【技术实现步骤摘要】
本专利技术涉及太赫兹检测与信号处理，具体涉及一种太赫兹时域光谱信号系统噪声抑制方法及系统。
技术介绍
1、太赫兹波是一种电磁波，工作频率介于微波和红外之间，波长范围在30μm至3mm之间，太赫兹时域光谱信号的特点在于其波长相对较长，穿透力强，同时拥有纳秒级别的超高时间分辨率，它在材料的结构、物理性质和动力学过程等方面都能提供丰富的信息。通过太赫兹时域光谱技术，可以分析样品的相互作用、内部结构、成分和能带结构等。
2、太赫兹时域光谱仪在传输与探测采样太赫兹信号的过程中，会受来自仪器内部噪声：自激噪声、电源噪声、电子噪声等影响，此外还有环境干扰和传输介质引起的噪声，包括电磁干扰、大气吸收、散射、吸收、衰减等因素导致的信号损失和失真。为了准确地探测和分析太赫兹信号，需要注意对噪声进行合理的补偿和校正，例如，可以使用噪声补偿算法、滤波器和信号处理技术来降低噪声的影响，提高信号的质量和可靠性。
3、目前太赫兹时域光谱信号系统噪声抑制策略主要包括低通滤波降噪技术、小波滤波技术、经验模态分解降噪技术等，但低通滤波降噪技术只能对特定评率段的噪声进行去除，不具有适应性；小波降噪方法对噪声抑制有一定效果，但存在小波基和分解层数确定困难的缺点；经验模态分解滤波可以分解信号，但存在严重的模态混叠现象，模态混叠现象导致丢失有用的信号信息，极大地影响了降噪效果。因此仍需对太赫兹时域光谱信号系统噪声抑制方法进行改进，在保留信号原来的波形特征的同时，减少计算量，增强适应性，提高系统的信噪比和精确度。
技术实现
1、本专利技术中提供了一种太赫兹时域光谱信号系统噪声抑制方法及系统，从而有效解决
技术介绍
中所指出的问题。
2、为了达到上述目的，本专利技术所采用的技术方案是：
3、一种太赫兹时域光谱信号系统噪声抑制方法，所述方法包括：
4、采集若干次含有噪声太赫兹时域光谱信号并使用滤波算法消除采样值偏差，所述信号从初始状态1到t时刻；
5、建立太赫兹时域光谱信号模型，利用采集的信号由初始状态1后一时刻开始，利用上一时刻的观测电压值和所述太赫兹时域光谱信号模型，对当前时刻的电压值进行预测，获得当前时刻的预测电压值；
6、利用当前时刻的观测电压值与当前时刻的所述预测电压值进行修正和更新，得到当前时刻的电压估计值并持续迭代完成从初始状态1到t时刻的推进，得到从所述初始状态1到t时刻噪声抑制后的太赫兹时域光谱信号；
7、由t-1时刻开始，利用当前时刻的所述观测电压值和所述太赫兹时域光谱信号模型，对上一时刻的电压值进行预测，获得上一时刻的所述预测电压值；
8、利用上一时刻的所述观测电压值与上一时刻的所述预测电压值进行修正和更新，得到上一时刻的电压估计值并持续迭代完成从t时刻到初始状态1的推进，得到t时刻到初始状态1噪声抑制后的太赫兹时域光谱信号；
9、对初始状态1到t时刻和t到初始状态1时刻噪声抑制后的太赫兹时域光谱信号进行处理和修正，得到最终的所述噪声抑制后的太赫兹时域光谱信号。
10、进一步地，采集的含有噪声太赫兹时域光谱信号置于n×t矩阵中，n为采样次数，t为采样点数。
11、进一步地，滤波算法采用防脉冲干扰平均滤波算法，方法包括：
12、使用插入法将n×t矩阵中每列数据进行排序；
13、将排序后的所述n×t矩阵中第一行与最后一行数据剔除，并计算每一列的平均值，得到1×t矩阵，所述1×t矩阵为采样优化后的太赫兹时域光谱信号。
14、进一步地，使用插入法将n×t矩阵中每列数据进行排序，包括：
15、(1)从第二个元素开始，将其视为已排序部分；
16、(2)取出下一个元素，将其与所述已排序部分的元素依次比较；
17、(3)如果待插入元素小于所述已排序部分的某个元素，则将该元素后移一位，继续比较；
18、(4)如果所述待插入元素大于等于所述已排序部分的某个元素，则将待插入元素插入到该位置；
19、(5)重复步骤(2)-(4)，直到所有元素都被插入到正确的位置，形成有序序列。
20、进一步地，所述太赫兹时域光谱信号模型为概率状态空间模型，满足条件：
21、xk～p(xk|xk-1)＝n(xk|akxk-1，qk)
22、yk～p(yk|yk-1)＝n(yk|hkyk-1，rk)
23、其中，xk∈rn表示k时刻的系统状态，rn表示n维实数空间，yk∈rm表示k时刻的测量结果，rm表示m维实数空间，p(xk|xk-1)是描述系统随机动态的动状态模型，p(yk|yk-1)是描述给定系统状态时测量结果概率分布的观测模型，ak为状态转移矩阵，qk为系统噪声的协方差矩阵，hk为观测矩阵，rk为观测方程噪声的协方差矩阵。
24、进一步地，从初始时刻1到t的预测，包括：
25、设当前时刻为k，上一时刻为k-1，通过k-1时刻的电压值预测k时刻的电压值，即得到了k时刻的电压预测值x(k，k-1)，公式如下所示：
