基于子带分解的自适应有源噪声控制算法

将子带分解技术应用于有源噪声控制。建立了相应的降噪模型 ,推导了基于子带分解的单道、多道算法。采用 DCT变换提供内插因子。该算法对有色噪声、宽带噪声具有良好的收敛性能。文中给出了与 FL MS和 FRL S算法对比的计算机模拟结果。     

基于DSP的自适应有源噪声控制实验系统

自适应有源噪声控制是有源噪声控制与自适应算法的融合,重点研究了自适应控制器及最小均方算法。采用数字信号处理器为核心,设计自适应有源噪声控制实验系统,实现了对噪声的有源控制实验,获得了理想的降噪效果。     

基于DSP的有源降噪系统的研究

在分析噪声危害的基础上,针对履带车辆舱室内各频率噪声大约为100dB～120dB的低频特点,阐述了有源噪声控制的原理、意义及发展现状。针对有源噪声控制中信号处理的实时性要求,将高速实时信号处理器DSP应用于有源降噪系统中,在此基础上完成了有源噪声控制的单极子两源系统的硬件设计。实验结果表明,降噪效果在100Hz～400Hz频段上平均降噪量达到10dB。     

基于优化抗干扰自适应算法的变压器有源噪声控制策略分析

针对传统算法计算不稳定，收敛速度慢的缺陷，提出了一种满足变压器噪声控制的有源噪声前馈控制（GFWC）算法。通过在FIR滤波器中加入构造一个基本函数，采用更少的参数满足算法的收敛性和稳定性，在简化系统的同时保证控制算法系统的稳定性。算法仿真对比分析表明，GFWC算法进行有源噪声控制时，能降低电力设备噪声12~18 dB，远高于传统LMS、NLMS、FxLMS算法。可见，采用有源噪声控制算法为电力设备低频降噪提供了一个有效方式。     

基于TMS320VC5416的自适应有源噪声控制系统的设计与实现

设计并实现了一种适用于封闭空间的、基于TI TMS320VC5416 DSP的单通道有源前馈噪声控制系统,详细阐述了有源噪声控制采用的FLMS算法和次级通路建模中采用的LMS算法.给出了程序流程图,介绍了硬件结构,并在封闭空间内进行实验.实验结果表明.该系统具有良好的降噪效果.     

电梯轿厢噪声主动控制系统与实验

针对高速电梯运行过程中所产生的轿厢噪声,基于主动噪声控制(ANC)技术,设计并开发了一个3入1出的多通道DSP自适应控制系统。利用该系统在模拟电梯环境中,分别针对130 Hz单频正弦噪声,正弦加白噪声和录取的电梯轿厢嗓声进行了控制实验,获得了20 dB,12 dB,8 dB的降噪效果,验证了本文系统在高速电梯轿厢噪声控制中的可用性和有效性。     

基于DSP的有源噪声控制系统设计

基于有源噪声控制算法,设计出一种有源噪声控制器.以TMS320C5509为核心,给出了系统的硬件解决方案,并利用混合编程在硬件系统上实现了基于LMS算法的有源噪声实时控制.实验结果表明,系统取得了良好的降噪效果.     

基于预测滤波器的数字降噪耳机研究

通常数字降噪耳机采用的自适应滤波器,一般基于LMS、NLMS等算法,但是由于A/D转换存在一定的延迟,导致实际降噪效果降低,故降噪耳机上的主动降噪系统需要对噪声进行预测.通过线性预测算法和改进滤波器,对已经采样的噪声信号进行算法分析,预测下一时刻的噪声信号,在Matlab中实现对飞机引擎噪声进行预测,并将降噪效果与LMS自适应滤波器的降噪效果进行比较.仿真结果表明,在处理低频噪声时,预测滤波器效果要优于LMS自适应滤波器.     

基于2阶Renyi熵的自适应主动噪声控制

在前馈主动噪声控制中,基于均方误差准则的传统算法仅考虑了信号的2阶统计量,忽略了实际存在的非高斯信号,不能满足对非高斯噪声的控制要求.提出基于2阶Renyi熵的滤波X自适应有限脉冲响应 (finite impulse response,FIR)主动噪声控制算法,定义2阶Renyi熵作为性能指标,利用Parzen窗方法估计误差的概率密度函数,给出基于2阶Renyi熵的信息梯度下降算法,实现自适应FIR控制,同时分析了算法的收敛性和计算复杂度.对单频信号和实测宽带非高斯噪声的仿真结果表明该算法能很好地消除非高斯噪声.     

