一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于核主成分分析的EMD去噪算法

本文以超声回波信号去噪为目的,研究了基于经验模态分解（EMD）分解的去噪方法。分解过程中固有模态函数（IMF）信号与噪声混叠,还会产生虚假分量,提出了基于核主成分分析（KPCA）的经验模态分解算法。首先对原信号进行经验模态分解得IMF分量;然后对信号进行KPCA变换,将各分量获得的贡献率与阈值比较,最终以去除分量中夹杂的噪声。为证明本文方法的有效性,还给出了仿真实验的仿真结果。     

基于 EMD 方差特性的混沌信号自适应去噪算法

本文利用经验模态分解算法（EMD ）,研究了不同状态下混沌信号的方差特性,提出了一种EMD分解层数自适应的去噪算法．该算法根据固有模态函数（IMF）方差最大值对应层数与总分解层数的关系,能够自适应选择需处理的IMF层数,并结合提升小波在更新和预测方面的优势综合去噪,分别以Lorenz、Chen系统（加入10％－100％的高斯白噪声）和实测的IPIX雷达数据作为混沌背景噪声进行了实验研究．结果表明：在不同程度的低噪声（≤30％）环境下,与传统小波阈值去噪等方法相比,其均方误差降低了30％以上,信噪比提高了1．5 db－3．5 db ,并能有效地去除海杂波噪声,提高混沌背景下的微弱信号检测效果．     

基于VMD和小波分析的油液磨粒信号去噪方法

油液金属磨粒检测传感器通过监测机械设备油路中的金属磨粒,可实时反馈机械设备故障特征。为了提升油液磨粒检测传感器的检测精度,文章提出一种针对油液磨粒信号的变分模态分解（Variational Mode Decomposition,VMD）结合小波分析的去噪方法。首先,通过计算各模态分量与原始油液磨粒信号的相关系数确定最优K值;其次,对原始信号进行VMD分解,筛选出特征分量;最后,利用小波阈值去噪方法对特征分量进行降噪处理。实验结果表明,与经验模态分解（Empirical Mode Decomposition,EMD）和传统小波去噪方法相比,本方法的信噪比最高,均方根误差最小,能量占比最大,在油液磨粒信号降噪效果中表现最好,有利于提升磨粒检测传感器的检测精度。     

基于改进CEEMDAN在电能质量复合扰动去噪中的应用

为提高噪声环境下电能质量复合扰动识别精度，提出一种基于改进自适应噪声完备经验模态分解（CEEMDAN）去噪算法。首先通过CEEMDAN方法将含噪信号分解为若干本征模态函数（IMF）；然后将改进兰氏距离与多重分形去趋势波动分析（MFDFA）结合，把若干IMF分量分为信号IMF分量、噪声和信号混叠IMF分量、噪声IMF分量。对于混叠IMF分量、噪声IMF分量分别采用改进奇异谱分析（SSA）、小波阈值（WT）去噪；最后，将经去噪处理的IMF分量与信号IMF分量进行重构。实验表明：与对比算法相比，含噪扰动经新算法去噪后，信噪比显著提高，去噪效果良好。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

基于自适应噪声完备经验模态分解的Φ-OTDR信号去噪算法

针对相位敏感光时域反射仪(Φ-OTDR)信号信噪比较低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)的小波信息熵阈值去噪算法。该算法配合CEEMDAN分解,通过小波信息熵阈值去噪,提取扰动位置的高频信息,从而提高系统的信噪比。首先,采用Savitzky-Golay滤波算法对不同光脉冲间的信号进行预处理;其次,采用CEEMDAN将滑动差分后单个脉冲内信号分解为不同的固有模态函数(IMF),并利用连续均方误差准则确定含噪较多的高频IMF分量;然后,采用小波信息熵阈值去噪算法对以上高频IMF分量进行阈值去噪处理;最后,将其与低频IMF分量以及残差分量进行重构。采用自行研制的相干Φ-OTDR系统实测数据进行了验证,结果表明,文中算法与两种传统去噪算法相比,信噪比提升了3dB,这对于系统的实际应用具有重要意义。     

基于EMD与SSA的语音增强算法研究

针对低信噪比下语音性能不佳及经验模态分解(EMD)在语音增强中的有效应用,文中提出了一种基于奇异谱分析(SSA)与EMD的语音增强算法。将含噪语音信号做EMD分解,对噪声IMF分量及信号IMF分别采用小波变换和SSA去噪处理。在输入信噪比为-10d B到10d B的高斯白噪声环境下进行仿真实验。结果表明文中提出的是一种有效的语音增强算法。     

