基于神经元网络的自适应噪声抵消系统研究与实现

自适应噪声抵消技术是自适应滤波器最普遍的应用之一,它是一种在未知信号和噪声的先验知识条件下,能够很好地消除背景噪声影响的信号处理技术,具有很高的应用价值;但是,在很多情况下,噪声环境非常复杂,往往是非线性的,而目前所使用的自适应滤波器均属线性滤波器,滤波后会使原始信号产生失真;由于神经网络具有非线性等优点,可以很好的逼近非线性函数,所以提出了基于神经网络的自适应噪声抵消器;仿真结果表明,该方法可以效地实现噪声的抵消;最后提出应用DSP实现语音信号自适应噪声抵消的具体方案。     

利用自适应滤波器的组合设计抵消多噪声

针对一个自适应滤波器不能解决多噪声信号的问题,提出了自适应滤波器的组合设计思想。在线性组合条件及LMS算法下,分析多噪声抵消原理,并进行多噪声语音信号的Matlab仿真实验,可以得到清晰的语音信号。结果表明,自适应滤波器的组合设计可以有效抵消多种干扰信号。     

自适应噪声抵消技术的仿真与应用研究

从有用信号中剔除噪声是信号处理中一个重要研究课题.在金属矿区进行地震勘探数据采集时,经常会受到矿区内机械设备的强噪声干扰,常规的滤波方法对于淹没在强机器噪声下的有效地震信号的提取已经不适用,而随着计算机和信号处理技术的发展,自适应噪声抵消技术已广泛的应用于各个领域.通过对自适应噪声抵消器原理的研究,结合地震数据信噪模型分析,重点研究利用自适应噪声抵消技术来消除机器噪声.针对基于NLMs算法的常规技术存在的不足,提出了一种改进的算法,并运用MATLAB进行仿真试验,仿真结果表明自适应噪声抵消技术可以有效抵消机器噪声的干扰,大大提高地震资料的信噪比,使有效地震信号失真小.     

基于自适应噪声抵消的CZ单晶炉炉膛温度信号处理

为滤除CZ单晶炉炉膛温度信号在单晶生长过程中存在的低频干扰,提出一种基于噪声抵消技术的滤波方法.首先利用傅立叶级数构造出低频干扰的逼近信号,然后根据炉温信号的缓变特征建立能够获取低频干扰逼近信号的抵消器误差函数,最后利用一种改进的粒子群优化算法优化误差函数获得低频干扰的逼近信号,并用该逼近信号抵消低频干扰.实验结果表明,所提出的自适应噪声抵消滤波算法能够有效滤除CZ单晶炉炉膛温度信号中的低频干扰,并优于常用的滤波方法.     

自适应滤波器在电参数测量系统中的应用

论述了基于LMS算法的自适应噪声抵消器和自适应谱线增强器的工作原理及改进的算法,并将自适应噪声抵消器和自适应谱线增强器合并为一个滤波器应用于电参数测量系统中,仿真实验证明这种滤波器去除噪声的性能较佳.     

自适应噪声抵消技术的应用研究与仿真

从噪声中分离有用信号是信号处理领域一个非常重要的课题.传统的滤波方法对于淹没于强干扰噪声背景下的有用信号提取已经不适用,而自适应滤波技术以其原理清楚,可实现性强而具有很强的应用价值.随着自适应技术的发展,自适应本舰噪声抵消技术已成为舰载声纳的信号处理技术中重要的研究课题之一.通过对自适应噪声抵消器原理的研究,结合舰载声纳信噪模型分析,重点研究利用自适应噪声抵消技术从舰载声呐在本舰强噪声干扰背景下提取有用信号的技术,并运用MATLAB进行了仿真试验.仿真结果表明自适应噪声抵消技术可以有效抵消本舰发出的强噪声,从而抑制本舰噪声对舰载声呐的干扰.     

