至步骤44,对其他两个磁场分量和选择的5个独立分量分别计算Js,并进行重构。
7.根据权利要求6所述的方法,其特征在于,所述对未参与重构的4个分量数据,根据全张量中的数据对应关系,采用相同的重构参数进行同类重构,包括:
对于未参与重构的4个分量数据,采用对应的Js进行信号重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910193706.7A CN109799535B (zh) | 2019-03-14 | 2019-03-14 | 一种全张量磁梯度定位检测数据的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910193706.7A CN109799535B (zh) | 2019-03-14 | 2019-03-14 | 一种全张量磁梯度定位检测数据的滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109799535A true CN109799535A (zh) | 2019-05-24 |
CN109799535B CN109799535B (zh) | 2020-10-30 |
Family
ID=66563501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910193706.7A Active CN109799535B (zh) | 2019-03-14 | 2019-03-14 | 一种全张量磁梯度定位检测数据的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109799535B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989005A (zh) * | 2019-12-23 | 2020-04-10 | 西北工业大学青岛研究院 | 基于标量磁力仪阵列的弱磁异常自适应实时探测方法 |
CN111274692A (zh) * | 2020-01-16 | 2020-06-12 | 西安交通大学 | 航空发动机非线性控制***建模方法 |
CN113420423A (zh) * | 2021-06-01 | 2021-09-21 | 郑州步始智能科技有限公司 | 频域中基于正则化法的从磁场垂直分量正演全张量的方法 |
CN113703059A (zh) * | 2021-09-02 | 2021-11-26 | 中船海洋探测技术研究院有限公司 | 一种针对水际铁磁性目标集群的远距离磁探方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2171523B (en) * | 1985-02-23 | 1988-03-09 | Stc Plc | Magnetic gradient detection |
US20050197773A1 (en) * | 2004-03-05 | 2005-09-08 | Bell Geospace Inc. | Method and system for evaluating geophysical survey data |
US20140052375A1 (en) * | 2012-08-15 | 2014-02-20 | Bell Geospace Inc. | Directional Filter for Processing Full Tensor Gradiometer Data |
CN104545875A (zh) * | 2013-10-18 | 2015-04-29 | 中国科学院上海微***与信息技术研究所 | 用于生物磁检测的全张量空间梯度补偿方法及*** |
CN206573701U (zh) * | 2017-03-06 | 2017-10-20 | 中国船舶工业***工程研究院 | 一种水下动磁测量传感器 |
CN107516065A (zh) * | 2017-07-13 | 2017-12-26 | 天津大学 | 经验模态分解结合字典学习的复杂信号去噪方法 |
CN107748734A (zh) * | 2017-10-31 | 2018-03-02 | 电子科技大学 | 一种解析‑经验模态分解方法 |
CN108182415A (zh) * | 2017-12-29 | 2018-06-19 | 哈尔滨工业大学 | 基于自滤波变频经验模态分解获得时频分布的方法 |
CN108182296A (zh) * | 2016-12-08 | 2018-06-19 | 中南大学 | 一种基于经验模态分解的轨检仪轨向数据处理方法 |
CN108227024A (zh) * | 2017-12-04 | 2018-06-29 | 中国科学院地质与地球物理研究所 | 一种采用全张量磁梯度数据反演地下磁化率的方法及*** |
CN108710153A (zh) * | 2017-07-31 | 2018-10-26 | 中国地质大学(北京) | 一种磁全张量梯度反演地下三维磁性分布的波数域方法 |
CN109100009A (zh) * | 2018-06-01 | 2018-12-28 | 国网江苏省电力有限公司南京供电分公司 | 基于经验模态分解emd的分接开关振动信号降噪方法 |
-
2019
- 2019-03-14 CN CN201910193706.7A patent/CN109799535B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2171523B (en) * | 1985-02-23 | 1988-03-09 | Stc Plc | Magnetic gradient detection |
US20050197773A1 (en) * | 2004-03-05 | 2005-09-08 | Bell Geospace Inc. | Method and system for evaluating geophysical survey data |
US20140052375A1 (en) * | 2012-08-15 | 2014-02-20 | Bell Geospace Inc. | Directional Filter for Processing Full Tensor Gradiometer Data |
CN104545875A (zh) * | 2013-10-18 | 2015-04-29 | 中国科学院上海微***与信息技术研究所 | 用于生物磁检测的全张量空间梯度补偿方法及*** |
CN108182296A (zh) * | 2016-12-08 | 2018-06-19 | 中南大学 | 一种基于经验模态分解的轨检仪轨向数据处理方法 |
CN206573701U (zh) * | 2017-03-06 | 2017-10-20 | 中国船舶工业***工程研究院 | 一种水下动磁测量传感器 |
CN107516065A (zh) * | 2017-07-13 | 2017-12-26 | 天津大学 | 经验模态分解结合字典学习的复杂信号去噪方法 |
CN108710153A (zh) * | 2017-07-31 | 2018-10-26 | 中国地质大学(北京) | 一种磁全张量梯度反演地下三维磁性分布的波数域方法 |
