基于小波阈值去噪的偏振模色散测量

针对固定分析仪法在测量光纤偏振模色散时会引入误差、降低测量精度这一问题,提出了一种基于小波阈值的去噪方案,以提升固定分析仪法的测量精度。给出了算法的具体流程,并详细讨论了小波阈值、阈值函数、基函数以及分解层数的选取原则及方案。搭建了实验平台并进行测定,将测定结果与常用的傅里叶变换法及商用的偏振模色散测量仪的测量结果进行对比。实验结果表明,所提出的小波阈值去噪方案能够有效地降低噪声对测量结果的影响,且对于不同类型、不同长度的测试光纤样本均适用。以商用仪器的测量结果为参考,本方案测量结果的最大误差为2.27%,该数据表明本方案显著提升了固定分析仪法测量偏振模色散的精度。     

偏振分光法光信噪比监测技术研究

偏振分光法是基于偏振特性分离信号和噪声的光信噪比(OSNR)监测技术,光纤的非线性效应和偏振模色散会引起传输信号偏振态的改变,影响OSNR的测量准确性.在介绍偏振分光法工作原理和设计流程的基础上,定量分析了非线性效应对偏振分光法测量精度的影响,最后提出了一种附加光滤波器的双通带偏振分光法OSNR测量方案,仿真实验证明该测量方法可提高OSNR的测量精度.     

基于EMD-NLMS的船舶发动机声信号降噪处理方法

针对船舶声信号降噪滤波的问题,提出了一种基于经验模态分解-归一最小均方的算法。该方法进行经验模态分解得出噪声分量,将得到的噪声分量作为输入信号进行自适应滤波,通过自适应滤波算法迭代处理得到降噪后的信号分量,并把信号分量叠加得到最终降噪后的信号。通过对比最小均方算法、归一化最小均方算法、经验模态分解-最小均方算法和经验模态分解-归一最小均方算法对船舶声信号的降噪效果,得出在船舶声信号滤波降噪方面经验模态分解-归一最小均方算法相比于其他三种算法有更好的滤波效果。     

基于经验模态分解的自适应滤波算法及其应用

在对炮膛进行检测时,由于温度、光照强度等影响,使得测得的信号带有很大的噪声,当噪声频带很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显.为此,提出了一种基于经验模态分解的自适应滤波算法,该算法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波参数,进行自适应滤波处理.通过实验对比研究了该算法与普通自适应去噪、多尺度EMD滤波的降噪效果,实验表明,该算法具有很好的去噪效果.将该算法应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果.     

基于EMD-CF的级联光栅微振动传感器光谱优化算法

基于级联光栅的微振动传感器是一种典型的微振动信号测量方案,然而由于光信号在级联光栅中经过多次透射和反射,导致光谱信噪比差、成分复杂等问题。基于此,文中提出一种结合经验模态分解和切比雪夫滤波技术的光谱信号优化算法。首先,将传感器原始光谱通过经验模态分解得到一系列本征模函数;其次,利用所提出的自适应滤波方法,确定包含反射峰成分的本征模函数阶数,并对其进行切比雪夫低通滤波;最后,将滤波器输出进行重构,即得到优化后的传感器光谱。使用振幅为±8 mV、频率为500 Hz的微振动激励信号进行实验验证。结果表明:文中所提出算法可以较好地还原激励源发出的微振动信号,相比传统方法精度提高87.5%以上。     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元,并作为基本分析对象,通过对模态单元振幅的阈值处理来判断模态单元的类型,进而建立模态单元滤波模型。分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律,并建立了一种用于高斯消噪的阈值选取规则。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

脉搏信号滤波方法研究

为了降低噪声对人体脉搏信号的干扰、提高采集精度,提出了一种改进的滤波算法。从脉搏信号及其噪声特点出发,采用与经验模态分解法结合的方法,选择适当的小波基并改进小波阈值函数,构造模态系数对脉搏信号进行滤波。经过理论分析与实验验证,取得了理想的实验数据。结果表明,改进的阈值算法不仅克服了软、硬阈值的局限性,并能有效克服傅里叶变换后产生的边缘效应问题;同时,与经验模态分解法相结合,削弱了低频噪声滤除的误差,增强了小波变换的自适应性,较传统的滤波方法能更好地抑制噪声,有助于提高信噪比。     

PMD对偏振分光OSNR监测方法的影响

偏振模色散(PMD)引起的传输信号去偏是造成偏振分光法监测光信噪比(OSNR)准确性下降的主要因素.研究了偏振模色散对信号和放大的自发辐射(ASE)噪声功率测量的影响,推导得出了误差计算公式并通过仿真实验得到验证.理论分析和仿真实验结果均表明:测量误差随着PMD的增大而增大,当差分群时延(DGD)为80 ps时,误差达4.5 dB;测量误差还随着系统传输速率和信道自身光信噪比的提高而变大.     

