基于锁相放大算法的微弱光谱分析

由于强噪声背景的影响,在进行光谱探测的过程中收集到的信号很微弱。为了能有效的去除噪声,提出了采用锁相放大算法去除噪声提取光谱特征信号的方法。研制编写锁相放大算法,对收集的光谱数据进行处理,分析处理后的结果,光谱特征获得了放大,进一步进行两种结果的中值归一化对比,该光谱曲线与原始光谱曲线线型基本一致,且具有平滑去噪效果。该成果对微弱光谱信号去除噪声的研究具有实际意义。     

流化床颗粒浓度信号的小波降噪分析

用小波分析去除噪声的方法,对气-固循环流化床中两相流颗粒浓度的实验数据进行分析,揭示流化床中两相流的流动规律。气固循环流化床提升管的颗粒浓度和压力波动信号的去除噪结果表明,小波分析方法能有效去除颗粒浓度和压力波动信号中的大部分噪声,其消噪效果优于传统的傅里叶变换滤波方法,且小波分析去噪方法能更加有效地辨别真实信号与噪声信号。     

分形维数结合RLS-ICA的脑电信号消噪

针对脑机接口中脑电信号噪声的去除,提出将分形维数、递归式最小均方(RLS)-独立分量分析(ICA)相结合的方法.利用ICA对脑电信号进行盲源分离,得到源信号;采用分形维数自动识别源信号中的噪声信号;利用RLS自适应滤波器对已识别出来的噪声信号进行自适应滤波;通过信号重构,得到去除噪声的脑电信号.该方法有2个优点：一是通过对分形维数自动识别源信号中的噪声信号进行滤波,克服了RLS-ICA将所有源信号进行滤波,可能造成部分有用脑电信号被去除的缺点;二是通过分形维数减少RLS滤波的独立源,加快了运行速度.为了证明该方法的有效性,分别对2008年国际BCI竞赛数据和本实验室的数据进行处理.将该方法与RLS-ICA进行比较,结果显示,该方法的去噪效果明显优于RLS-ICA,单个样本的运行时间比RLS-ICA少007 s.采用提出的方法不仅能够去除一些常见的诸如眼电(EOG)、肌电(EMG)等噪声,而且能够去除一些未知的噪声.     

微电极阵列神经元锋电位信号的去噪方法

为了去除神经细胞外单细胞动作电位(即锋电位)记录信号中的各种噪声,提高幅值很小的单细胞锋电位信号检测的正确性,根据多通道微电极阵列记录信号中各个通道之间噪声空间相关性较强的特点,提出主成分分析(PCA)去噪与小波阈值去噪相结合的联合去噪方法.采用PCA方法提取并去除多通道记录信号中相关噪声的第一主成分,然后将信号进行小波多尺度分解,采用软阈值法去除各尺度下的噪声.仿真数据和测试结果表明,联合去噪方法可以同时去除有色噪声和白噪声,在各通道锋电位序列相互独立而噪声相关性较强的情况下,可以显著提高锋电位信号的信噪比.联合去噪方法的性能明显优于PCA去噪方法和小波阈值去噪方法单独使用时的性能,是一种有效的多通道锋电位信号去噪新方法.     

基于曲波变换与EMD的地震数据随机噪声衰减

由于曲波变换对信号具有较好的稀性,使得曲波阈值去噪法在数字信号噪声处理领域得到了广泛的应用,但该方法对弱信号曲波系数存在过分的扼杀现象,从而去除了部分弱有效波信号。为了在彻底地去除地震数据中的随机噪声的同时,更完整地保留地震数据特征,在曲波阈值去噪过程中引入二维经验模态分解(BEMD)法。首先将地震信号从高频到低频分解为若干个本征模态函数分量,然后利用前几阶含噪声的高频分量重构二维含噪记录,并使用曲波阈值法降噪处理后再与剩余不含噪声的低频分量重构出去噪的信号。不论是对理论模型还是野外数据,联合法的处理结果均优于单一曲波法处理结果。理论与实际数据实验结果表明,联合法在几乎去除地震数据中的随机噪声的同时尽可能地保留了弱信号,提高了地震信号的信噪比。     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .     

基于多分辨率分析的相关算法在信号滤波中的应用

测量仪表获得的信号带有噪声 ,使内燃机关键参数的计算比较困难 ,已有的FIR和IIR数字滤波器的去噪效果较差 ,且使内燃机的瞬时转速曲线产生了相移 ,难以确定速度曲线局部极值点的位置 .为去除信号中的噪声 ,提出了一种基于多分辨率分析的相关算法 ,首先对原始信号进行小波变换 ,根据规划后的相关函数 ,仅选择对应于信号的小波变换的模极大值 ,将信号和噪声分离开来 ,然后再重建信号 .将该方法用于R410 2型内燃机的瞬时转速曲线的信号滤波中 ,并与IIR滤波后的结果进行比较 .可以看出 ,相关算法不仅使滤波后的曲线更加平滑 ,还避免了IIR滤波中存在的相位滞后 .这表明相关滤波法在精确地重建原信号的同时 ,又能较理想地去除噪声的干扰     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换(DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪．通过对此信号进行频谱分布的分析，用Donoho的阈值去噪法去除高斯白噪声之后，根据小波变换的多分辨率思想，提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声，然后运用小波反变换来恢复内燃机瞬时转速信号的方法．实验结果表明，此方法能够较精确的去除噪声，恢复内燃机瞬时转速信号．     

