基于集合经验模态的微弱激光脉冲信号自动去噪方法

由于微弱激光脉冲信号中存在噪声，需对其进行去噪处理，为此，提出基于集合经验模态的微弱激光脉冲信号自动去噪方法。首先建立微弱激光脉冲信号模型，模拟信号回波；其次采用集合经验模态分解方法分解微弱激光脉冲信号，并计算模态分量的排序熵，根据计算结果消除虚假分量；再采用基于峰度检测的加窗方法获取噪声与有效信号的分界点，确定噪声区域；最后引入小波滤波器在噪声区域内对微弱激光脉冲信号自动去噪。实验结果表明，所提方法的噪声检测精度高、去噪效果好、去噪效率高。     

基于经验模态分解的自适应滤波算法及其应用

在对炮膛进行检测时,由于温度、光照强度等影响,使得测得的信号带有很大的噪声,当噪声频带很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显.为此,提出了一种基于经验模态分解的自适应滤波算法,该算法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波参数,进行自适应滤波处理.通过实验对比研究了该算法与普通自适应去噪、多尺度EMD滤波的降噪效果,实验表明,该算法具有很好的去噪效果.将该算法应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果.     

基于最大熵谱估计的回波信号检测技术研究

提出了最大熵谱估计和LMS自适应算法提取激光测距系统的反射回波信号。研究了最大熵谱估计的信号检测原理,采用Burg算法求取AR模型相关参数,设计LMS自适应滤波器提取回波信号,并分析了Burg最大熵谱估计在激光测距系统回波信号检测中的应用。仿真分析表明,最大熵谱估计和LMS自适应算法相结合可以有效地从背景噪声中提取有用的激光反射回波信号。     

基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法

在使用经验模式分解(Empirical Mode Decomposition,EMD)对激光雷达回波信号进行去噪处理时,由于信号含有脉冲及间歇等间断事件而产生模态混叠,导致不能很好地分解出有用信号成分,影响去噪效果。针对这一问题,提出了一种形态滤波与EMD相结合的组合算法。首先,使用自适应多尺度形态滤波器作为前置单元,对信号进行初步处理,剔除信号中的间断事件干扰。之后,应用EMD对处理过的信号去噪。采用仿真数据及真实激光雷达回波数据进行了去噪实验。实验结果表明,文中算法相比于直接EMD去噪,在仿真试验中信噪比提高了8.89 dB,均方根误差降低了0.0514;在真实回波数据去噪实验中,6 km以后平均信噪比提高了3.356 4 dB。该组合算法有效地抑制了模态混叠现象,具有良好的去噪效果及应用前景。     

数字化脉冲激光引信探测系统设计与信号处理

针对以往模拟脉冲激光引信探测系统存在的测距误差较大的缺点,为进一步提高脉冲激光引信的测距精度,设计了一种数字化脉冲激光引信探测系统.该探测系统包括发射、接收和信号处理3部分,其中信号处理部分主要实现脉冲回波信号的高速实时采样与缓存、信噪比增强与时延估计.采用双通道ADC并行采样,实现了以200 MHz的等效采样频率对脉冲回波信号进行高速采样.当脉冲回波信号很微弱时,采用多脉冲相干平均算法提高了其信噪比,增强了对微弱回波信号的检测能力.通过最小二乘时延估计算法得到了回波时延,进而计算得到目标距离.测距实验结果表明:该探测系统测距精度较高,最大测距误差为0.25 m.     

海杂波背景下漂浮小目标检测新算法

针对海杂波背景下漂浮小目标检测问题,提出一种海杂波背景下漂浮小目标检测新算法.利用互补自适应噪声集合经验模式分解-鲁棒性独立主成分分析与Savitzky-Golay滤波算法(EEMDCAN-Robust ICA&SG)联合去噪算法处理海面回波信号,对重构信号用改进蝙蝠算法优化KELM模型做混沌预测.实验结果表明:新算法在不破坏海杂波混沌特性的前提下,极大地抑制了海杂波.在同等条件下,与传统混沌预测算法相比,训练时间短、预测精度高.新算法的检测性能稳定,低信杂比下的检测性能显著优于传统算法,证明新算法能快速实现对漂浮小目标的有效检测.     

