基于多项式回归平滑修正的增强型中值滤波方法及系统技术方案

本公开提供了一种基于多项式回归平滑修正的增强型中值滤波方法及系统，获取采样数据序列，并进行中值滤波，计算滤波残余；根据随机脉冲噪声门槛值和滤波残余，判断是否存在随机脉冲噪声及其潜在位置；如果有则确定潜在位置中的某数据为中心，确定局部数据序列，计算多项式回归平滑滤波矩阵，并用多项式回归平滑滤波矩阵修正局部数据序列，并修正后的序列替换原有局部序列所在相应位置的元素，得到背景噪声部分。本公开能够实现随机脉冲噪声的自适应检测。

An Enhanced Median Filtering Method and System Based on Polynomial Regression Smoothing Correction

【技术实现步骤摘要】
基于多项式回归平滑修正的增强型中值滤波方法及系统
本公开涉及一种基于多项式回归平滑修正的增强型中值滤波方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。基于功率、电压/电流幅值、频率、相位等实时测量数据的分析与控制系统是现代电力系统安全稳定运行必不可少的部分，如数据采集与监视控制系统(SCADA系统)、广域监测系统(WAMS系统)。但是测量数据往往受背景噪声和脉冲噪声干扰，影响分析结果甚至引起错误的控制指令，以脉冲干扰影响最为严重。脉冲噪声具有随机性，发生率低但是幅度高。大功率负荷开关随机切换、数据传输过程中的电磁干扰等都会引起随机脉冲噪声。因此在分析测量数据之前需要对测量数据进行滤波以消除随机脉冲噪声。中值滤波算法是过滤随机脉冲噪声最常用的算法，对稳态数据中的随机脉冲噪声具有强鲁棒性，方法简单便于实施。然而，当测量数据快速变化时，中值滤波对随机脉冲噪声的滤波效果下降，具体表现为不能有效过滤随机脉冲噪声并在其附近产生高于背景噪声的滤波残余，破坏随机脉冲噪声附近的局部信息。由此可见，设计一种适应测量数据快速变化情况的增强型中值滤波算法是十分必要的。
技术实现思路
本公开为了解决上述问题，提出了一种基于多项式回归平滑修正的增强型中值滤波方法及系统，本公开能够自适应检测随机脉冲噪声，并利用多项式回归平滑过滤检测到的随机脉冲噪声并修正附近的滤波残余，增强中值滤波算法的随机噪声滤波能力。为了实现上述目的，本公开采用如下技术方案：一种基于多项式回归平滑修正的增强型中值滤波方法，包括以下步骤：(1)获取采样数据序列，并进行中值滤波，计算滤波残余；(2)根据随机脉冲噪声门槛值和滤波残余，判断是否存在随机脉冲噪声及其潜在位置；(3)如果有则确定潜在位置中的某数据为中心，确定局部数据序列，计算多项式回归平滑滤波矩阵，并用多项式回归平滑滤波矩阵修正局部数据序列，并修正后的序列替换原有局部序列所在相应位置的元素，得到背景噪声部分。作为进一步的限定，所述步骤(1)中的滤波残余为原有的数据序列与中值滤波后数据序列之差。作为进一步的限定，所述步骤(2)中，如果若中值滤波后数据序列中存在元素使滤波残余的绝对值大于随机脉冲噪声门槛值成立，则判断存在随机脉冲噪声。作为进一步的限定，所述步骤(2)中，满足滤波残余的绝对值大于随机脉冲噪声门槛值成立条件的元素位置为随机脉冲噪声潜在位置。作为进一步的限定，所述步骤(2)中，随机脉冲噪声门槛值根据历史数据的背景噪声获取，随机脉冲噪声门槛值为历史数据的背景噪声标准差与调节系数的乘积。作为进一步的限定，所述步骤(2)中，历史数据背景噪声为剔除随机脉冲噪声的滤波残余，随着滤波数据的更新，用最新的长度为N的背景噪声替换历史背景噪声数据中最老的N个元素，更新历史数据的背景噪声标准差。作为进一步的限定，所述步骤(3)中，取随机脉冲噪声潜在位置中滤波残余的绝对值最大的位置为中心位置。作为进一步的限定，所述步骤(3)中，以中心位置的数据为中心，构建局部数据序列，且局部数据序列的长度为奇数。作为进一步的限定，所述步骤(3)中，修正局部数据序列的具体过程为：修正后的局部数据序列为多项式回归平滑滤波矩阵和原局部数据序列的乘积。作为进一步的限定，所述步骤(3)中，用修正后的局部数据序列替代中值滤波后数据序列相应位置的元素，以修正中值滤波后数据序列并更新滤波残余。一种基于多项式回归平滑修正的增强型中值滤波系统，运行于处理器或存储器上，被配置为执行以下指令：获取采样数据序列，并进行中值滤波，计算滤波残余；根据随机脉冲噪声门槛值和滤波残余，判断是否存在随机脉冲噪声及其潜在位置；如果有则确定潜在位置中的某数据为中心，确定局部数据序列，计算多项式回归平滑滤波矩阵，并用多项式回归平滑滤波矩阵修正局部数据序列，并修正后的序列替换原有局部序列所在相应位置的元素，得到背景噪声部分。与现有技术相比，本公开的有益效果为：本公开利用历史滤波数据跟踪背景噪声强度，不断更新随机脉冲噪声门槛值，实现随机脉冲噪声的自适应检测。用多项式回归平滑过滤检测到的随机脉冲噪声并修正附近的滤波残余，由于多项式回归平滑滤波矩阵ξFW为恒定矩阵，所以能够快速完成滤波修正，增强了中值滤波算法的随机噪声滤波能力，使其在数据快速变化时也能有效过滤随机脉冲噪声。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，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。图1是本公开的流程图；图2是本公开的仿真实验结果；具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。初始化：设置中值滤波窗口长度Nmmf，设置NFWRL、NFW、p、kσ；生成权重对角阵WFW和多项式回归系数矩阵：计算多项式回归平滑滤波矩阵ξFW＝YFW(YFWTWFWYFW)-1YFWTWFW。流程如图1所示，具体步骤如下：1)设t时刻待滤波测量数据序列为X＝{xn,n＝1,…,N}，随机脉冲噪声门槛值为τIPN，进入步骤2)；2)中值滤波后测量数据序列为进入步骤3)；3)计算滤波残余进入步骤4)；4)若中存在元素使abs(ReMMF)>τIPN成立，则判断存在随机脉冲噪声，进入步骤5)；否则直接用更新历史滤波数据和用ReMMF更新历史背景噪声数据，并更新随机脉冲噪声门槛值τIPN，进入步骤9)；5)满足abs(ReMMF)>τIPN条件的元素位置为随机脉冲噪声潜在位置，记作进入步骤6)；6)中使abs(ReMMF)最大的位置记为iIPN，取以iIPN为中心的局部数据序列，如(3)所示，进入步骤7)；7)修正局部数据序列得用替代相应位置的元素，以修正并更新历史滤波数据，进入步骤8)；8)更新ReMMF，剔除ReMMF的随机脉冲噪声部分，得到背景噪声部分，更新历史背景噪声数据，更新随机脉冲噪声门槛值τIPN，进入步骤9)；9)t＝t+Δt，Δt为测量数据滤波执行时间间隔，返回步骤1)。下面给出了基于多项式回归平滑修正的增强型中值滤本文档来自技高网...

