基于子载波消噪和小波变换的频谱池信道估计

提出一种基于子载波消噪和小波阈值去噪的多天线频谱池信道估计方法．多天线接收信号携带的噪声同时分布在禁用子载波和可用子载波上,为了降低噪声对信道估计带来的影响,需要分步消除这两部分噪声。禁用子载波携带的噪声可在频域消除,可用子载波上的信号可通过小波变换做降噪处理．在低信噪比和没有信道统计特性的条件下,将信号转换到频域对禁用子载波做消噪处理,采用最小二乘（Least square,L S）方法在时域进行信道估计,并对各支路信道估计进行小波阈值去噪处理,进一步降低可用子载波噪声对信道估计性能的影响．最后通过最大比合并（Maximal Ratio Combining,MRC）的方法得到合并信号的最小二乘信道估计．仿真分析表明,采用子载波消噪和小波阈值去噪的信道估计方法可有效提高多天线频谱池系统性能．      

基于改进小波阈值算法的信号去噪

为了有效消除信号中的噪声,提出一种改进小波阈值算法的信号去噪方法。首先分析软阈值和硬阈值小波方法的优缺点,构造了一种任意阶可导的新阈值函数,然后通过调节参数的值来更好的获得阈值估计,最后在Matlab 2012平台对其去噪性能进行仿真测试。结果表明,相通于其它信号去噪方法,本文方法提高了信号的信噪比,降低了均方误差,达到了更好的消噪效果,具有更高的实际应用价值。     

芯片毛细管电泳信号的小波消噪

采用小波消噪方法对芯片毛细管电泳信号进行了处理,研究了小波基的选择,噪音在不同细节中的特征以及噪音阈值的确定。结果显示,与Fourier消噪算法相比,运用小波消噪算法不仅能够更有效地消除噪声,而且能使峰形不变,峰高不受影响。     

基于小波变换的噪声消除算法研究

噪声是影响测量结果的重要因素,对被测信号进行消噪处理是测量中必不可少的步骤。小波变换因为有去噪相关性等特征,相对于时域更利于去噪。采用dbN小波基信号进行分解,利用小波变换的阈值来消噪,Matlab进行小波降噪仿真。实验结果表明采用这一消噪方法能消除信号中的无用部分,由于采用了软阈值的处理方法,测量信号有一定程度的损失,但基本能重构原有用信号波形。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

针对拖尾噪声的中值滤波-小波消噪算法分析

与高斯噪声相比,拖尾噪声有更多的异常值,利用传统的小波阈值方法不能对其有效消噪.提出利用中值滤波-小波消噪方法进行处理,首先利用中值滤波抑制异常值,然后利用小波阈值方法消除残留噪声,并给出了适合拖尾噪声的消噪效果评价准则.基于提出的准则,通过实验比较了小波阈值方法与中值滤波-小波消噪方法的消噪效果,结果表明所提出的方法能更好的消除拖尾噪声,具有较好的鲁棒性.     

基于小波变换对信号噪声的处理研究

采用传统的滤波方法对信号进行消噪时,虽然方法简单,但是以牺牲信号的局部特征为代价,且信号的信噪比并未得到有效地改善。文中采用小波变换的方法对信号进行消噪,将原始信号经小波分解后,信号的小波系数大于噪声的小波系数,再选取一合适阈值,保留高于此阈值的信号小波系数,从而达到消噪的目的。实验结果表明,该方法不仅能有效地去除信号中的噪声,且能保留信号的局部特征。     

基于小波包分析的激光雷达信号消噪算法的研究

针对激光雷达回波信号所含噪声的特点,提出并详细论述了一种能够对激光雷达回波信号进行有效消噪的小波包平均阈值变换方法。该方法通过求取最优小波包基的每个结点的阈值,并进行平均后作为全局阈值来实现小波包消噪。为了验证该方法的有效性,对包含高斯白噪声的模拟信号进行了仿真消噪,并对米氏散射激光雷达系统实际探测得到的大气回波信号进行了消噪处理。同时,将该方法与小波全局阈值消噪、小波包默认阈值的消噪效果进行了对比分析。仿真结果和实验结果表明,基于平均阈值的小波包消噪方法能够有效降低激光雷达回波信号中所含噪声,并且其消噪效果明显优于另外两种小波分析方法。     