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

脉冲噪声检测与滤除器

从信号的自相关角度出发,分析了信号受脉冲噪声污染的特点.根据信号受脉冲噪声污染的特点,提出了一种从幅度上检测脉冲噪声、从宽度上识别脉冲噪声的方法,然后对检测出的噪声点进行预测插值去噪处理.由于只对噪声污染点处理,未改变非污染信号点,从而极大地保护了信号的细节信息.该滤波器算法简单、能够自动适应信号变化和脉冲噪声特性.实验结果表明,与中值滤波器、均值滤波器相比,该滤波器能够在保护信号细节信息的同时,很好地去除脉冲噪声.     

自适应滤波器的算法研究及DSP仿真实现

随着DSP技术的高速发展,人们对信号处理的实时性、准确性和灵活性的要求越来越高,DSP技术在信号处理中的地位也越来越重要.自适应滤波器是一种复杂的算法,设计它是为了在均衡信道,抵消回波,增强谱线,抑制噪声等方面有所应用.而自适应滤波器的实现主要采用最小均方误差算法完成.自适应算法通过调整滤波器系数来实现可以更好地跟踪信号的变化,最终实现自适应滤波.     

去除图像椒盐噪声的双向预测算法及其改进

在去除图像噪声的同时,如何避免图像细节信息的损失和边缘的模糊,是图像处理技术中的一个难点.针对灰度图像中存在的椒盐噪声问题,提出了基于双向预测算法的去噪方法.首先根据椒盐噪声的特点,判断图像像素是信号像素还是噪声像素.对于信号像素,保持灰度值不变;对于噪声像素,利用双向预测的方法来确定处理后该像素点的灰度值.针对上述方法中存在的不足之处,又提出了一种改进方案.改进方案在对噪声像素处理时,根据像素之间的相关性和像素本身的性质自适应地确定预测器的预测系数,提高了预测算法的去噪性能.实验结果表明,本文算法具有良好的去噪特性及细节保持特性.     

激光回波的目标检测算法

目标检测的阈值法经常用于检测目标的回波信号。它的性能取决于信噪比,当信噪比大于6.7时,能够检测出目标。为了提高信噪比,经常采用匹配滤波器。如果系统是窄带系统,噪声为色噪声,无法使用匹配滤波器,不能提高信噪比。激光回波信号的几何特征不同于噪声。提出了一种利用这种几何特征检测目标的算法。当信噪比大于2时,该算法能够检测出目标。该算法已经实际应用。     

微弱信号非线性检测在随钻电磁波中的应用

在随钻电磁波测井工程中, 随着勘探深度加深, 信号呈现越来越微弱的特性, 有效提取强噪声背景下的微弱电磁波信号对于指导随钻工程勘探具有重要的意义.传统的滤波方法仅滤除带外噪声, 带内噪声不能被很好解决, 针对此问题, 文章设计带外硬件滤波电路和带内基于最小均方算法的可变参数自适应谱线增强(adaptive line enhancer, ALE)算法来构造组合滤波算法.理论分析和仿真研究表明:该组合算法能够提高高动态、低信噪比的微弱电磁波有用信号的估计精度, 有效提高信噪比和抑制工程环境噪声的能力.该组合算法在滤除带外噪声的基础上, 对于带内高斯白噪声抑制能力提高约10 dB, 进一步解决了实际工程问题.     

改进的滤波-e LMS算法

针对有源噪声控制中次级通路为非最小相位系统的情况,提出一种改进的滤波-e算法.该算法采用次级通路传递函数的逆来构建误差滤波器,依据Shannon-Bode方法将误差滤波器分解为白化滤波器和非因果滤波器,并对其进行改进从而构建一个物理可实现的滤波器,再将获得的误差信号通过该误差滤波器后对控制器的权系数进行更新.仿真实验表明,改进后的算法不仅可以提高系统的稳定性和降噪量还可以减少系统的超量均方误差,较传统的滤波-e算法在性能上有明显改进.     