CN107748734A (zh) * | 2017-10-31 | 2018-03-02 | 电子科技大学 | 一种解析‑经验模态分解方法 |
CN108227024A (zh) * | 2017-12-04 | 2018-06-29 | 中国科学院地质与地球物理研究所 | 一种采用全张量磁梯度数据反演地下磁化率的方法及*** |
CN108182415A (zh) * | 2017-12-29 | 2018-06-19 | 哈尔滨工业大学 | 基于自滤波变频经验模态分解获得时频分布的方法 |
CN109100009A (zh) * | 2018-06-01 | 2018-12-28 | 国网江苏省电力有限公司南京供电分公司 | 基于经验模态分解emd的分接开关振动信号降噪方法 |
Non-Patent Citations (2)
Title |
---|
曾小红等: "漏磁信号处理中的经验模态分解和能量法阈值", 《无损检测》 * |
陈海龙等: "磁记忆梯度张量测量信号预处理方法", 《***工程与电子技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989005A (zh) * | 2019-12-23 | 2020-04-10 | 西北工业大学青岛研究院 | 基于标量磁力仪阵列的弱磁异常自适应实时探测方法 |
CN110989005B (zh) * | 2019-12-23 | 2021-12-28 | 西北工业大学青岛研究院 | 基于标量磁力仪阵列的弱磁异常自适应实时探测方法 |
CN111274692A (zh) * | 2020-01-16 | 2020-06-12 | 西安交通大学 | 航空发动机非线性控制***建模方法 |
CN111274692B (zh) * | 2020-01-16 | 2022-04-05 | 西安交通大学 | 航空发动机非线性控制***建模方法 |
CN113420423A (zh) * | 2021-06-01 | 2021-09-21 | 郑州步始智能科技有限公司 | 频域中基于正则化法的从磁场垂直分量正演全张量的方法 |
CN113703059A (zh) * | 2021-09-02 | 2021-11-26 | 中船海洋探测技术研究院有限公司 | 一种针对水际铁磁性目标集群的远距离磁探方法 |
CN113703059B (zh) * | 2021-09-02 | 2023-11-17 | 中船海洋探测技术研究院有限公司 | 一种针对水际铁磁性目标集群的远距离磁探方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109799535B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109799535A (zh) | 一种全张量磁梯度定位检测数据的滤波方法 | |
Bogdan et al. | Heat kernel estimates for the fractional Laplacian with Dirichlet conditions | |
Kennel et al. | Determining embedding dimension for phase-space reconstruction using a geometrical construction | |
Das et al. | Fractional order signal processing: introductory concepts and applications | |
Feldman et al. | A projection approach for robust adaptive beamforming | |
Warburton et al. | Self-force on a scalar charge in Kerr spacetime: Eccentric equatorial orbits | |
Farace et al. | Discriminating strength: a bona fide measure of non-classical correlations | |
JP6139436B2 (ja) | 製造部品の固定具レイアウトの総合的な遂行 | |
Larsen | Global poles of the two-loop six-point N<? format?>=<? format?> 4 SYM integrand | |
Clerc et al. | Source localization using rational approximation on plane sections | |
CN108957538A (zh) | 一种虚拟震源二维波前构建地震波走时计算方法 | |
Gesemann | From particle tracks to velocity and acceleration fields using B-splines and penalties | |
Cai et al. | An integrated localization and control framework for multi-agent formation | |
Chai et al. | Robust imaging of localized scatterers using the singular value decomposition and ℓ1 minimization | |
JP2014180746A (ja) | 製造部品上の点を固定する固定具要素の空間位置決定 | |
CN105549078A (zh) | 不规则地震数据的五维插值处理方法及装置 | |
Alishahi et al. | A refinement of sutured Floer homology | |
Hlinka et al. | Regional and inter-regional effects in evolving climate networks | |
Tachikawa | ON ‘CATEGORIES’OF QUANTUM FIELD THEORIES | |
Hoover et al. | Extracting a valid boundary representation from a segmented range image | |
CN105891741A (zh) | 磁场传感器网络的噪声抑制方法 | |
Mook | An algorithm for the numerical evaluation of the Hankel and Abel transforms | |
Gelca | Theta functions and knots | |
Pfaff et al. | Multivariate angular filtering using Fourier series | |
Das et al. | Dataset: Occupancy presence and trajectory data from an instrumented public building |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |