一种自适应噪声抵消系统的仿真与设计

自适应噪声抵消系统是基于自适应滤波原理的一种扩展,它能从被噪声干扰的环境中检测和提取有用信号,抑制或衰减噪声干扰,提高信号传递和接收的信噪比质量。研究常用噪声消除算法,并仿真验证系统设计和所选自适应算法的可行性,最后应用DSP技术设计一个自适应噪声抵消系统,使其能消除含噪语音信号中的背景噪声,达到提高语音信号质量的目的。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

基于模糊理论的椒盐噪声滤波算法

针对图像中的椒盐噪声，基于模糊理论设计了一种滤波算法。首先分析了椒盐噪声的特点，给出了自适应的噪声检测方法，并对噪点设计了自适应的噪声消除方法，最后采用几幅图像进行实验，定性和定量分析结果表明该方法对于椒盐噪声的消除可行、有效。     

频率选择性滤波最小均方算法的研究

采用基于频率选择性滤波最小均方算法对车内噪声主动控制策略进行研究,并在Matlab/Simulink环境中对该算法进行单频噪声信号的自适应抵消仿真分析,结果表明,噪声信号抵消效果明显。     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

基于遗传算法的自适应噪声抵消

当有参考噪声信号时，自适应噪声抵消的实质就是求参考噪声输入通路的逆滤波器，LMS自适应滤波问题就是一个多变量函数的极值问题。LMS算法因其具有算法简单，容易实现的优点而为常用，但是算法的收敛特性和失调量受到步长参数μ的影响。而步长参数μ和最优值不易确定。遗传算法是一种应用于大规模搜索空间的有效方法，它不要求函数的解析表达式，只根据已知的测量数据便可以求得全局极值。本文以FIR滤波器为例。采用改进的实值编码遗传算法，将遗传算法用于逆滤波器的求解。计算机仿真结果表明该算法对噪声抵消取得了较满意的效果。     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

利用自适应噪声抵消消除工频脉冲干扰仿真

介绍一种将自适应噪声抵消算法应用于消除周期性工频脉冲干扰的方法。该方法利用周期sinc函数仿真工频脉冲干扰信号,与白噪声叠加作为参考输入,利用最小均方(Least Mean Square,LMS)算法与归一化最小均方(Normalized Least Mean Square,NLMS)算法进行自适应噪声抵消滤波仿真实验。MATLAB仿真处理结果显示,在无增益、增益饱和、增益过饱和这三种情况下,当信噪比为3 d B时,分别用LMS算法与NLMS算法滤波后可以清晰地分辨多次回波。     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

一种强噪声背景下的微弱信号检测的新方法

基于自适应滤波算法对小波滤波器的构造方法进行了研究，重点在于解决对强噪声环境下微弱信号提取所需要的小波变换的子带自适应滤波器的构造，把小波变换技术和自适应滤波技术应用于微弱信号的检测。提出基于自适应小波变换的心电信号的检测，利用小波变换的子带编码理论，通过在多个子带权值的自适应匹配，回复后拟合微弱信号。仿真结果表明，该方法可进一步改善信号的检测能力，在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

舰船噪声听觉特征增强方法

为改善新声呐兵听音训练效果,强化噪声样本中与目标属性紧密相关的听觉特征,将处理后的舰船噪声用于听音训练,提高舰船噪声样本利用率。提出的舰船噪声听觉特征增强模型及其实现方法主要包括四个步骤:噪声分解、子带分析、子带加权、噪声重建。首先采用多分辨分解将舰船噪声信号划分为若干子带,对子带进行逐个地听音分析和各种谱分析,选择特征信息稳定且丰富的子带进行强化,选取并微调各子带加权系数,采用多分辨分析理论重建舰船噪声,并根据重建噪声的功率谱、包络谱分析和听音分析结果调整加权系数,进而用于听音训练。仿真分析中,采用听音分析和谱分析比对原始噪声和重建噪声,验证了该方法的合理性和实用价值。     

基于VMD和窄带包络相关的船舶辐射噪声改进DEMON分析

船舶辐射噪声的包络谱中蕴含着轴频和桨叶数等船舶固有特征信息,对船舶目标识别具有重要意义。为了提高船舶辐射噪声包络谱解调性能,提出了基于变分模态分解(Variational Mode Decomposition, VMD)和窄带包络相关的改进DEMON分析方法。首先利用VMD算法代替传统带通滤波器,将船舶辐射噪声信号分解为若干个子带;然后对各子带进行希尔伯特(Hilbert)检波并计算平均窄带包络相关系数,用于衡量信号的包络调制在频域上的非均匀性;最后提取各子带信号包络谱并按照平均窄带包络相关系数进行加权融合,从而得出宽带噪声信号的包络谱。利用该方法对实测不同类型和不同航速船舶辐射噪声信号进行了处理,结果均表明所提方法能有效提高包络谱解调效果,较传统方法更为有效。     

