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.     

基于小波分析的光电脉搏波奇异性处理

高精度的光电脉搏波信号,对于动态光谱法血液成分无创检测非常重要。要获得高精度的脉搏波信号,首先就要对信号中的噪声奇异点进行定位和修正。本文选择Marr小波,针对信号中的单个脉冲噪声和窄带脉冲噪声。研究了基于小波分析的光电脉搏波奇异性处理。利用脉搏波信号极大值线的周期性,在每个周期段内,首先利用单个脉冲噪声与有用信号截然不同的李氏指数特性,对单个脉冲噪声进行了处理。然后利用窄带脉冲的小波系数极大值线的特点对常规小波方法难以处理的窄带脉冲噪声进行分析定位。鉴于模极大值重构算法比较复杂,本文利用线性插值法对被定位的噪声奇异点进行了修正。仿真实验表明,利用小波分析和线性插值相结合的方法可以完成对光电脉搏波信号的奇异性处理,提高了脉搏波信号的幅值检测精度。     

发电厂暂态电磁环境的小波分析法

分析了发电厂暂态电磁环境的主要特点,举出了应用小波分析法处理某电厂电气二次系统暂态数据的实例,用小波分析的最大模方法去除信号中的噪声,选择合适的小波基函数以检测信号中的突变点,借以确定脉冲的发生位置,并对处理结果作了简要的统计分析.     

Harr小波在BPSK信号检测中的应用

BPSK(二进制相移键控)信号相位突变点的检测是BPSK信号处理的一个重要特征,尤其在低信噪比情况下,对相位突变点的检测更加困难。文中利用Harr小波对含噪声的BPSK信号进行小波变换,利用BPSK信号在Harr小波变换下的特性很容易从小波系数中得到BPSK信号的基带信号。     

色噪声背景下微弱周期脉冲信号的混沌检测方法

该文将微弱周期脉冲信号引入特定的混沌系统中,以系统相轨迹由混沌状态到大尺度周期状态的跃迁作为微弱周期脉冲信号的检测依据。用特定的混沌系统实现了对强噪声背景下周期脉冲信号的检测,仿真实验表明该混沌检测系统对被强噪声覆盖的周期脉冲信号非常敏感,对任何色噪声均具有极强的抑制能力。     

基于形态滤波和小波变换的基音检测新方法

提出了一种基于数学形态滤波和小波变换相结合的基音检测方法。检测前采用文中提出的形态滤波算法对噪声信号进行滤除，突出了基音周期。用小波变换对滤波后语音信号的突变点进行检测，进而提取出了基音周期。实验表明该方法对噪声有较强的鲁棒性，能够精确地检测出基音周期。     

基于小波理论的脉象信号消噪及特征点检测

利用小波变换具有揭示信号时频两域细节和局部特征的能力,采用小波包分解消除脉象信号中的工频干扰,通过小波分解重构滤波法消除因呼吸引起的基线漂移,并用小波变换模极大值法对消噪后的信号进行特征点检测。实验表明,小波理论对一维非平稳微弱信号具有良好的消噪能力和突变点的检测能力,能实际有效的滤除脉象信号中混杂的基线漂移及工频干扰等噪声,并最大限度地保留信号本身特性。     

图像脉冲噪声的概率神经网络识别滤波方法

提出了一种用概率神经网络(PNN)检测图像随机脉冲噪声点方法.首先提取已知图像脉冲噪声像素点的特征作为PNN的输入,然后建立了PNN脉冲噪声点识别模型,再对其它噪声图像的每一个像点进行识别,最后只对噪声点进行中值滤波.Matlab仿真实验表明,同BPNN检测方法相比,该网络能明显提高识别正确率,因此有更好的脉冲噪声滤除效果,且该方法滤除脉冲噪声简单快速,是一种较好的神经网络图像脉冲噪声识别滤除方法.     

基于神经网络预测器的混沌海杂波弱信号检测

针对海杂波中的弱信号检测问题，借鉴杂波的混沌动态建模思想，重点讨论非线性混沌序列的神经网络建模、预测及信号检测方案。基于神经网络拟合非线性函数的能力．提出神经网络预测混沌时间序列的算法和信号检测方案。介绍了所提算法的原理和步骤，针对具体应用问题，用计算机仿真和实测数据试验验证了所提算法检测混沌噪声中弱小的暂态信号的有效性。     

基于PCNN噪声检测的两级脉冲噪声滤波算法

为有效滤除图像中严重脉冲噪声干扰,提出了一种基于改进型脉冲耦合神经网络(PCNN)噪声检测的两级脉冲噪声滤除算法。该算法首先利用PCNN同步脉冲发放特性区分定位噪声点和信号点位置,其次根据噪声点局部邻域信息对噪声进行第1级自适应滤波,然后再利用具有保护边缘细节特点的多方向信息中值滤波器(MF进行第2级辅助滤波。实验结果表明,该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,比传统MF及其它相关算法有更优的滤波性能,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。     

冲激雷达回波信号检测方法研究

本文针对冲激雷达回波的特点,提出了一种新的基于时域多门限的信号检测方法,从而实现了体目标中各散射点的独立检测,解决了后续信号处理中检测精度过低的缺点。仿真结果表明在信噪比较小的情况下,该方法仍可得到满意的检测结果。     

Adaptive algorithm for detection of signals in an impulsive interference environment

Impulsive interferences are frequently long relative to signal duration. This situation is observed, for example, in a telephone channel used for medium and high-speed data communication. In this paper a novel algorithm for signal detection under conditions of long impulsive interferences is proposed. The approach does not require a priori knowledge of the impulse noise statistics. It is based on the representation of the impulse noise using a linear prediction model. Performance of I he proposed algorithm is investigated using computer simulation. It is shown that the algorithm provides a greatly reduced error rate as compared with the conventional non-linear receiver. Its performance is virtually independent of the power of impulse noise.     