26、x(k，k-1)＝a×x(k-1)，
27、其中a是由k-1时刻到k时刻的电压转移矩阵，x(k-1)为k-1时刻的电压的最优估计值。
28、进一步地，在k-1时刻的相关参数计算包括：
29、估计误差方差递推中间变量p(k，k-1)，公式为：
30、p(k，k-1)＝a×p(k-1)×at+g×q×gt，
31、其中，p(k-1)为k-1时刻状态最优估计值的估计误差方差阵，g为状态方程中噪声的系数，q为状态方程中噪声的协方差，gt为矩阵g的转置；
32、计算校正增益k(k)，公式为：
33、k(k)＝p(k，k-1)×[c×p(k，k-1)×ct+r]-1，
34、其中c为测量方程的观测矩阵，r为观测方程噪声的协方差，ct为矩阵c的转置。
35、进一步地，对k时刻的电压状态进行最优估计，包括：
36、x(k)＝x(k，k-1)+k(k)×[y(k)-c×x(k，k-1)]，
37、其中，y(k)为观测电压值；
38、更新k时刻的估计误差方差p(k)：
39、p(k)＝[i-k(k)×c(k)]×p(k，k-1)，
40、其中，i为单位矩阵，c(k)为观测方程的观测矩阵。
41、在完成当前时刻k的电压估计之后，继续重复预测、修正、更新的步骤直至从初始时刻1到t时刻的推进。
42、进一步地，反向迭代步骤和计算过程与正向迭代步骤和计算过程相同，包括使用太赫兹时域光谱信号模型进行预测、修正和更新，完成从t时刻到初始状态1的推进。
43、一种太赫兹时域光谱信号系统噪声抑制系统，所述系统包括：
44、噪声信号采集模块，采集若干次含有噪声太赫兹时域光谱信号并本文档来自技高网...
【技术保护点】
1.一种太赫兹时域光谱信号系统噪声抑制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，采集的含有噪声太赫兹时域光谱信号置于N×T矩阵中，N为采样次数，T为采样点数。
3.根据权利要求2所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，滤波算法采用防脉冲干扰平均滤波算法，方法包括：
4.根据权利要求3所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，使用插入法将N×T矩阵中每列数据进行排序，包括：
5.根据权利要求1所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，所述太赫兹时域光谱信号模型为概率状态空间模型，满足条件：
6.根据权利要求1所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，从初始时刻1到T的预测，包括：
7.根据权利要求6所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，在k-1时刻的相关参数计算包括：
8.根据权利要求7所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，对k时刻的电压状态进行最优估计，
9.根据权利要求1所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，反向迭代步骤和计算过程与正向迭代步骤和计算过程相同，包括使用太赫兹时域光谱信号模型进行预测、修正和更新，完成从T时刻到初始状态1的推进。
10.一种太赫兹时域光谱信号系统噪声抑制系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种太赫兹时域光谱信号系统噪声抑制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，采集的含有噪声太赫兹时域光谱信号置于n×t矩阵中，n为采样次数，t为采样点数。
3.根据权利要求2所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，滤波算法采用防脉冲干扰平均滤波算法，方法包括：
4.根据权利要求3所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，使用插入法将n×t矩阵中每列数据进行排序，包括：
5.根据权利要求1所述的太赫兹时域光谱信号系统噪声抑制方法，其特征在于，所述太赫兹时域光谱信号模型为概率状态空间模型，满足条件：
【专利技术属性】
技术研发人员：赵科，王静君，李洪涛，杨景刚，李玉杰，肖焓艳，高山，庄添鑫，尹泽，孙蓉，徐阳，张照辉，陈阳，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。