一种便于低成本实现的自适应语音降噪算法研究

为便于用低成本的高速信号处理芯片实现语音降噪，对改进的离散余弦变换域LMS（Discrete cosine transform-LMS)自适应算法应用于噪声抵消系统进行了实验研究。结果表明，将该算法应用于自适应语音降噪系统，在有色噪声环境中能获得较好的降噪效果，基于数字信号处理器开发实现简单，硬件要求低，便于低成本实现。     

电力线通信系统中基于OFDM/OQAM的时频结合消噪算法

针对电力线通信（PLC）系统中存在严重影响传输性能的脉冲噪声,传统的消噪算法大都不能有效抑制脉冲噪声的问题,提出一种时频结合的消噪算法。首先,通过选择合适的门限对时域接收信号中峰值较大的脉冲噪声进行检测和置零处理;然后,在频域根据已判决的符号来重构时域尚未消除完的峰值较小的脉冲噪声,并通过迭代来提高噪声重构的准确性;最后,从频域接收信号中减去重构的脉冲噪声。在电力线多径信道下进行仿真实验,相比传统的时域消噪和频域消噪算法,所提算法在误比特率为0.01时可以分别实现2 dB和0.5 dB的性能提升,而随着误比特率的降低,它们之间的性能差距将会更大。仿真结果表明,所提出的时频结合消噪算法能够提高电力线通信系统对脉冲噪声的抵抗能力。     

自适应加权全变分的低剂量CT统计迭代算法

针对低剂量计算机断层扫描（LDCT）重建图像时出现条形伪影和脉冲噪声的现象,提出一种自适应加权全变分的LDCT统计迭代重建算法。该算法克服了传统全变分（TV）算法在去除条形伪影的同时引入阶梯效应的缺点,把基于加权方差的加权因子与TV模型相结合提出自适应加权全变分模型,然后再把新模型应用到惩罚加权最小二乘（PWLS）重建算法中,这样就可以对图像的不同区域进行不同强度的去噪,从而取得噪声抑制和边缘保持的良好效果。采用Shepp-Logan模型和数字骨盆体模来验证算法的有效性,实验结果表明,所提算法的归一化均方距离和归一化平均绝对距离均比滤波反投影（FBP）、PWLS、惩罚加权最小二乘的中值先验（PWLS-MP）以及惩罚加权最小二乘的全变分（PWLS-TV）算法的值小,且可分别获得40.91 dB和42.25 dB的峰值信噪比。实验结果表明,该算法重建出的图像在有效去除条形伪影的同时对图像的边缘和细节起到很好的保护作用。     

改进的曲率滤波强噪声图像去噪方法

目的 医学影像获取和视频监控过程中会出现一些恶劣环境,导致图像有许多强噪声斑点,质量较差。在处理强噪声图像时,传统的基于变分模型的算法,因需要计算高阶偏微分方程,计算复杂且收敛较慢;而隐式使用图像曲率信息的曲率滤波模型,在处理强噪声图像时,又存在去噪不完全的缺陷。为了克服这些缺陷,在保持图像边缘和细节特征的同时去除图像的强噪声,实现快速去噪,提出了一种改进的曲率滤波算法。方法 本文算法在隐式计算曲率时,通过半窗三角切平面和最小三角切平面的组合,用投影算子代替传统曲率滤波的最小三角切平面投影算子,并根据强噪声图像存在强噪声斑点的特征,修正正则能量函数,增添局部方差的正则能量,使得正则项的约束更加合理,提高了算法的去噪性能,从而达到增强去噪能力和保护图像边缘与细节的目的。结果 针对多种不同强度的混合噪声图像对本文算法性能进行测试,并与传统的基于变分法的去噪算法（ROF）和曲率滤波去噪等算法进行去噪效果对比,同时使用峰值信噪比（PSNR）和结构相似性（SSIM）作为滤波算法性能的客观评价指标。本文算法在对强噪声图像去噪处理时,能够有效地保持图像的边缘和细节特征,具备较好的PSNR和SSIM,在PSNR上比ROF模型和曲率滤波算法分别平均提高1.67 dB和2.93 dB,SSIM分别平均提高0.29和0.26。由于采用了隐式计算图像曲率,算法的处理速度与曲率滤波算法相近。结论 根据强噪声图像噪声特征对曲率滤波算法进行优化,改进投影算子和能量函数正则项,使得曲率滤波算法能够更好地适用于强噪声图像,实验结果表明,该方法与传统的变分法相比,对强噪声图像去噪效果显著。     

基于VGG网络与深层字典的低剂量CT图像去噪算法

低剂量计算机断层扫描（LDCT）能够有效降低X射线辐射对人体健康造成的危害,已广泛应用于医学临床诊断。针对LDCT图像中存在大量的斑点噪声和条形伪影的问题,提出一种结合改进的VGG网络和深层字典的图像去噪算法,以弥补深层字典去噪能力的不足。在深层字典学习到第一层字典原子和稀疏矩阵后,通过改进的VGG网络将字典原子区分为信息原子和噪声原子,同时将稀疏矩阵中噪声原子所对应的元素设置为零,降低噪声原子对图像去噪效果的影响。实验结果表明,与K-SVD算法、正则化K-SVD算法和深层字典学习算法相比,该算法的峰值信噪比和结构相似性指数平均提高了1.4 dB和0.03,能够有效抑制LDCT图像噪声和伪影,且保留较多的边缘和细节信息。     