磁异信号自适应检测算法

针对在分形噪声1/fα(0≤α2)中检测磁异信号存在的问题,提出了一种自适应噪声抵消器与自适应AR白化滤波器相结合的磁异信号正交基函数(OBF)检测算法——改进的OBF检测算法。由于固定AR白化滤波器对分形噪声1/fα的白化效果不佳,影响了OBF检测算法的性能,因此采用自适应噪声抵消器对被检测信号进行预处理以提高其信噪比,再利用自适应AR白化滤波器对预处理信号进行白化滤波,以实现OBF检测算法的最优化。理论仿真结果表明:当α值接近于0时,改进的OBF检测算法的处理增益略高于未经白化的OBF检测算法;当α值接近于2时,改进的OBF检测算法的处理增益略高于基于AR白化滤波器的OBF检测算法;当α值约等于0.8时,改进的OBF检测算法的处理增益高于其他两种算法7 dB,实验结果表明改进的OBF检测算法可以检测更微弱的磁异信号。     

远程心电监护中ECG信号的提取

远程心电监护中采集到的心电信号往往包含较严重的噪声干扰,给医生的诊断带来了困难,针对这一问题,介绍了一种基于人工神经网络和自适应噪声抵消的ECG信号自动提取方法;用一个三层BP网络来代替自适应抵消中常用的线性滤波器,对原始ECG信号进行自适应滤波。通过Matlab/Simulink进行仿真;结果表明该方法能够很好地适应噪声的非线性特性,用于远程心电监护中强噪声背景下的ECG信号提取,取得了令人满意的效果。     

小波阈值消噪算法中自适应确定分解层数研究

小波多尺度分解的阈值算法是一种有效的信号去噪方法,但实际应用中去噪效果易受到分解层数、门限阈值以及阈值函数选取的影响.分析了有用信号和白噪声的小波系数特点,提出了一种分解层数的自适应确定方法.基于自相关函数的白噪声检验,提出通过去除白噪声小波变换细节系数中的相关成分来增加白噪声的显著性检验,提高了自适应确定最优分解层数的准确性.仿真结果表明,确定最优分解层数是重要的.较之传统的基于白化检验确定最优分解层数的方法,该方法具有更好的去噪效果,尤其适用于强噪声背景下弱信号检测.     

基于自适应噪声抵消的MIMO-OFDM信道估计

对多输入多输出正交频分复用系统的信道估计进行了研究,利用自适应噪声抵消的思想,提出了一种基于自适应噪声抵消和奇异值分解的信道估计方法.该方法首先利用自适应噪声抵消对最小二乘(LS)估计进行去噪处理,然后将其结果用于奇异值分解(SVD)的MMSE低阶近似方法中.仿真结果表明,利用此方法有效地抑制了噪声的影响,其系统性能优于利用最小二乘方法所获得的系统性能.     

脉冲漏磁信号的EMD小波阈值去噪研究

为有效抑制脉冲漏磁检测信号中的各种噪声,将小波阈值去噪运用到经验模态分解(EMD)中,提出一种基于EMD的小波阈值去噪方法。针对小波软、硬阈值函数中存在的不足,引入平滑截断绝对偏差惩罚因子进行优化改进。将该方法应用于脉冲漏磁信号进行实际消噪处理。实验结果表明,该方法能较好地剔除信号中的噪声,在脉冲噪声的抑制方面优于小波阈值去噪。     

变电站局部放电噪声的识别方法

局部放电能有效反映电气设备绝缘劣化的严重程度,是变电站电气设备在线监测的重要组成部分。从局放噪声的特点出发,提出一种基于频谱分析滤波、时域峭度和匹配追踪相结合的局部放电噪声分离方法。该方法首先根据能量的高低将谐频噪声从检测信号中滤除,然后通过计算残余信号的峭度寻找局放发生的信号时段,最后应用局放的先验模型结合匹配追踪的方法快速分离局放噪声信号。结果表明,该方法不仅大大提高了局放信号识别率和计算速度,而且还能很好地保留局放信号的相位信息,有助于实现局放源的测向和精确定位。     

小波阈值去噪技术在ECG信号处理中的应用

本文采用小波阈值去噪方法,利用了小波变换多分辨率的特点,它对信号具有自适应性,可以降低消噪算法的复杂程度,又可保证心电信息特征不被丢失。试验表明,该方法能较好地实现心电信号的消噪,同时也适合于信噪比较低的生物信号的处理中。     

