(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111270269.8 (22)申请日 2021.10.2 9 (71)申请人 闽南师范大学 地址 363000 福建省漳州市芗城区县前直 街36号 (72)发明人 陈颖频　王海光　王灵芝　喻飞　 林凡　陈育群　宋建华　何丽　 陈悦　 (74)专利代理 机构 厦门市精诚新创知识产权代 理有限公司 3 5218 代理人 赵薇 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 119/10(2020.01) (54)发明名称 一种信号鲁棒稀 疏时频分析方法、 终端设备 及存储介质 (57)摘要 本发明涉及一种信号鲁棒稀疏时频分析方 法、 终端设备及存储介质， 该方法中包括： S1： 构 建基于形态学成分分析、 稀 疏时频分析和帧小波 变换的信号冲击噪声去除模型； S2： 针对信号冲 击噪声去除模 型利用前向分解法， 计算冲击噪声 去除后信号的纹理成分yT和卡通成分yC； S3： 根 据信号的纹理成分yT和卡通成分yC， 针对信号冲 击噪声去除模 型利用后向分解法， 计算信号冲击 噪声去除后的频谱稀疏解xi。 本发明引入形态学 成分分析算法将待处理信号分解为低频卡通成 分、 高频纹理成分以及噪声成分， 并在形态学成 分分析的基础上进一步引入平稳帧小波正则项， 充分挖掘信号有效成分与噪声成分的差异性， 达 到压制噪声和鲁棒时频分析的目的。 权利要求书3页 说明书13页 附图4页 CN 113935246 A 2022.01.14 CN 113935246 A 1.一种信号鲁棒稀疏时频分析 方法， 其特 征在于， 包括以下步骤： S1： 构建基于形态学成分 分析、 稀疏时频分析和帧小 波变换的信号冲击噪声 去除模型： 其中， MCA(.)表示形态学 成分分析算法， yT表示信号 yn的纹理成分， yC表示信号 yn的卡通 成分， yiT表示将信号yT进行分段后的第i个子信号， yiC表示将信号yC进行分段后的第i个子 信号， g表示滑动窗口， Θ＝SF‑1表示稀疏变换矩阵， S＝[I|O]表示截断矩阵， I表示单位矩 阵， O表示所有元 素为零的矩阵， F表示 傅里叶变换矩阵， 表示L2范数， 表示Lp伪范数， p 为LP伪范数中稀疏变量的稀疏程度的控制参数， xi表示信号频谱的稀疏解， μ表示平衡参 数； S2： 针对信号冲击噪声去除模型利用前向分解法， 计算冲击噪声去除后信号的纹理成 分yT和卡通成分yC； S3： 根据信号的纹理成分yT和卡通成分yC， 针对信号冲击噪声去除模型利用后向分解 法， 计算信号冲击噪声 去除后的频谱 稀疏解xi。 2.根据权利要求1所述的信号鲁棒稀疏时频分析方法， 其特征在于： 步骤S2具体包括以 下步骤： S21： 利用前向分解法得到冲击噪声去除后信号的纹理成分yT和卡通成分yC的求解模型 为： 其中， α0表示保真项平衡参数， α1和α2表示正则项的平衡参数， 均表示Lp 伪范数， p0、 p1、 p2均为LP伪范数中稀 疏变量的稀 疏程度的控制参数， D(.)表 示一阶平稳帧小 波正变换， m表示掩码向量； S22： 利用交替乘子迭代法， 引入中间辅助变量q0、 q1、 q2对应的拉格朗日乘子 二次惩罚项 和二 次惩罚项系数λ0、 λ1、 λ2后， 将纹理成分yT和卡通成分yC的求解转换为对q0、 q1、 q2、 的求解， 即： S23： 通过迭代训练计算纹 理成分yT和卡通成分yC。 3.根据权利要求2所述的信号鲁棒稀疏时频分析方法， 其特征在于： 步骤S23中通过迭 代训练计算纹理成分yT和卡通成分yC的具体过程包括： 初始设定yC、 yT、 q0、 q1、 q2、 均为0， 设定迭代次数k＝0， 迭代次数阈值K； 在每次迭代中， 通过对q0、 q1、 q2、 的更新来计算更新后的yC和yT， 当迭代次数k＝K时， 停止迭代， 输出此时的yC和 yT作为冲击噪声 去除后信号后最终的纹 理成分yT和卡通成分yC。权　利　要　求　书 1/3 页 2 CN 113935246 A 24.根据权利要求3所述的信号鲁棒稀疏时频分析方法， 其特征在于： q0、 q1、 q2、 的更新公式分别为： 其中， 上标(k)和(k+1)分别表示第k次和第k+1次迭代， γ表示学习率 参数。 5.根据权利要求1所述的信号鲁棒稀疏时频分析方法， 其特征在于： 步骤S3具体包括以 下步骤： S31： 利用后向分解法得到的信号冲击噪声 去除后的频谱 稀疏解xi的求解模型为： S32： 将 表示为子信号si， 引入中间变量z＝xi与其对偶变量 则频谱稀疏 解xi的求解模型的增广拉格朗日函数为： 其中， β 表示 二次惩罚项的系数； S33： 通过迭代训练对 xi、 z和 进行更新， 得到最终的频谱 稀疏解xi。 6.根据权利要求5所述的信号鲁棒稀疏时频分析方法， 其特征在于： 步骤S33中迭代训 练的具体过程为： 初始设定xi、 z、 均为0， 设定迭代次数k＝0， 迭代次数阈值K； 在每次迭代 中， 根据迭代前的xi、 z、 更新迭代后的xi、 z、 当迭代次数k＝K 时， 停止迭代， 输出此时的 xi作为最终的频谱 稀疏解xi。 7.根据权利要求6所述的信号鲁棒稀疏时频分析方法， 其特征在于： xi、 z、 的更新公式 分别为： 权　利　要　求　书 2/3 页 3 CN 113935246 A 3