噪声干扰环境下抑制EMD模态混叠方法

经验模态分解(EMD)作为时频分析的经典算法,已经得到广泛的应用。然而,其分解质量容易受到噪声等干扰的影响,产生模态混叠问题。本文针对经验模态分解中因噪声存在的模态混叠问题,提出一种自适应的预处理方法。首先对输入信号进行B样条最小二乘拟合,消除了噪声的影响后,再进行EMD分解。为提高算法的自适应性,提出了一种基于极值点出现时刻的节点选取方法。对线性信号与非线性信号的仿真实验表明该方法有较高的分解精度;与聚合经验模态分解方法(EEMD)的分析对比结果表明该方法能很好地抑制噪声引起的模态混叠。      

基于EMD和SVD的光电容积脉搏波信号去噪方法

光电容积脉搏波采集过程中存在基线漂移和高频噪声会给后续人体生理参数的测量带来困难,因此消除噪声干扰是准确进行相关生理参数测量的关键问题。提出一种结合经验模态分解和奇异值分解的去噪方法。该方法采用经验模态分解将光电容积脉搏波信号分解为若干个固有模态函数,通过功率谱密度判断代表基线漂移信息的固有模态函数获得基线漂移曲线;使用奇异值分解处理光电容积脉搏波信号中的高频噪声,针对传统的差分谱法无法准确识别奇异值有效阶次的不足,提出加权能量贡献率的方法选取奇异值的有效阶次。实验结果表明,该方法能有效消除光电容积脉搏波信号中的基线漂移和高频噪声,这对光电容积脉搏波信号检测精度的提高具有重要意义。     

基于递阶粒子群优化径向基函数人工神经网络的光性能监控

为解决差错反向传输神经网络在透明可重构光网络光性能监测中精度不足的问题,提出一种基于优化的径向基函数人工神经网络的光性能监测方案。在该方案中,以信号眼图参数为网络输入,以光信噪比、色散和偏振模色散为网络输出;采用二进制与十进制相结合编码的递阶粒子群方法,用适应度函数引导粒子向小规模和小误差方向运动,进行神经网络的结构与参数自适应优化;分别以不同光信噪比,不同色散和偏振模色散水平仿真信道中传输速率为40 Gb/s差分相移键控仿真信号,进行网络训练和测试,并将测试结果与相同情形下基于差错反向传输法神经网络的光性能监测结果进行比较。结果表明,所提方案在保有人工神经网络方案优点的基础上,有着更好的监测精度。     

基于互补自适应噪声的集合经验模式分解算法

经验模式分解(EMD)及其改进算法作为实用的信号处理方法至今仍然缺少严格的数学理论。该文尝试从数学理论上分析集合经验模式分解和自适应噪声集合经验模式分解的重构误差,推导了总体残留噪声的计算公式。针对自适应噪声集合经验模式分解在每一层固有模态分量上仍然存在残留噪声的问题,在分解过程中添加成对的正负噪声分量,提出一种基于互补自适应噪声的集合经验模式分解算法。实验结果表明,相比于集合经验模式分解和自适应噪声集合经验模式分解,所提的方法能够明显地减少每一层固有模态分量中残留的噪声,拥有较好的信号重构精度和更快的分解速度。     

二次谐波信号降噪方法的研究

在近红外区域，利用波长调制光谱技术进行气体浓度检测时，光学元件以及电子器件的噪声会影响二次谐波信号的信噪比。为了抑制噪声，提出一种基于经验模态分解、去趋势波动分析和小波自适应阈值的复合降噪算法。该算法针对传统经验模态分解降噪算法中存在的有用信号缺失的问题，利用去趋势波动分析优化对于信息主导本征模函数的筛选，将筛选出的信息主导本征模函数进行信号重构，再用小波自适应阈值算法提高降噪精度。将提出的算法与经典的降噪算法进行对比评估，提出的算法降噪后的二次谐波信号与原二次谐波信号的互相关系数为99.9018%，均方根误差为0.0087%。通过对实验中实际得到的二次谐波信号进行去噪，结果表明提出的算法去噪效果明显，能够保留有用的信息点。     

测量偏振模色散的新方法

介绍了用偏分孤子法对偏振模色散测量的实验原理和实验系统,对实验结果进行了分析,表明,偏分孤子法是一种新的可选偏振模色散测量方案。     

一种基于交叉证认和经验模态分解的滤波算法及其在激光雷达回波信号降噪处理中的应用

交叉证认技术改进了基于经验模态分解(EMD)的激光雷达回波信号降噪方法。该方法在对激光雷达回波信号噪声特性和经典降噪方法缺陷进行研究的基础上,利用交叉证认技术自适应地识别雷达回波信号中的信号层和噪声层,再通过经验模态分解算法分离噪声和重构信号。通过仿真数据和实测雷达信号对比分析,该方法能够自适应地选择本征模函数中的信号层数,不但有效地滤除了各种随机噪声,而且保留了信号的有效信息特征,减少了信号损失,进而提高了后续数据处理的准确度。     

基于EMD与功率谱熵的语音端点检测

为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。     

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EEMD算法在信号去噪中的应用

为了抑制经验模态分解中出现的端点效应和模态混叠现象,利用白噪声辅助数据分析方法——集合经验模态分解构造一个自适应滤波器组,对原信号进行各级滤波,最终得到纯净的信号.然后与小波阈值去噪方法进行比较,通过仿真可以看出,集合经验模态分解构造的滤波器组滤波效果比较理想.     

波长扫描法测量光纤偏振模色散研究

利用基于波长扫描法而改进的测试装置对一段很短长度(2m)保偏光纤进行了测量,采用极值密度法计算光纤的偏振模色散.在计算过程中采用了一种有效的信号提取方法,大大降低了噪声的影响,提高了测量的准确度.     

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。