SVD降噪在载波同步技术中的研究

为了提升突发通信中载波频偏估计的性能,降低有效估计的信噪比门限,提出了一种基于奇异值分解去噪的频偏估计方法。首先,该方法将含噪信号根据相应映射转换成矩阵,并对该矩阵进行奇异值分解;其次,将较大的奇异值判定为信号特征予以保留,否则判定为噪声特征置零;接着,根据降噪后的奇异值重构矩阵,恢复成模拟信号;最后,将预处理后的信号进行M&M频偏估计。结果表明,相比于不去噪的频偏估计算法,该方法能够提升估计精度,降低信噪比门限,具有一定的实用性。     

基于EMD与SSA的语音增强算法研究

针对低信噪比下语音性能不佳及经验模态分解(EMD)在语音增强中的有效应用,文中提出了一种基于奇异谱分析(SSA)与EMD的语音增强算法。将含噪语音信号做EMD分解,对噪声IMF分量及信号IMF分别采用小波变换和SSA去噪处理。在输入信噪比为-10d B到10d B的高斯白噪声环境下进行仿真实验。结果表明文中提出的是一种有效的语音增强算法。     

一种改进的小波系数相关滤波算法

提出一种改进的小波系数相关滤波算法。该算法在小波系数相关滤波的基础上,对去噪后的小波系数进行中值平滑,再重构新的小波系数,获得去噪后的信号。利用新的小波系数重构信号,有效降低了信号中的噪声,减少了小波相关滤波算法存在的"毛刺"。仿真试验结果表明,当信噪比在5 dB-15 dB范围内变化时,该算法在均方根误差(RMSE)和平滑度2个指标上均优于原算法,具有更好的降噪效果。     

基于改进CEEMDAN在电能质量复合扰动去噪中的应用

为提高噪声环境下电能质量复合扰动识别精度，提出一种基于改进自适应噪声完备经验模态分解（CEEMDAN）去噪算法。首先通过CEEMDAN方法将含噪信号分解为若干本征模态函数（IMF）；然后将改进兰氏距离与多重分形去趋势波动分析（MFDFA）结合，把若干IMF分量分为信号IMF分量、噪声和信号混叠IMF分量、噪声IMF分量。对于混叠IMF分量、噪声IMF分量分别采用改进奇异谱分析（SSA）、小波阈值（WT）去噪；最后，将经去噪处理的IMF分量与信号IMF分量进行重构。实验表明：与对比算法相比，含噪扰动经新算法去噪后，信噪比显著提高，去噪效果良好。     

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。      

平移不变小波变换在遥测数据去噪中的应用

有效去除遥测数据中的噪声,对数据的正确判读和后续处理具有重要意义。通过对遥测数据进行研究,为抑制去噪时在信号奇异点处产生的伪吉布斯现象,采用平移不变小波去噪处理遥测数据。针对传统小波阈值函数存在的缺陷,采用新阈值函数的平移不变法改善降噪效果。仿真结果表明,平移不变小波变换去噪方法提高了信噪比,降低了均方根误差,证明了该方法的有效性。     

线性预测对传统NLM算法去噪效果的改进

针对通信传输中传统NLM算法导致图像结构冗余信息利用不充分的缺陷,提出一种基于线性预测的改进型NLM降噪算法.根据图像空间结构特点,对图像信号按列从二维到一维进行转换,通过线性预测提取视觉特征,充分利用图像结构冗余信息,优化NLM算法去噪特性.结果表明:在噪声强度较大时,改进型NLM算法对高斯噪声的去噪效果接近图像最优...     

混合噪声环境下一种图像降噪的新算法

针对某些图像中背景复杂,目标对比度和信噪比低等特点,提出了一种基于邻域阈值分类的小波域去噪和改进的中值滤波相结合的方法对图像的混合噪声进行降噪.仿真实验结果表明,新算法能够有效去除高斯白噪声和脉冲噪声.新算法去噪后图像的峰值信噪比和均方误差都比单一算法得到了改善,从而证明了该方法的有效性.     

用于光纤传感的可调半软阈值小波去噪算法

针对大容量超弱FBG传感网络解调系统的干涉噪声和固有电子学噪声,基于传统小波阈值算法去噪时软、硬阈值函数存在恒定偏差及连续性差的缺点,提出一种改进的小波阈值去噪算法。该算法引入了调解因子和半软阈值因子,完成向软、硬阈值函数的转变,保证了连续性且降低重构误差。仿真结果表明,该函数不仅在连续性上优于传统的阈值函数,重构时对信号的还原度较高,信噪比(SNR)相比于软、硬阈值函数均有所提高,平均提升了0.1034 dB、2.4327 dB,而均方根误差(RMSE)相比于软硬阈值函数均有所降低,平均降低了0.1665、0.1687。新阈值函数相比于传统阈值算法能够获得更优良的去噪效果,可为光纤布拉格光栅传感网络高精度寻峰解调去噪提供参考。     

基于小波阈值算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标来衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。     

一种新的融合小波变换与低秩矩阵恢复的图像去噪算法

针对小波阈值图像去噪会引入量化噪声和阈值选取不当会损失图像本身有用信息的问题,提出一种新的融合小波变换与低秩矩阵恢复(Low Rank Matrtix Recovery,LRMR)的图像去噪算法.不同于传统的单一阈值的去噪算法,所提出的算法在单一阈值上结合了低秩矩阵恢复算法,这样不仅能进一步消除噪声,同时还能修复被噪声损坏的数据,而且更能适应各种不同的噪声环境.首先,选取固定阈值对图像矩阵进行小波去噪处理.其次,采用增广拉格朗日乘子算法最小化矩阵核范数.最后,将矩阵分解为低秩逼近矩阵和稀疏误差矩阵.实验结果表明,算法获得了较高的峰值信噪比,在不同噪声环境下有较高的鲁棒性.     

