基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.     

基于GWO-VMD-SVD的Φ-OTDR信号降噪方法

针对Φ-OTDR系统采集的信号中包含大量随机噪声的问题，提出了一种基于灰狼优化算法的变分模态分解联合奇异值分解的新型降噪方法(GWO-VMD-SVD)。通过灰狼优化算法寻找VMD分解中最优的分解层数K和二次惩罚因子α,抑制了模态混叠现象；引入排列熵判定机制区分有用信号分量和噪声分量；将有用信号分量保留，同时对噪声分量使用SVD分解进行二次降噪，提取其中的有用信号；将两次降噪保留的有用信号进行重构，得到降噪后的信号。实验结果表明，该方法相对于VMD-PE和EEMD-CC,信噪比更高，能更有效地保留信号中的有用信息。     

基于图像处理技术的雷达辐射源信号时频特性分析

针对常用时频分析方法对多分量雷达辐射源信号(RES)分析和处理的不足,提出一种基于图像处理技术的多分量RES时频特性分析方法.该方法通过时频分布图的平滑滤波、阈值处理和基于形态学细化等算法来提取RES自分量,在有效抑制噪声的同时,能够得到具有高分辨率的多分量RES时频图.仿真实验表明,该方法既克服了常用时频分析方法的不足,又优于时频重排方法对多分量RES的时频特性分析.     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

基于复杂网络的雷达辐射源信号脉内特征提取算法

针对现代电子战环境下雷达辐射源信号的高度密集、复杂调制、交叠概率大等特点,基于时域、频域、时频域以及其他数学变换域的信号分析方法仍然不能满足雷达辐射源信号分选识别的要求,结合雷达辐射源信号具有可分辨性的确定数据结构表示,受时间序列的复杂网络分析启发,提出一种基于复杂网络的雷达辐射源信号脉内特征提取算法。该特征提取算法首先采用相空间重构方法对信号频谱序列数据进行预处理,将重构后的信号序列转换至复杂网络域进行表征;其次,通过复杂网络建模及其统计特征分析,研究雷达脉内信号时间序列动力学微观特性,从而挖掘信号的有效特征参数;最后,在不同噪声环境下,实现雷达辐射源信号序列的特征参数的分类性能及其准确性分析。仿真结果表明,所提取的特征参数在低信噪比环境下具有良好的抗噪能力和不错的聚类质量,验证了基于复杂网络时间序列分析的信号特征提取方法的可行性,为进一步丰富刻画雷达辐射源信号提供了有效的技术支持和手段。     

变分模态分解联合改进小波阈值函数的PPG降噪算法

针对PPG信号采集过程中存在大量混合噪声的问题,提出一种变分模态分解（VMD）改进小波阈值降噪的降噪算法。首先通过傅里叶变换得到脉搏波信号频域信息,确定分解个数和主频率;然后利用变分模态分解算法将含噪声的PPG信号分解为一系列固有模态分量,分解过后确定各分量的中心频率,并筛选有效固有模态分量;最后利用改进后的小波阈值函数对残余噪声进行降噪处理,避免了软阈值的恒定偏差,又保证了阈值函数的连续性,降噪后的信号与原始信号相关系数均值为0.934 7,比变分模态分解方法重构信号提升了7.1%。与其他降噪算法相比,信噪比分别提高了5.77 dB、5.38 dB、4.5 dB,均方根误差分别降低了26.1%、16.8%、7.4%。实验结果表明,通过理论计算、数值模拟和应用研究验证了所提方法的有效性和优越性,在滤波效果和信号保真度之间取得了很好的平衡。     

基于卷积自编码网络的BPSK信号降噪

针对传统降噪方法提取特征繁琐、参数选取不易的问题,提出了基于卷积自编码器(Convolutional Autoencoder,CAE)降噪的方法,对BPSK信号、加性高斯白噪声,信噪比-10dB 2dB的数据构成信号数据集。在网络训练阶段,将加噪后的样本经过卷积自编码器提取潜在特征,多次训练迭代并且保存模型的参数;在测试阶段,利用新产生的测试集完成对该算法的验证与测试,可以观察到恢复出的有用信号,且误码率有了明显的降低。实验表明,相对于传统信号降噪算法(例如小波阈值降噪、PCA等),所提算法不需要人工手动提取信号特征,实现了对BPSK信号的降噪处理。     

几种雷达辐射源信号降噪算法比较分析

基于波形配对的雷达辐射源信号分选识别方法受噪声影响大,需要对信号进行降噪处理,降噪效果直接影响分选的准确率和实时性.首先介绍了基于快速傅里叶变换(FFT)的滤波降噪法,对4种经典滤波器进行特性分析.鉴于经典滤波法存在适用范围窄、降噪效果不理想的缺陷,又介绍了模极大值法、阈值法、小波包分析法3类基于小波变换的降噪算法,提出了以纯净信号和降噪后信号的信噪比、均方误差指标来衡量降噪效果,为小波变换降噪法的研究指明了方向.     

