通信

TN912007021135混沌时间序列降噪在数字通信中的一个应用/刘雄英,丘水生(华南理工大学电子与信息学院)//电路与系统学报.―2006,11(2).―38～41,37.根据对非线性时间序列降噪的理论,该文采用Gradient Descent方法在CSK(Chaos shift Keying)系统的接收端对混沌时间序列进行降噪,     

基于非线性约束的局部投影降噪

基于相空间重构理论,该文提出了一种改进的混沌时序降噪方法.首先利用递归图对实际观测的时间序列进行混沌特性分析,然后将非线性约束条件引入局部投影方法之中,并在局部邻域内进行奇异谱(SSA)分析,利用代表吸引子的主分量来重构时间序列.该算法克服了传统局部投影方法不能充分刻画系统内在非线性关系的问题,减小了重构误差,提高了系统的信噪比.通过对Lorenz模型和太阳黑子混沌时间序列进行仿真分析,证实了该文算法对实际观测混沌时序降噪的有效性.     

混沌时间序列信号的降噪

混响背景下目标信号的检测、降噪方法与实现,一直以来都是一个难题。建立了非线性降噪模型,并且应用此模型进行混沌时间序列信号检测。以典型的Henon混沌系统所产生的时问序列作为样本和水下目标信号噪声序列为例,进行了降噪和预测,结果表明该方法是有效的,可行的。     

基于模极大值的宽带雷达信号去噪方法

经典Mallat小波模极大值降噪法因其程序复杂度高、计算量大难以满足宽带雷达信号处理的性能要求.在模极大值降噪算法的基本思想上,提出基于“路径”的模极大值降噪算法,并利用改进的自适应阀值估计对模极大值序列进行预处理及利用分段多项式插值对模极大值序列进行快速重构.选用LFM信号为宽带雷达发射信号,对目标回波高分辨率像进行模极大值降噪处理.Maltab仿真结果表明,改进后的模极大值降噪算法具有良好的去噪性能,有效提高宽带雷达回波信号的信噪比,且能保留目标大部分特征信息.     

改进奇异值分解算法在时间域瞬变电磁信号降噪中的应用

奇异值分解降噪算法中,有效秩阶次的判断对降噪算法的性能的影响至关重要。为选取更准确的有效秩阶次,本文研究了奇异值序列的差分,提出判断奇异值分解重构的有效秩阶次的新方法,并应用其对时间域瞬变电磁信号降噪,提高输出信号的信噪比。与现有判断有效秩阶次的算法不同,本文算法考查奇异值序列的归一化差分的峰值而不是最大值,通过选择归一化差分的合适峰值,并综合差分比序列以判断阶次。实验中发现,对于两个大小相近的尖峰,其中差分比小的,更适合作为有效秩阶次。本文算法在降噪的同时,能较好地保留有用信号的波形特征,减小失真。      

基于小波变换的模极大值降噪法的实现及改进

传统的模极大值序列处理方法虽然可以保留信号特征,但降噪后的信号在奇异点有毛刺和轻微的振荡。模极大值序列的改进方法是对模极大值序列进行软阈值处理,由于软阈值函数是连续的,所以降噪信号会更加光滑。通过MATIAB仿真实验说明,改进方法能有效地改善毛刺和振荡现象。     

采用背景提取和自适应滤波的视频降噪算法

针对监控视频图像背景固定的特点,提出一种有效去除高斯噪声和脉冲噪声的降噪算法.首先通过分析噪声设计一种提取视频序列背景图像的算法,然后对运动区域采用自适应像素域滤波算法来进行处理.该算法根据最小可觉差和视频图像特征自适应地选择谐波均值滤波、加权算术平均滤波、α-截尾均值滤波和中值滤波.为评估降噪算法性能,将降噪处理前后的视频序列分别进行MPEG-2编码,并改变目标码率对比视频质量.实验结果显示:降噪处理后的视频能够用更少的(约50%)比特数获得相同的主、客观视频质量;或者用相同的比特数获得更高的视频质量.     

基于整数DCT和块匹配的彩色图像去噪

降噪研究是图像和视频处理方面一个传统的研究领域,不同于传统的空域去噪,频域去噪算法取得了显著成就。文中提出基于块匹配的频域彩色图像降噪方法。首先对图像进行块匹配,完成后采用整型DCT变换对空域数据进行处理,实行频域去噪后进行整型DCT反变换得到空域结果。该算法测试整型DCT对降噪方法的影响,并且提高整体降噪方法的处理时间。文中提出的降噪方法在提高效率的同时,取得了同样优秀的降噪成果,在彩色图像处理方面取得显著效果。     

瑞利BOTDA系统的2维提升小波降噪方法

为了解决基于瑞利散射的布里渊光时域分析系统（BOTDA）中传感信号受噪声干扰严重的问题,采用2维提升小波变换算法,将测量信号从1维空间转换到2维空间,进行阈值降噪处理。通过理论分析和实验验证,取得了传统小波与2维提升小波降噪数据。结果表明,2维提升小波变换比传统小波变换信噪比提高约10dB,运算量减少了1/3;2维提升小波充分利用测量信号时间上的相关性,变换结构简单、运算速度快、降噪效果优于传统小波,适用于瑞利BOTDA系统降噪。该结果对光纤传感系统中信号降噪的研究有一定参考价值。     

一种改进的先验知识正弦信号参数估计方法

本文提出了一种估计具有先验知识的多正弦信号参数的改进方法.该方法首先利用信号增强技术对观测序列进行降噪预处理;然后采用简单的迭代计算消除观测序列中的已知频率信号分量.仿真实验表明,本文方法充分利用了测量过程的先验知识,对观测序列进行参数估计时比传统的正弦信号提取方法具有更高的估计精度,能够得到良好的估计结果.     