冲击噪声背景下基于KPCA和C-SVM的频谱检测算法

针对背景噪声是冲击噪声,且在低信噪比中,二级用户检测性能低的问题,提出了核主成分分析(Kernel PrincipalComponent Analysis,KPCA)和C-支持向量机(Support Vector Machine,SVM)的频谱检测方法.提取接收信号的循环谱特征,核主成分分析对信号特征进行降维,提取出信号的主要非线性特征,再结合C-SVM对接收信号进行分类.仿真结果表明,在冲击噪声背景下,低信噪比中,与PCA-SVM、SVM算法进行比较,所提算法能够提高次级用户的检测性能.     

数字信号基于小波变换的码元符号率检测

数字信号在码元边界上由于幅度、频率或相位的变化而产生变化。小波变换对信号的跳变点和奇异点有很好的检测能力。利用小波变换的模极大值方法可以对码元的跳变点进行检测,通过分析码元的跳变点进而可分析出码元的符号率。计算机仿真结果表明,该方法对码元的跳变点检测具有很高的精确性,能够比较准确地识别出码元符号率。     

Bayesian Sparse Reconstruction Method of Compressed Sensing in the Presence of Impulsive Noise

The majority of existing recovery algorithms in the framework of compressed sensing are not robust to the impulsive noise. However, the impulsive noise is always present in the actual communication and signal processing system. In this paper, we propose a method named ‘Bayesian sparse reconstruction’ to recover the sparse signal from the measurement vector which is corrupted by the impulsive noise. The Bayesian sparse reconstruction method is composed of five parts, which are the preliminary detection of the location set of impulses, the impulsive noise fast relevance vector machine algorithm, the step of pruning, Bayesian impulse detection algorithm and the maximum a posteriori estimate of the sparse vector. The Bayesian sparse reconstruction method can achieve effective signal recovery in the presence of impulsive noise, depending on the mutual influence of the impulsive noise fast relevance vector machine algorithm, the step of pruning and the Bayesian impulse detection algorithm. Experimental results show that the Bayesian sparse reconstruction method is robust to the impulsive noise and effective in the additive white Gaussian noise environment.     

一种基于自适应背景预测的红外弱小目标检测方法

针对目前典型的基于背景预测的红外弱小目标检测方法中无法较好消除噪声的问题,提出了一种基于自适应背景预测的红外弱小目标检测方法。该方法不同于传统方法,在对红外图像进行背景预测时,不仅考虑邻域内像素点的灰度值,同时还通过自适应处理的方法将待预测像素点灰度值也考虑其中,能有效改善低信噪比下红外图像弱小目标的检测性能。通过大量的仿真数据对本文和传统方法进行了对比和分析,证明了该方法的有效性和优越性。     

基于激光通信的视频信号传输速度预测方法

为了提高激光通信系统视频信号传输速度自动预测能力,提出一种基于小波分析和高阶谱特征提取的激光通信系统视频信号传输速度自动预测方法。采用一阶近似分布源视频检测方法进行激光通信系统视频传输信号的降噪处理,对降噪输出的视频传输信号进行特征分解和多维测度信息配准,结合小波多层重构方法进行激光通信视频信号的重组,提取视频传输信号的相干分布源特征,根据提取的激光通信视频信号的相干分布源特征进行自动匹配,实现对激光通信系统视频信号传输速度的自动预测。仿真结果表明,采用该方法进行激光通信系统视频信号传输速度自动预测的准确性较好,对激光通信视频信号的分辨能力较好,提高了激光通信系统的视频信号传输速度的预测性能。     

The multi-user detection under fading channel

This paper proposes a method of blind multi-user detection algorithm based on signal sub-space estimation under the fading channels in the present of impulse noise. This algorithm adapts recursive least square (RLS) filter that can estimate the coefficients using only the signature waveform. In addition, to strengthen the ability of resisting the impulse noise, a new suppressive factor is induced, which can suppress the amplitude of the impulse, and improve the ability of convergence speed. Simulation results show that new RLS algorithm is more robust against consecutive impulse noise and have better convergence ability than conventional RLS. In addition, Compared to the least mean square (LMS) detector, the new robust RLS sub-space based method has better multi-address-inference (MAI) suppressing performance, especially, when channel degrades.     

f-x-y域最小平方反演预测滤波

在对f-x域预测滤波方法深入研究的基础上,本文提出了f-x-y域最小平方反演预测滤波方法。该去噪方法的基本思想是假设信号中也存在不可预测部分,利用信号中的不可预测部分和随机噪音的联合分布建立目标函数,进而实现频率空间的预测滤波。理论模型试算和实际资料处理表明,该方法较f-x-y域预测滤波能更好的提高地震资料的信噪比,保持地震同相轴的连续性。