【技术保护点】
1.一种基于多项式回归平滑修正的增强型中值滤波方法，其特征是：包括以下步骤：(1)获取采样数据序列，并进行中值滤波，计算滤波残余；(2)根据随机脉冲噪声门槛值和滤波残余，判断是否存在随机脉冲噪声及其潜在位置；(3)如果有则确定潜在位置中的某数据为中心，确定局部数据序列，计算多项式回归平滑滤波矩阵，并用多项式回归平滑滤波矩阵修正局部数据序列，并修正后的序列替换原有局部序列所在相应位置的元素，得到背景噪声部分。

【技术特征摘要】
1.一种基于多项式回归平滑修正的增强型中值滤波方法，其特征是：包括以下步骤：(1)获取采样数据序列，并进行中值滤波，计算滤波残余；(2)根据随机脉冲噪声门槛值和滤波残余，判断是否存在随机脉冲噪声及其潜在位置；(3)如果有则确定潜在位置中的某数据为中心，确定局部数据序列，计算多项式回归平滑滤波矩阵，并用多项式回归平滑滤波矩阵修正局部数据序列，并修正后的序列替换原有局部序列所在相应位置的元素，得到背景噪声部分。2.如权利要求1所述的一种基于多项式回归平滑修正的增强型中值滤波方法，其特征是：所述步骤(1)中的滤波残余为原有的数据序列与中值滤波后数据序列之差。3.如权利要求1所述的一种基于多项式回归平滑修正的增强型中值滤波方法，其特征是：所述步骤(2)中，如果若中值滤波后数据序列中存在元素使滤波残余的绝对值大于随机脉冲噪声门槛值成立，则判断存在随机脉冲噪声。4.如权利要求1所述的一种基于多项式回归平滑修正的增强型中值滤波方法，其特征是：所述步骤(2)中，满足滤波残余的绝对值大于随机脉冲噪声门槛值成立条件的元素位置为随机脉冲噪声潜在位置。5.如权利要求1所述的一种基于多项式回归平滑修正的增强型中值滤波方法，其特征是：所述步骤(2)中，随机脉冲噪声门槛值根据历史数据的背景噪声获取，随机脉冲噪声门槛值为历史数据的背景噪声标准差与调节系数的乘积；历史数据背景噪声为剔除随机脉冲噪声的滤波残余，随着滤波数据的更新，用最新的长度为N...

【专利技术属性】
技术研发人员：张恒旭，靳宗帅，刘伟生，石访，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37