相干光OFDM系统中一种新颖时域容积卡尔曼相位噪声补偿算法

针对激光器产生的相位噪声会严重影响相干光正交频分复用(CO-OFDM)系统的性能问题,提出了一种新颖容积卡尔曼滤波(CKF)相位噪声补偿算法。该算法利用导频信息,先通过扩展卡尔曼滤波(EKF)和线性插值算法补偿公共相位误差(CPE)噪声,然后对相位噪声粗补偿后的信号进行预判决,在时域对预判决后的信号进行次符号处理的CKF实现对载波间干扰(ICI)相位噪声的精细补偿。对补偿后的信号进行二次迭代,从而提高补偿效果。分析和仿真表明:提出的新颖CKF算法能有效补偿相位噪声对信号的影响,在相位噪声线宽较大时能有效增强对ICI相位噪声的补偿效果,改善CO-OFDM系统对激光器线宽的容忍度,有效提高系统的性能。     

Convergence of an adaptive filter with signed filtered error

The need for high-speed adaptive filters has prompted the search for alternatives to the popular LMS algorithm. One modification is the replacement of the prediction error term in the LMS update kernel by its signum function. At the same time, in noise and echo cancellation problems, reduced residual noise variance often requires error filtering. In the paper, the authors consider the situation where the signum function of such a filtered error appears in the update kernel. Without the signum function, the error model of the filtered algorithms is similar to those in output error identifiers, and a strictly positive real (SPR) error filter suffices for convergence. The authors analyze the signed filtered error algorithm to show that because of the sign operator a SPR error filter no longer guarantees convergence. A new concept in systems theory, namely, that of strictly dominant passivity (SDP) is introduced instead. A system is SDP if the average product of its output and the signum of the input is positive. The authors conduct a systems theoretic investigation of the SDP condition and prove that the algorithm under study is convergent if the inverse of the error filter is SDP     

水下脉冲激光探测后向散射噪声自适应滤波算法

在信号处理中抑制水体传输中带来的后向散射噪声,是水下脉冲激光探测的关键技术之一。基于同一水域相邻2次探测后向散射的相关性,提出一种改进的归一化最小均方（NLMS）自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子,使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证,结果表明,对不同距离、不同反射强度的目标,该滤波器算法均能以较低的阶数有效滤除后向散射噪声,保留目标回波信号。与现有的自适应滤波方法相比,大大减少了滤波所需的计算资源,在水下脉冲激光探测系统上具有一定的应用价值。     

移动机器人激光测距中微弱信号的检测与分析

由于移动机器人在激光接收信号过程中,包含各种噪声会使测量的相位误差大。数字式平均算法的原理可以定量解释对噪声的改善状况,通过激光测距的信号作为研究的对象,解析噪声与信号的本质,来比较了检测方法对与改善信噪比的不同情形,研究激光测距系统中微弱信号的检测技术,可以来提高信噪比,达到研究目的。     

Neural-network-based adaptive matched filtering for QRS detection

We have developed an adaptive matched filtering algorithm based upon an artificial neural network (ANN) for QRS detection. We use an ANN adaptive whitening filter to model the lower frequencies of the ECG which are inherently nonlinear and nonstationary. The residual signal which contains mostly higher frequency QRS complex energy is then passed through a linear matched filter to detect the location of the QRS complex. We developed an algorithm to adaptively update the matched filter template from the detected QRS complex in the ECG signal itself so that the template can be customized to an individual subject. This ANN whitening filter is very effective at removing the time-varying, nonlinear noise characteristic of ECG signals. Using this novel approach, the detection rate for a very noisy patient record in the MIT/BIH arrhythmia database is 99.5%, which compares favorably to the 97.5% obtained using a linear adaptive whitening filter and the 96.5% achieved with a bandpass filtering method.