独立分量分析在雷达辐射源信号分选上的应用

在当代电子战密集复杂的电磁环境下,对未知雷达辐射源信号分选作为对抗技术领域的一个重要环节面临了新的挑战.传统的雷达辐射源信号分选往往是基于脉冲描述字(PDW)等参数对雷达进行分选,在复杂的电磁环境下参数误差严重影响了雷达信号的分选效果.在对独立分量分析理论的研究的基础上,将基于四阶累积量的特征矩阵联合近似对角化(JADE)算法应用于连续波雷达信号和随机参数脉冲雷达信号分选,可以有效地分选出不同调制方式的雷达信号,为雷达辐射源信号分选提供了一个新思路.     

基于BOTDA的海缆监测系统振动信号降噪方法研究

搭建了基于布里渊光时域分析(BOTDA)的海底电缆(海缆)振动信号监测模拟实验系统,通过实验获得了锚砸、冲刷、摩擦3种工况下的海缆振动信号.针对振动信号含有大量噪声,提出TSA-VMD-MPE降噪方法.利用被囊群算法(Tunicate Swarm Algorithm,TSA)优化变分模态分解(Variational Mode Decomposition,VMD),获取VMD分解层数与惩罚因子的最优值,对振动信号分解获得本征模态函数(Intrinsic Mode Functions,IMF)分量;利用IMF与原始信号的相关性及IMF的方差贡献率联合来确定IMF的多尺度排列熵(Multi-Scale Permutation Entropy,MPE)阈值,对振动实验信号进行降噪.实验结果表明:所提降噪算法使3种海缆振动信号信噪比平均提高了12.0296 dB;将提出的MPE阈值方法应用于EEMD与CEEMD算法也获得了良好的降噪效果.     

改进的EEMD算法在时域航空电磁信号降噪中的研究

常规降噪方法在应用于时域航空电磁信号降噪时需根据噪声情况人为进行参数调整,自适应性较差。总体经验模态分解（EEMD）算法对非线性、非平稳信号处理具有良好的自适应特性,传统的EEMD算法进行噪声抑制是将高频本征模态分量滤除,将低频分量重构得到降噪信号,这种方法易失掉高频分量中的有效信号。本文提出一种改进的EEMD降噪算法,应用于时域航空电磁信号的处理。该方法结合时域航空电磁信号的衰减特性,将信号EEMD分解后得到本征模态分量,其中包含信号和噪声,经Savitzky Golay平滑滤波,再将高频部分进行阈值去噪,最后得到干净的本征模态分量进行重构。实验结果表明在输入信号信噪比小于等于15 dB的情况下,输出信噪比能够提高12 dB左右,在抑制噪声的同时保留了更多有效信息。      

一种小波自适应阈值全频降噪方法

目前的基于小波阈值降噪方法往往假设信号的噪声分布在高频段,因此大部分方法只对高频段进行降噪,而忽略了低频段噪声对信号的影响.在现实的应用中,复杂的噪声并不满足该假设条件,也即复杂噪声不仅分布在信号的高频段,而且低频段的噪声同样不容忽视.针对上述问题,论文提出了一种全新的解决方案:小波自适应阈值全频降噪方法.在该方法中,根据不同类型的噪声随小波分解层数、噪声强度等因素变化规律,提出了一种新的自适应阈值确定方法;然后利用小波去相关性方法来检测信号受到的最主要的噪声干扰;最后结合噪声类型检测方法,检测信号中所隐含的最接近的噪声类型,选取合适的阈值确定方法,对信号的低频和高频同时进行降噪.论文的实验结果表明:(1)当信噪比较低时,采用全频降噪方法对大部分类型的噪声而言均优于传统方法,并且全频降噪方法仅需要信号分解到1~2层即可取得良好效果;(2)当信噪比较高时,全频阈值降噪技术的降噪效果和传统方法一致,但所需小波的分解层数少于传统方法.     