基于噪声信号和改进VMD的滚动轴承故障诊断

受运行环境及传递路径影响,滚动轴承声音信号中包含有强背景噪声和较大的非周期性瞬态冲击成分,导致轴承故障特征提取困难。文中提出一种基于自适应变分模态分解(AVMD)的滚动轴承噪声信号故障诊断方法。该方法首先根据不同的信号自适应地确定模式数和惩罚因子,利用优化参数的VMD对原始信号进行分解,得到多个本征模式分量;然后计算各模式分量时域、包络谱和时-频加权峭度,根据时-频加权峭度最大化准则选择最佳IMF;最后采用共振解调技术求出最佳IMF包络谱。对轴承故障信号研究表明,所提方法可解决传统VMD算法分解精度受参数影响较大,导致信号出现过分解或欠分解的问题。另外与传统方法相比,该方法可以在强背景噪声和非周期性瞬态冲击下有效识别轴承故障。     

石油管道超声检测信号的两级自适应噪声消除算法

针对石油管道缺陷超声检测信号的噪声消除问题, 研究了一种两级自适应噪声消除算法. 第一级自适应滤波器作为预处理级, 使信号获得较好的相关性和信噪比, 确保第二级自适应滤波器获得更优的性能. 实测超声信号两级自适应滤波结果表明: 两级自适应滤波算法能有效增强超声检测信号中的缺陷信号成分, 显著提高信噪比.     

基于优化匹配追踪稀疏分解的微弱超声回波提取

为提高低信噪比环境中微弱超声回波信号的提取性能,提出优化的匹配追踪(Matching Pursuit,MP)稀疏分解的超声回波提取算法。该算法将具有连续空间搜索能力的粒子群优化(Particle Swarm Optimization,PSO)算法引入到MP稀疏分解中,以缓解原子集的遍历有限性需求与超完备性之间的矛盾,通过改进粒子群算法的参数自适应设置及MP算法的目标函数和重构函数,实现自适应的PSO-MP稀疏分解算法,并建立了连续伽柏(Gabor)原子集,提高了最优原子与不同参数超声回波信号的匹配程度,最后由最优原子集通过重构函数对回波信号进行重构,实现对回波的降噪和准确提取。实验结果表明,该算法显著降低了计算量,效果优于已有小波阈值等算法且具有较好鲁棒性。     

进化论自适应滤波算法及降噪特性研究

基于生物进化论策略的自适应滤波算法，利用其有性繁殖和无性繁殖的随机搜索能力实现全局最优搜索，可克服最小均方法（Least Mean Square，简称：LMS）对于多峰特性问题有可能收敛于某一局部最小值，无法实现全局最优的缺点。提出峰值系数指标PR（Peak Ratio）概念解决进化论自适应滤波器的性能评估问题，提出收敛速度CS（Converge Speed）指标和峰值系数指标PR高度的方法解决最优滤波参数的选取问题，并列进化论自适应滤波器的降噪进行模拟仿真，讨论了滤波长度和进化系数对进化论自适应算法消噪效果的影响及最优滤波参数。     

SCA-VMD在变压器声信号降噪中的应用

针对采集变压器运行声信号时会混入噪声的情况,提出了基于稀疏分量分析-变分模态分解（sparse component analysis-variational modal decomposition,SCA-VMD）分离变压器运行声信号并降噪的方法。基于稀疏特性的欠定盲源分离能够在观测信号数目小于未知源信号数目的情况下实现源信号的有效分离,变分模态分解（VMD）能将一个多分量信号一次性分解为多个单分量信号。以两路观测信号作为输入,利用稀疏分量分析法（SCA）分离得到变压器运行声信号,再利用VMD将分离信号分解为4层本征模态函数（intrinsic mode function,IMF）分量,通过阈值滤波的方法对高频分量和低频分量进行去噪处理,利用新的IMF分量重构得到去噪信号。仿真试验和实际试验结果表明,该方法能实现对变压器运行声信号的有效分离和去噪处理。     

基于自适应波束形成和ICA的消噪系统

介绍了自适应宽带波束形成和快速独立分量分析的基本理论和算法,分析了固定波束形成的理论局限性及自适应宽带波束形成的优越性。提出了一种基于自适应波束形成和独立分量分析的消噪系统,算法显著地抑制了噪声、增强了语音,又具有稳定快速的性能。同时分析了自适应波束形成单元数或者输入信号数对算法性能的影响,对实际应用具有指导意义。