一种用于激光雷达信号的自适应分段平滑算法

为了抑制米散射大气探测激光雷达回波噪声引起的信号随机波动,采用新设计的自适应分段平滑方法对信号进行平滑处理。根据激光雷达信号特性,信号有效变化幅值大于信号背景噪声波动。以背景噪声标准差的若干倍表示信号的噪声幅度。按照相邻信号幅值差与噪声幅度的对比,可以确定信号发生有效变化的位置,这些位置可以作为信号分段端点,在分段端点内用滑动平均可以实现对信号的自动分段平滑。用实测微脉冲激光雷达信号对方法进行了验证,并与常用固定分段平滑方法进行了对比。结果表明,自适应分段平滑方法可以根据信号变化的剧烈程度自动选择平滑窗口大小,在对噪声进行有效抑制的同时,避免平滑过度造成的信号畸变。     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

一种信号检测预处理的改进多尺度形态学滤波方法

通信信道冲击噪声干扰和宽带接收机非线性影响会导致接收的信号噪声基底不平坦,若不考虑噪声基底起伏而直接进行检测信号,可能会导致漏检。为提高信号检测精度,需估计信号噪声基底。为解决该问题,提出了一种信号检测预处理的改进多尺度形态学滤波方法。该方法采用多尺度开-闭组合运算对信号频谱进行形态学滤波,利用不同尺度的结构元素对不同带宽的信号进行局部滤波,并利用滤波后凸包的存在性作为滤波终止条件。仿真结果表明,该方法可以有效将不同带宽的信号滤除,有效提取噪声基底噪声,同时可消除频谱中低电平毛刺对噪声估计的影响。     

基于背景分析的蓝绿激光探测信号检测

针对机载海洋激光探测系统接收信号噪声的非平稳性及与信号的相关性问题,文中利用局部相关特性建立了一种广义空间相关模型,把与信号相关的噪声转化为独立于信号的加性噪声,提出了一种基于背景分析的三重相关检测弱小信号的方法,实验结果表明该方法是一种抗噪性能强,自适应性能好的弱信号检测方法。     

一种基于小波包和双谱的信号分析方法

在高斯噪声背景下,为了尽可能地消除噪声的干扰来提取有用信息,提出了一种基于小波包和双谱对加性高斯噪声信号进行处理的方法。主要利用小波包变换良好的时频分析能力和双谱对高斯噪声不敏感,不但能够抑制噪声、提高信噪比,而且可以得到信号幅度、相位、能量、非线性等丰富的特征信息。最后仿真表明了此方法分析信号的可行性和优越性。     

基于信号子空间的语音增强方法

基于子空间的语音增强算法不同于基于信号处理和统计估计的经典语音增强算法,其核心思想就是将带噪语音信号映射到信号子空间和噪声子空间中,并在信号子空间中估计原始信号。本文提出的算法是以线性代数和矩阵分析为基础,利用对语音信号和噪声协方差矩阵同时对角变换的条件,对混有加性白噪声和粉红噪声的语音信号进行增强处理。经过实验分析及与传统的语音增强算法相比较,语音失真较小,增强效果较好,能够在极大限度地抑制背景噪声的同时减少频谱失真和残余噪声。     

微弱光信号检测电路的设计和噪声分析

针对光信号检测电路对微弱光信号放大所带来的带宽和信噪比的问题,设计了一种微弱光信号检测电路。通过动态补偿的方法,在保证低噪声的同时使电路拥有良好的响应度。并通过电路的波特图形分析了电路的噪声,给出了减小电路噪声的方法。该电路主要用于检测快速变化的微弱光信号。     

基于滑动窗奇异值分解的局部放电信号检测方法

在局部放电信号检测过程中,局部放电信号幅值小,易受到噪声干扰,导致低信噪比下局部放电信号检测与波形恢复难度大。本文提出了基于滑动窗奇异值分解的局部放电信号检测方法。该方法利用噪声干扰信号与局部放电信号奇异值的差异性,通过滑动窗分段处理,建立奇异值差值序列,达到降噪与还原局部放电信号的目的。仿真与实测结果表明,本文方法在抑制噪声干扰和还原局部放电信号方面相比传统方法更具优势,且稳定性更好,适合在混合噪声干扰下实现对实测局部放电信号的检测和波形恢复。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

高精度数字式高斯白噪声发生器的FPGA实现

高斯随机白噪声是一种常用的信号形式,在信号分析和信号处理中具有重要价值.文中介绍了一种基于混沌映射法的高精度数字式高斯白噪声发生器的设计方案,它改进了传统的蒙特卡洛方法,利用映射函数方法实现均匀分布噪声到高斯分布噪声的快速转换,最大限度地降低运算量,是一种较理想的噪声信号产生方法.该噪声发生器可以快速产生周期长、性能稳定、噪声统计特性好的高斯宽带白噪声,具有很大的实用价值.文中给出了原理分析、系统设计及实际应用结果.