基于多参数小波阈值函数的图像去噪

针对图像中的强高斯噪声提出了一种新的小波阈值降噪函数。传统的软阈值法对图像去噪有明显的效果,但对强高斯噪声效果不甚理想,于是构造出一种新的小波阈值函数,此函数包含阈值[λ],调节因子[t]和[n]三个参数,能够自适应地调节阈值的变化。实验以噪声图像与去噪后图像之间的峰值信噪比（PSNR）最大化为准则,采用PSO粒子群算法优化阈值函数中参数[n]和[t]的选取。仿真实验结果表明该方法不仅可以有效地去除噪声,又能避免有用高频信息的损失,提高了图像的信噪比;尤其在强高斯噪声下,相对软阈值法PSNR可提高6~7 dB,表明了此改进阈值法对于强高斯噪声图像降噪的有效性。     

基于小波包变换和虚拟仪器检测电动机振动信号

小波包变换(WPD)不仅能检测非平稳信号的整次谐波，还能检测信号的非整次谐波，又因为小波变换本身对信号的奇异点十分敏感，这个特点可以用来跟踪电动机振动速度信号。在虚拟仪器(VI)LabVIEW6．i平台上，基于小波包变换算法设计了VI程序，实现了电动机振动速度信号实时检测系统。经过信号处理，该系统还具有信噪分离、测量电动机振动功率谱、伴有噪声的原始振动波形和噪声波等测量功能。实测Y630-10／1180型大型三相异步电动机的振动速度信号，结果表明，该方法是可行的和有效的。     

炉膛声波飞行时间测量中声源信号的选取研究

炉膛内声波飞行时间的精确测量是实现声学法炉膛温度场分布测量技术的关键,而选取一种具有较强抗噪声干扰能力的声源信号是精确测量飞行时间的前提.针对适合于互相关函数法测量声波飞行时间的几种典型的声源信号,在不同信噪比下进行仿真实验比较,结果表明,线性扫频信号在相关法声波飞行时间测量中具有更强的抗噪声干扰能力;通过对不同声源信号进行功率谱分析得出,在采用互相关函数测量炉膛内声波飞行时间时,信号的抗噪声干扰能力不仅与信号的频率范围有关,而且还取决于其相对于噪声的有效频带.     

基于Contourlet变换的图像DCT去噪新方法

为了改进滤波效果,以提高图像去噪质量,提出了一种通过离散余弦变换对Contourlet域中噪声能量进行估计来实现去噪的新方法.该算法不依赖于对噪声方差进行估计,而是直接利用离散余弦变换来对高频各子带进行局部特征提取,以便估计噪声能量的估计阈值.实验结果表明,与传统的小波软、硬阈值去噪方法和基于小波变换的图像离散余弦变换去噪方法比较,该方法有效地克服了采用硬阈值法引起的伪吉布斯现象和软阈值法因导致过度光滑而使信号失真等缺点.实验表明,该算法不仅可提高处理图像的信噪比,而且图像的视觉效果也明显改善,因此更具有实用价值.     

基于改进阈值函数的分数阶小波电能信号去噪

为了消除电力系统中噪声对电能质量扰动信号的影响,且能保留突变点信息,提出了一种基于改进阈值函数的分数阶小波电能质量扰动信号去噪方法.该方法采用离散分数阶小波变换对含噪信号进行多尺度分解,并根据信号和噪声在不同尺度上的分数阶小波域系数的分布特点,通过改进阈值函数对各层系数进行处理,将处理后的系数进行重构得到去噪后的信号.仿真结果表明,该方法弥补了软、硬阈值函数的缺点,能较好地去除噪声并保留突变点信息,且提高了输出信噪比.     

强噪声背景下钢丝绳损伤信号降噪方法

钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。     

基于多尺度小波分析的激光探测系统消噪

根据激光测距探测系统中噪声的特点，分析了去噪阈值的选取，详细地讨论了小波的多尺度浮动阈值方法，它能较好地满足在强噪声下检测微弱信号的要求，并将这种方法应用于激光探测系统去噪，做到滤除噪声的同时有效地保留信号的细节，收到了较好的效果。