1.一种基于非局部相似性的一维信号去噪增强方法，其特征在于，具体按照以下步骤实施：步骤1：对观测信号f进行去噪处理，得到一次去噪信号设f＝[f(1)，f(2)，…，f(k)，…，f(N)]其中，f(k)＝s(k)+v(k) k＝0，1，2，…，N-1f(k)为观测信号，s(k)为原始信号，v(k)表示噪声信号，k表示时间，1≤k≤N，N表示信号长度；

步骤2：对步骤1得到的一次去噪信号进行片段划分，按照非局部相似性计算信号片段的二次去噪结果，具体为：步骤2.1：确定信号片段的划分规则

将步骤1获得的一次去噪信号 记为Y，即Y＝[y1，y2，…，yk，…，yN]′，其中，N表示信号长度，k表示第k时刻，k∈[1，N]，信号片段定义为：xi＝[yi，yi+1，…，yi+L-1]′，i∈[1，2，3，…，N-L+1]，其中，L表示信号片段的长度；

B重叠片段划分公式如下：

其中，B表示信号片段划分重叠数据个数，xi表示第i个信号片段，yi表示一次去噪信号中的第i个时刻的数据，N表示信号长度，L表示信号片段的长度，Nl＝ceil((N-B)/(L-B))表示最后一个信号片段的索引，ceil(·)为向上取整函数；

步骤2.2：确定信号片段的非局部相似性定义在信号Y中，若存在信号片段xi与xj，其中i≠j，对于给定误差上界ε，满足Dis(xi,xj,param)≤ε：则定义xj为xi的非局部相似片段；

α表示信号片段之间可能存在的倍数关系，β表示信号之间可能存在的常数偏差c组成的列向量，即β＝[c，c，…，c]′，c由xj均值与xi均值之差估计，ε表示允许误差，L表示信号片段的长度，i、j表示不同的相似片段编号，||·||p表示p范数，param表示距离模型选择参数；

步骤2.3：计算待去噪信号片段与相似片段集合元素之间的误差向量采用步骤2.2计算xi的非局部相似片段集合，并按列组成矩阵Xi，则待去噪信号片段xi与其第j个相似片段 的差值 表达式为：其中，xi表示第i个信号片段， 表示xi的第j个相似片段，即Xi中的第j列，param表示距离模型选择参数；

步骤2.4：计算权值矩阵

根据信号片段间误差确定各相似片段的权值 具体为：其中，1≤j≤Ji， 表示由步骤2.3确定的待去噪信号片段xi与其第j个非局部相似片段 的差值，param2表示权值确定参数；

步骤2.5：计算并记录信号片段的二次去噪结果待去噪信号片段为xi，xi的相似片段集合按列组成的矩阵为 其中Ji表示相似片段的数量；

采用对矩阵Xi各列加权平均的方式实现原始信号的滤波去噪，具体表示如下：式中， 表示信号片段xi的去噪值； 表示各信号片段的权值；

步骤3：基于步骤2得到的信号片段的二次去噪结果，对其进行融合归一化处理，得到观测信号f的去噪增强结果。

2.根据权利要求1所述的一种基于非局部相似性的一维信号去噪增强方法，其特征在于，所述信号片段的划分应该满足：mod(N-B，L-B)＝0，以保证信号片段长度相同，其中mod(·)表示取余数；如果信号Y不满足该条件，则对Y后面补上一定个数的0，进而满足mod(N-B，L-B)＝0条件，当B＝0即可实现无重叠片段划分。

3.根据权利要求1所述的一种基于非局部相似性的一维信号去噪增强方法，其特征在于，所述步骤3具体为：步骤3.1

B重叠片段划分的信号片段xi排列为的矩阵形式Z＝[x1，x2，…，xNl]，根据步骤2.5计算的每个片段的非局部去噪值 可以得到Z的非局部去噪值步骤3.2：对矩阵 中列向量进行对齐

令zi＝0N×1，其中i＝1，2，…，Nl；将zi中((i-1)*(L-B))至(i*L-(i-1)*B)之间的元素赋值为 即 如此操作得到新的矩阵

步骤3.3：对 中的列进行累加得到

则 其中

表示 的第i列，N表示信号长度；

步骤3.4：计算归一化权值矩阵Ω

归一化权值矩阵Ω中的第k个元素是由Y中第k个元素y(k)在Z中的个数Num(k)所决定：Ω(k)＝1/Num(k)

步骤3.5：计算观测信号f的初步去噪结果原信号的初步去噪结果：

其中， 表示观测信号f的增强去噪结果，<·>表示计算向量内积；

步骤3.6：计算原信号迭代多次的增强去噪结果设置迭代去噪次数itermax，初始化循环变量iter＝1，令 重复步骤2.1至步骤

3.5，每重复执行一次，设置iter＝iter+1，直至iter＝itermax，得到观测信号f的最终去噪增强结果