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。     

基于VMD与SSA的OTDR信号去噪算法

为对光时域反射计(Optical Time Domain Reflectometer, OTDR)数据进行去噪处理,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与奇异谱分析(Singular Spectrum Analysis, SSA)的去噪算法。首先,对OTDR数据进行VMD分解;然后根据相关系数准则判定有效分量,并采用SSA对与原信号相关系数较小的分量进行处理;再对所有分量求和,得到重构后的信号,从而实现数据信噪比的提高。经实验验证,该算法的去噪效果良好,容易实现,具有较大的实用价值。     

基于ISSA和GA-BiLSTM神经网络的光纤周界入侵事件识别

为解决复杂多变环境下光纤入侵事件因噪声干扰识别困难、误报率高的问题,提出了基于改进的奇异谱分析和遗传算法优化的双向长短期记忆神经网络的入侵事件识别方法。首先,为了减少噪声对识别效果的影响采用改进的奇异谱分析法去噪,对入侵信号及其分量进行迭代奇异谱分析去噪,并利用信号贡献率的大小来确定信号重构的秩阶次,调节信号分量去噪的程度,实现光纤信号的去噪。然后,利用遗传算法优化神经网络结构参数,构建双向长短期记忆神经网络提取光纤信号空间特征,最后基于以上方法对攀爬、跑动、敲击、静态、大风、雨天6种实测信号进行入侵事件识别实验,实验结果表明,在双Mach-Zehnder光纤周界传感系统识别入侵事件过程中,改进的奇异谱分析相比普通的奇异谱分析,去噪信噪比有明显提高,平均信噪比提高了12.79 dB,平均均方根误差略有减少。遗传算法优化的双向长短期记忆神经网络较未优化神经网络平均识别率提高了5.7%,识别准确率最高可达98.1%。     

基于自适应滤波的噪声抵消法

语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

ICA在快反镜位移传感器信号去噪中的应用

根据快反镜中位移传感器的位置特点，利用ICA方法对传感器信号进行去噪。ICA算法的缺点是需要计算高阶统计量，计算量较大，会影响实时性能，而借助高性能计算硬件则可以弥补这方面的不足。仿真结果表明，经ICA去噪后，信噪比能提升15 dB左右，用该方法对采集的传感器信号去噪，信噪比增量在13~16 dB之间。可见，ICA方法能够有效地提升信号的信噪比，具有较好的实用性。     

一种基于奇异谱分析的降噪技术

提出一种基于奇异谱分析的降噪技术，用于降低目标声信号中的环境噪声分量，提升信号的信噪比。该方法将含噪声音信号分解为多个不同能量的声模态，通过提取包含大量目标声信号的主要声模态，舍去包含大量噪声信号的次级模态，实现目标声音与噪声的分离，达到降噪的目的。使用该方法对实验数据进行处理，能够大幅降低背景噪声的影响，提升信号的信噪比。     

低轨卫星信号去噪方法

针对低轨卫星通信系统中超宽带信号引入的噪声问题，提出一种基于小波变换以及奇异值分解的去噪方法。对两种经典去噪方法进行结合，以达到更好的去噪效果。仿真结果表明，低轨卫星通信系统中的超宽带信号经过去噪处理后，信噪比得到明显提升。     

基于奇异值分解的岩心高光谱数据降噪研究

为了更有效地消除岩心高光谱数据中的噪声,提出基于奇异值分解的岩心高光谱数据降噪方法,引入奇异值下降率的概念,利用奇异值下降率单调性的突变点来确定表征信号有用奇异值的个数。用该方法对地物光谱仪ASD FieldSpec?4实地采集到的岩心高光谱数据进行降噪处理,并与依据奇异值相对强度确定奇异值突变点的降噪方法进行对比,利用均方根误差(RMSE)、信噪比(SNR)两项指标对降噪效果进行评价。实验结果表明,该方法更能提高信噪比,降低均方根误差,更能有效保持原始岩心高光谱曲线的吸收特征,消除高光谱曲线上的毛噪现象。     

去除脉冲噪声的小波阈值去噪算法

为了克服现有脉冲噪声去除算法的缺陷,进一步提升算法的去噪性能和鲁棒性,提出了一种去除脉冲噪声的小波阈值去噪算法.首先,根据脉冲噪声的灰度特征、分布的随机性及近似均匀性,用统计方法识别噪声像素.然后,用基于信噪强度的自适应阈值和可微收缩函数的小波去噪方法恢复噪声像素.实验结果表明,相比现有算法,本算法去噪得到的图像视觉感知效果、峰值信噪比和边缘保持指数均有较大提升,且具有更好的鲁棒性.