小波中值滤波在晃动基座初始对准中的应用

针对捷联惯性导航系统(SINS)在晃动基座下进行初始对准时,陀螺和加速度计受外界干扰噪声较大,而单独采用低通滤波或小波滤波法不能有效实时地实现噪声抑制问题,采用小波阈值消噪和中值滤波相结合的混合滤波方法来实现信号的消噪。将输出信号首先经中值滤波消除信号中的突变噪声,再利用小波阈值消噪滤除振动噪声和白噪声,从而有效地消除基座晃动带来的噪声。测试实验表明,提出的混合滤波法对车载惯导系统输出信号噪声滤波效果明显,在发动机启动的情况下,可基本达到静态信号采集的效果。对准仿真实验表明,提出的滤波法能辅助捷联惯导系统实现在晃动基座下的精对准。     

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.     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

应用增强二次谱估计直扩信号扩谱周期

在二次谱方法提取直扩信号扩谱周期的基础上 ,提出一种增强直扩信号二次谱的方法。这种方法不利用先验条件 ,在直扩信号二次谱的基础上 ,通过二次谱的局部统计分析 ,克服时域平稳噪声的影响 ,增强信号扩谱周期的特征谱线。实践证明 ,这种方法能在极低信噪比条件下快速准确提取直扩信号的扩谱周期     

一种适用于多径信道下DSSS信号检测新方法

针对多径信道下直接序列扩频信号检测的难题,在基于自相关二阶矩的检测算法基础上提出了新的检测参数,从而将加性高斯白噪声信道下的直接序列扩频信号检测算法推广到多径信道。本文算法首先分析了由多径信道导致的能量峰值和由直扩信号的伪码特性导致的自相关峰值的特点,并根据此特点定义了新的检测参数——多径因子,最后将该参数应用到基于自相关二阶矩的直接序列扩频信号检测算法中,实现了对多径信道下的直接序列扩频信号的检测。理论分析和仿真实验表明,本文提出的检测新参数能真实的反映多径信道对信号自相关函数的影响;当信噪比大于-14dB时,本文提出的多径信道下直扩信号检测算法性能与加性高斯白噪声信道下的检测性能相当。      

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

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。     

Blind separation of impulsive noise from corrupted audio signal

The authors present a new method for separating the impulsive noise from a corrupted audio signal. It is shown that if the audio signal is assumed to be Gaussian distributed, the third-order cumulants of the impulsive noise can be separated, based upon the corrupted audio signal. The impulsive noise can then be reconstructed via the relationship between the bispectrum and the Fourier spectrum. Finally, the audio signal is restored by simply subtracting the reconstructed impulsive noise from the signal     

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。     

非高斯非平稳背景噪声中的信号检测研究

非高斯非平稳噪声的干扰问题在通信过程中是经常出现的。在非高斯非平稳背景噪声下,以前经常使用经典信号检测理论对信号进行检测,很难取得较为理想的效果。基于小波变换以及小波去噪原理,提出一种新的阈值处理方法,该方法能有效地去除噪声,使有用信号能从非高斯非平稳噪声中检测出来。实验结果表明,新方法不但去噪效果明显,而且获得了较高的分辨率和信噪比,检测性能较为理想,是对信号检测理论的一种有效推广。     

Robust weighted averaging

Signal averaging is often used to extract a useful signal embedded in noise. This method is especially useful for biomedical signals, where the spectra of the signal and noise significantly overlap. In this case, traditional filtering techniques introduce unacceptable signal distortion. In averaging methods, constancy of the noise power is usually assumed, but in reality noise features a variable power. In this case, it is more appropriate to use a weighted averaging. The main problem in this method is the estimation of the noise power in order to obtain the weight values. Additionally, biomedical signals often contain outliers. This requires robust averaging methods. This paper shows that signal averaging can be formulated as a problem of minimization of a criterion function. Based on this formulation new weighted averaging methods are introduced, including weighted averaging based on criterion function minimization (WACFM) and robust epsilon-insensitive WACFM. Performances of these new methods are experimentally compared with the traditional averaging and other weighted averaging methods using electrocardiographic signal with the muscle noise, impulsive noise, and time-misalignment of cycles. Finally, an application to the late potentials extraction is shown.     

低信噪比下周期平稳信号的稳健检测算法

本文提出了一种新的对周期平稳信号进行检测以及对二阶周期循环频率进行估计的算法。该算法利用信号的递归性质构造高阶自相关矩阵,并通过利用周期平稳信号与自相关矩阵特征值和特征向量的关系,对其进行检测以及对循环频率进行估计。传统检测周期平稳信号的算法是通过计算其循环自相关函数或循环谱实现,相比传统算法而言,本算法由于利用到了信号更多的先验信息,因而在较低信噪比以及较低快拍数下对周期平稳信号均能有较好的检测性能。文中仿真实验表明,本文所提算法估计出的伪循环谱相比传统方法估计出的循环谱更为平滑,在相同快拍和信噪比条件下,检测概率均高于传统方法,特别在低信噪比下对检测概率的改善更为明显。