基于蜂群算法任意平面阵最大信干噪比研究

针对复杂战场环境下超短波电台天线接收低信噪比信号能力弱和易受定向干扰的缺陷,结合战场超短波电台不规则分布和位置不能任意改变的特点,提出任意结构天线阵信号接收模型,采用蜂群算法优化阵元相位使得天线阵输出信干噪比最大。假设信噪比为0 dB,干噪比为60 dB,且在平面内随机选取8个阵元,采用蜂群算法优化后输出信干噪比为8.633 dB。与改进差分进化算法、遗传算法和粒子群优化算法相比,分别提高了0.577 dB、1.124 dB和1.543 dB。研究成果可为超短波电台组阵通信提供参考。     

结合感知损失与双重对抗网络的低剂量CT图像去噪

低剂量计算机断层扫描（LDCT）成像技术在医学诊断中得到广泛应用,但其斑纹噪声和非平稳条纹伪影复杂,目前多数算法仅依靠推断条件后验概率来实现图像去噪,无法应对LDCT图像噪声复杂、数据量少、先验知识缺乏的问题。提出一种结合感知损失的双重对抗网络去噪算法,以实现LDCT图像复原。该算法包含一个去噪器和一个生成器,分别从图像去噪和噪声生成2个角度来建模干净-噪声图像对的联合分布,通过联合学习使得去噪器和生成器相互指导,从而充分学习数据中的噪声信息和清晰图像信息,且学习到的去噪器可以直接用于LDCT图像修复。考虑到通过感知损失学习语义特征差异可以使去噪结果保留更多的细节和边缘信息,提出一种掩膜自监督方法,针对CT图像域训练一个语义特征提取网络用于计算感知损失。实验结果表明,与BM3D、RED-CNN、WGAN-VGG等主流去噪算法相比,该算法可以有效抑制噪声并去除伪影,最大程度地保留边缘轮廓和纹理细节,产生更符合人眼视觉特性的去噪效果,与当下LDCT图像去噪性能较好的SACNN算法相比,所提算法的PSNR和SSIM指标分别提升1.26 dB和1.8%。     

自适应非局部数据保真项和双边总变分的图像去噪模型

针对常见去噪方法容易造成特定区域过度平滑、奇异结构残余噪声以及产生阶梯效应和对比度损失等问题,提出一种自适应非局部数据保真项和双边总变分的图像去噪模型,建立了自适应非局部正则化能量泛函和相应的变分框架。首先,对噪声图像利用自适应权值的非局部均值求得数据拟合项;其次,引入双边总变分正则化项,利用正则化系数来适度平衡数据拟合项和正则化项的影响;最后,通过能量函数最小化对不同的噪声统计快速求得最优解,从而达到降低残余噪声并纠正过度平滑的目的。通过理论分析和针对模拟噪声图像与真实噪声图像的实验结果表明,所提出的图像去噪模型能够较好地处理具有不同统计特性的图像噪声,与自适应非局部均值滤波去噪相比,所提算法的峰值信噪比（PSNR）值最多可以得到0.6 dB的改善;与全变分正则化图像去噪算法比较,所提算法的主观视觉效果明显更好,在去噪的同时图像纹理和边缘等细节信息保护得更好,PSNR值最多可以提高10 dB,而多尺度结构相似性度（MS-SSIM）指标可以提升0.3。因此,所提出的图像去噪模型可以在理论上更好地探讨如何合理处理噪声和图像内容本身的高频细节信息,在视频和图像分辨率提升等领域也具有良好的实际应用价值。     

对偶算法在紧框架域TV-L1去模糊模型中的应用

目的 建立准确的数学模型并获得有效的求解算法是图像恢复面临的“两难”问题,非光滑型能量泛函有利于准确描述图像的特征,但很难获得有效的求解算法。提出一种拟合项和正则项都是非光滑型能量泛函正则化模型,并推导出有效的交替迭代算法。方法 首先,对系统和椒盐噪声模糊的图像,在紧框架域,用L₁范数描述拟合项,用加权有界变差函数半范数描述正则项。其次,通过引入辅助变量,将图像恢复正则化模型转化为增广拉格朗日模型。再次,利用变量分裂技术,将转化模型分解为两个子问题。最后,利用Fenchel变换和不动点迭代原理,将子问题分别转化为对偶迭代子问题和松弛迭代子问题,并证明迭代子问题的收敛性。结果 针对图像恢复模型的非光滑性,提出一种交替迭代算法。仿真实验表明,相对传统算法,本文算法能有效地恢复系统和椒盐噪声模糊的图像,提高峰值信噪比大约0.51分贝。结论 该正则化模型能有效地恢复图像的边缘,取得较高的峰值信噪比和结构相似测度,具有较快的收敛速度,适用于恢复椒盐噪声模糊的图像。     

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。