基于EMD算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对实际海杂波信号非线性非平稳的特点,提出基于EMD算法对实测海杂波数据去噪。对噪声水平未知条件下,EMD算法分解的哪些内蕴模式是信号部分难以有效界定的问题,提出基于噪声主要在高频段且能量较小、信号能量主要集中在低频段思想的噪声判断准则。为验证EMD去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用信噪比和均方差两项指标衡量去噪效果,并与均值、中值、db2小波等去噪方法对比,EMD算法在这两项指标均优于其他算法,说明EMD算法对海杂波数据去噪是有效的。     

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因.在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较结果.     

基于优化ESMD-ICA的海面微弱目标检测

针对强海杂波背景下的海面微弱目标检测问题,提出基于优化ESMD-ICA的检测算法.利用小波模极大值去噪算法对信号预去噪,再采用优化ESMD-ICA去噪算法,最后用优化灰狼算法(GWO)改进的ELM模型对重构的去噪信号做预测.利用IPIX雷达实测数据验证新算法,实验证明:新算法在抑制海杂波前提下,未破坏信号的混沌性质,新预测模型的检测性能远胜于传统预测模型(BP神经网络).新算法在去噪效果、模型训练与检测时间以及检测器稳定性等方面均表现良好,有利于算法广泛应用于实际工程.     

基于小波阈值自适应的局部放电信号降噪

为了抑制电缆绝缘局部放电检测中存在的白噪声干扰,提出一种基于小波阈值的局部放电特征提取的方法。对含噪信号进行小波分解,在选取最优阈值时,用鲸鱼算法优化阈值选取过程,有效提高了算法的精度与运算速度。为验证去噪效果,利用该方法和传统小波软阈值法对局部放电仿真信号和实测局部放电信号去噪,结果表明：与传统软阈值函数法相比,该方法能更加有效去除白噪声。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

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．     

基于改进的集成经验模态分解的海杂波去噪

针对海杂波信号因混有噪声而难以提取的特点,提出基于改进的集成经验模态分解(MEEMD)的海杂波去噪方法。文中提出的MEEMD 在补充的集成经验模态分解(CEEMD)的基础上,利用排列熵和Savitzky-Golay 滤波对CEEMD 分解后的固有模态函数进行处理,最后在经验模态分解分解重构后得到削噪后的信号。以IPIX 雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,并用均方根误差判断去噪效果。仿真结果表明,文中所提出的MEEMD 算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差为0. 000 847,比去噪前的均方根误差0. 012 2 降低了两个数量级。     

基于集成经验模态分解的海杂波去噪

针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.     

双密度双树小波变换的闪电信号去噪研究

为了克服噪声对闪电信号数据处理的影响,提出了一种基于双密度双树小波变换的闪电信号去噪方法.采用该方法分别对标准闪电波和实测的闪电信号进行了去噪研究,实验结果表明双密度双树小波变换能够有效滤除闪电信号中的噪声,效果优于传统的小波阈值法,而且比硬件去噪更加经济、方便和实用,值得进一步的推广和应用.     

一种改进的小波阈值去噪算法

为了有效滤除信号中的噪声,在提出的软、硬阈值函数去噪方法的基础上,结合已有的改进小波阈值去噪算法,新构造一种小波阈值函数。文中新构造的阈值函数结合软、硬阈值函数的优点,有较好的降噪效果和灵活性。通过Matlab仿真对比几种算法的信噪比(SNR)和均方误差(MSE)去噪指标,结果表明,新构造阈值函数的去噪指标优于传统阈值函数,具有一定的实用价值。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

不同小波基函数下的语音去噪研究

为了分析语音去噪的效果,首先介绍了小波变换和分解的相关理论知识,然后对Daubechies小波、Symmlets小波、Coiflets小波和Haar小波特性做了比较分析。最后选取一段添加了高斯白噪声的实际语音信号,选取heursure启发式阈值,利用Matlab软件分别对各种小波基下的去噪效果进行仿真实验。并通过计算去噪前后的信噪比(SNR)和最小均方差(MSE)的值,分析比较各种小波基函数的去噪效果,并得出最优小波基函数。     

一种基于能量选择的改进TQWT海杂波抑制算法

针对雷达对海探测中海杂波抑制问题,研究了基于能量选择的改进可调Q小波变换(TQWT)海杂波抑制算法。根据目标和海杂波振荡属性差异,通过TQWT将回波信号分解到不同子带的小波系数中,并利用基追踪去噪(BPD)对小波系数稀疏优化后进行目标重构。为更好的重构目标信号,文中基于子带能量最优分布准则,提出了能量选择法,提取目标能量占优层级的小波系数进行重构,实现目标与海杂波的有效分离。论文分析了雷达观测时间对算法性能的影响,为该方法的工程应用提供指导。通过在CSIR公开数据集上进行实验,结果验证了该算法的性能,改善了输出信杂比。     

改进小波阈值去噪在PCB图像检测中的应用研究

应用自动光学检测仪检测印刷电路板图像的过程中,图像去噪是至关重要的一个步骤,针对PCB板图像对比度差、动态范围小、图像模糊等问题,提出了一种改进的小波阈值去噪算法。该算法对含噪声的PCB图像进行小波分解,在对分解后不同尺度下的小波系数按照改进的阈值方法进行处理的基础上,进行PCB图像重构。实验结果表明,该方法的均方根误差以及峰值信噪比值均优于传统的软硬阈值去噪方法,是一种有效的图像滤波算法。     

遥感图像的NSCT自适应阈值去噪方法

提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。通过小波估计被噪声污染遥感图像的噪声强弱,根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

一种新的图像自适应阈值去噪方法

针对小波变换缺乏平移不变性产生的伪吉布斯现象(Gibbs-like phenomena)和Donoho阈值去噪方法阈值单一的缺陷,提出了基于Cycle Spinning的图像自适应阈值去噪方法,Cycle Spinning能抑制伪吉布斯现象,并且给出了阈值自适应因子,阈值能根据不同高频子带自适应改变。实验显示,该方法提高了去噪图像峰值信噪比(PSNR),降低了均方误差(MSE),去噪图像清晰,获得较好的视觉效果。     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.