一种新颖的混沌时间序列分析方法

本文提出了一种新颖的混沌时间序列分析方法,即从被加性高斯白噪声污染的混沌时间序列中估计其系统参数并同时进行噪声抑制的方法。假定产生混沌时间序列的模型已知,但相应的参数未知。这种新方法把对混沌时间序列的参数估计和噪声抑制看作是一种最小化过程,并利用了最速梯度下降方法解决。数值模拟实验表明新方法要优于现有的方法,是估计混沌系统系数和噪声抑制的一种有效的方法。     

非线性时间序列分析中系统建模和噪声抑制的交叉参考方法

本文钭复杂非线性时间序列分析中的系统建模（或参数估计）与器材怕抑制这两个通常是分别或顺序完成的任务进行处理,提出一种交叉参考的统一框架,通过这代算法中的交叉参考和积极作用改善性能,基于这一框架,建立了一个用于混沌时间序列分析的交叉参考迭代算法,仿真结果表明了该方法对性能的显著改善,根据不同的优化准则,还可获得各种变型长法。     

Denoising Nonlinear Time Series by Adaptive Filtering and Wavelet Shrinkage: A Comparison

Time series measured in real world is often nonlinear, even chaotic. To effectively extract desired information from measured time series, it is important to preprocess data to reduce noise. In this Letter, we propose an adaptive denoising algorithm. Using chaotic Lorenz data and calculating root-mean-square-error, Lyapunov exponent, and correlation dimension, we show that our adaptive algorithm more effectively reduces noise in the chaotic Lorenz system than wavelet denoising with three different thresholding choices. We further analyze an electroencephalogram (EEG) signal in sleep apnea and show that the adaptive algorithm again more effectively reduces the Electrocardiogram (ECG) and other types of noise contaminated in EEG than wavelet approaches.      

一种改进的混沌序列去噪方法

针对混沌时间序列的噪声平滑,分析了其信噪比与关联维数的关系,并结合局部投影方法的邻域选取问题,提出了一种改进的去噪方法。该方法对于含有噪声的混沌信号选定一个邻域半径值,计算去噪后序列的关联维数,确定该选定的邻域半径值是否准确并进行调整,最终找到合适值并进行多次局部投影去噪,从而得到去噪后的纯净序列。用改进后的方法对含噪声的Lorenz序列和对股市序列进行对比预测仿真,仿真结果表明该方法能够有效地选取邻域半径,进而改善局部投影方法的去噪效果,取得更好的预测效果。     

A cross-reference method of parameter estimation and noise reduction and its applications

This paper proposes a cross-reference method of nonlinear time series analysis, combining the tasks of dynamical system parameter estimation and noise reduction which were fulfilled separately before. With the positive interaction between the two processing modules, the method is somewhat superior. Some prior works can be viewed as special cases of this general framework and effective new algorithms may be devised according to it. Two examples of chaotic time series analysis are also given to show the applicability of the proposed method.     

基于混沌和神经网络的弱信号探测

本文首先描述了混沌的定义，提出了一个判断时间序列是否具有混沌行为的实验准则，即时间序列要有有限维数的吸收子，一个为正数的Ｌｙａｐｕｎｏｖｅ指数（李氏指数）并且是局部可预测的，分析了神经网络的重构混沌时间序列相空间的性能和受白噪声干扰时重构相空间的能力，基于神经网络所具的强大学习和非线性处理能力和混沌的局部可预测性，提出了一种利用神经网络对淹没有混沌背景下的瞬态信号进行检测的方法，实验表明，这种方法     

小时间尺度网络流量混沌性分析及趋势预测

小时间尺度的网络流量的混沌性被噪声掩盖难以预测,本文通过局部投影降噪得到可预测的混沌性流量趋势.针对网络流量存在的时变性和长周期性,提出一种最优样本子集在线模糊最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)预测方法:以与预测样本时间上以及欧式距离最近的样本点构...     

混沌时间序列的Volterra自适应预测滤波器定阶

由于Volterra自适应滤波器的阶数对预测性能有较大的影响,在实际预测中,如何确定Volterra自适应滤波器的最优阶数就成为一个关键问题,该文运用相空间重构理论,推导出了Volterra自适应滤波器的最优阶数等于混沌动力系统的最小嵌入维数,作者用六种混沌时间序列进行实验,结果表明这种定阶方法在混沌时间序列Volterra自适应预测中非常成功,该方法对噪声影响的变化,表现出较好的鲁棒性。