基于自动反相校正和峰度值比较的探地雷达回波信号去噪方法

运用探地雷达对复杂地下介质层进行探测时,雷达回波信号易受噪声影响。为了提高探地雷达的探测分辨率和数据解译效果,该文提出基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法。首先,含噪的回波信号与随机噪声拟合得到两路信号,经过独立分量分析算法后得到高峰度值信号和低峰度值噪声,对高峰度值信号进行相位判断并进行自动反相校正,再进行完全总体经验模态算法分解得到多个分解分量。将独立分量分析得出的噪声的峰度值作为阈值,峰度值高于该阈值的分解分量视为信号分量,累加得到重构后的信号,完成去噪处理。所提的去噪算法解决了独立成分分析算法中的信号相位不定性问题,且在进行完全总体经验模态分解算法后无需依靠传统的人工方式进行噪声剔除的步骤。仿真和实测数据的处理结果验证了所提算法的有效性。      

基于变模式分解和频谱特性的自适应降噪算法

机械故障检测过程中,由于反映机械故障的振动信号微弱,很容易被外界噪声干扰信号污染,从而影响机械故障诊断。为提取纯净振动信号,传统EEMD滤波算法虽具有较强的降噪能力,但由于EEMD算法存在缺乏严谨理论基础、运算效率低、容易造成有用信号丢失等缺点,致使降噪效果不理想。为解决以上问题,提出一种基于变模式分解和频谱特性的自适应降噪算法。基于变模式分解优点,通过分析有用信号模态与噪声模态频谱特性,提取有用信号模态从而实现降噪。通过仿真信号与实测信号分析表明,新算法降噪效果优于传统EEMD滤波算法。     

基于时频原子方法的雷达辐射源信号无意调制特征提取

雷达辐射源的无意调制能够反映每部雷达的个体差异,是一部雷达所固有的特征。由于不同雷达辐射源具有不同的无意调制,故可将载频差异作为个体特征参数。文中通过时频原子方法,并通过建立过完备原子库来将具有相位噪声的雷达辐射源信号在原子库上作稀疏分解,最后由匹配追踪（MP）来分解结果,以提取信号中的载频。实验结果表明,在不考虑计算量影响的前提下,运用本文方法提取的载频可以有效地表征不同雷达辐射源信号的无意调制。     

光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

基于改进带宽自适应ACMD的信号分离方法

针对复杂电磁环境下出现多个辐射源信号混叠造成的多分量信号分离问题,提出了基于改进带宽自适应线性调频模态分解（ACMD）的信号分离方法。该方法利用频谱集中性指标对各信号分量的瞬时频率进行估计,将估计的瞬时频率值作为改进算法的预设频率;利用递归框架和改进带宽自适应更新方法对各信号分量进行循环迭代;直到剩余信号能量小于阈值,完成所有信号分离。仿真实验表明,该方法能够在复杂电磁环境下分离出多分量信号,相比较已有算法对紧邻信号具有更好的分离性能和抗噪声性能。     

一种雷达辐射源双谱二次特征提取方法

针对常规参数进行复杂体制雷达辐射源信号分选时存在的问题,对信号双谱图分别进行频率分区和奇异值分解,二次提取其双谱分布熵和奇异谱熵作为雷达辐射源特征参数.该方法利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,并有机地融合了双谱理论、奇异值分解和信息熵理论的各自优点,反映出信号的本质信息.采用模糊C均值聚类算法对不同信噪比条件下6种典型调制类型的雷达辐射源信号进行聚类分选实验.实验结果表明,该方法取得了较好的分选效果,克服了传统图像特征提取算法特征维数过高和聚集性差的缺点,验证了该方法的有效性.     

基于sym3小波阈值法的语音信号降噪研究

语音信号是一维非平稳信号,在传播过程中容易以各种方式混入噪声,导致对其分辨造成影响。为了净化噪声信号,对语音信号降噪进行了研究,给出了小波语音信号降噪的基本方法,并在matlab环境下应用sym3小波对携带噪声的语音信号进行处理。分别采用了经典的硬阈值法、软阈值法以及集软硬闽值法优点而进行的软硬阈值结合的方法对不同噪声强度的信号进行处理,结果对比分析显示,软硬阈值结合的方法降噪效果最为显著,能得到更高的输出信噪比。     

基于双谱理论的雷达辐射源指纹特征提取

针对雷达辐射源指纹特征提取困难的问题,提出了基于双谱切片法和双谱围线积分法,提取辐射源指纹特征的方法。介绍了二相编码信号的无意调制,仿真了理想情况和含有相位噪声的二相编码信号的时域波形。阐述了含相位噪声雷达信号的双谱估计,仿真了含相位噪声的二相编码信号的双谱图及等高图。最后利用双谱切片法和双谱围线积分法,提取了辐射源的指纹特征,通过计算机仿真实验验证了该方法的可实施性。