基于独立分量分析的电力线物联网去噪

为了降低电力线物联网通信中的噪声影响,使用松弛因子对盲源信号处理中的鲁棒性独立分量分析算法进行优化,并应用于电力线物联网中。通信接收端采用多路接收信号,使用预白化矩阵降低各路信号之间的相关性之后,再利用基于松弛因子优化的鲁棒性独立分量分析算法计算出分离矩阵,对多路信号分离,并通过判决从分离出的信号中找到传输的数据信号。通过对电力线环境建模仿真,实验结果表明,将此优化的算法应用于电力线物联网中可有效去除噪声,去噪后比去噪前信号的信噪比提高了2倍,且相比于直接应用鲁棒性独立分量分析算法,使用松弛因子优化后的算法使得去噪过程中不会出现算法不收敛的情况。     

分段经验模态分解的直流漂移消除方法

在低频模拟信号采集及处理电路中,常常存在着噪声与直流漂移的问题影响信号的测量。为了从原始信号中准确去除直流漂移分量及存在的噪声从而获得有用信号,提出了一种基于分段经验模态分解直流漂移消除的方法,并通过合适且有效的去噪方法处理使得采样信号更加真实准确。首先,对信号进行经验模态分解,求取本征模态函数分量的局部极值点进行区间分段,之后分别对每一段信号再次进行经验模态分解,选取每一段信号的低频分量重构出该段信号的直流漂移分量。最后,利用自相关函数筛选出噪声占主要成分的本征模态函数分量进行能量分析,将所有分段整合,得到去除直流漂移且降噪之后的信号。本研究通过仿真对此方法进行了说明,比较了该方法与多项式拟合、小波分析、高通滤波等方法的效果。并对微创外科手术机器人力传感器的应变信号进行了处理。实验结果表明：按照已有数据计算可将信噪比提升到6.39 dB以上,均方根误差有明显减少;该方法能够有效消除应变信号中的直流漂移,并且也能达到降噪的目的。     

色噪声下的延时二阶预处理MUSIC算法

为抑制色噪声对多信号分类(multiple signal classification,MUSIC)算法估计性能的影响,提出利用延时相关消除色噪声的二阶预处理方法.以L阶滑动平均(moving average,MA)模型为色噪声模型,利用大于L阶的延时相关函数为0的特点去除背景色噪声.为增加对多个入射信号成功分辨的概率,基于信号子空间估计稳健的特点,构造基于信号子空间加权的谱函数.提出的新算法无阵列孔径损失,不增加运算复杂度,因此,在色噪声背景下的实时波达方向(direction of arrival,DOA)估计中有较好应用价值.仿真实验表明,所提方法可有效抑制色噪声,在同样的估计条件下,该算法表现出较好的估计性能,且不增加计算量.     

一种噪声未知条件下的盲信号提取方法

传感器网络中的节点带宽等资源受限,使得在设计盲信号处理方法时需考虑信号量化等因素,而量化噪声的引入使得整体噪声复杂且未知。针对传感器网络中噪声统计特性未知的情况,提出了一种基于容积点变换和代价参考粒子滤波的盲信号提取方法。在滤波过程中,采用容积点变换可获得较为准确的预测粒子,通过用户自定义的权值映射规则可以实现粒子的更新和重采样,减少了算法对噪声和源信号统计特性的依赖。实验结果表明该方法可实现对源信号的有效提取,在噪声统计特性未知时的提取性能要优于其他方法。     

小波分析在超声信号采集消噪中的应用

在使用超声波探伤设备进行探伤过程中,为了抑制噪声信号对缺陷识别和判断带来的影响,采用小波分析的方法,利用Daubechies小波家族的db2做小波函数,借助于小波变换的时-频局部分析特性,对超声波回波信号进行了多分辨率分析.在每一阶设定不同噪声阈值,对输入信号进行噪声去除,并进行信号重建.实验证明,使用该方法能够有效地实现对超声波回波信号的噪声抑制,提高超声波的探伤精度.     

旋转机械振动信号的固有模式函数降噪方法

针对旋转机械非平稳振动信号中局部低能量噪声的消除问题,提出一种基于固有模式函数(IMF)的振动信号降噪方法.该方法在信号经验模式分解(EMD)的基础上,通过对一阶IMF进行L次随机排序操作,构造观测信号的L个样本序列.根据白噪声各阶IMF的能量密度,计算L个样本序列各自分解所得IMF的阈值.通过样本幅值与阈值的比较,将IMF中过零点区间内极值小于阈值的所有样本点去除,并利用这些阈值去噪后的IMF重构信号.仿真和实验结果表明,本方法对各阶IMF中局部低能量噪声的消除是有效的,且降噪后信号的时频特征显著.     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

基于小波神经模糊系统的一种非线性滤波方法

针对信号中含有复杂噪声难以滤除的问题,提出了一种把自适应神经模糊推理系统(ANFIS)与小波变换相结合的方法,该方法通过ANFIS逼近噪声,利用小波变换中小波的分解与重构来调整适当的阈值来达到最终滤波的效果.仿真结果表明对于一个含有复杂噪声的信号而言,此种结合的方法与单独利用ANFIS或小波变换相比,滤波效果更佳,并且对实际中含有未知噪声的去除问题提出了一种可行有效的方法.     

基于多分辨率分析的相关算法在信号滤波中的应用

测量仪表获得的信号带有噪声，使内燃机关键参数的计算比较困难，已有的FIR和IIR数字滤波器的去噪效果较差，且使内燃机的瞬时转速曲线产生了相移，难以确定速度曲线局部极值点的位置．为去除信号中的噪声，提出了一种基于多分辨率分析的相关算法，首先对原始信号进行小波变换，根据规划后的相关函数，仅选择对应于信号的小波变换的模极大值，将信号和噪声分离开来，然后再重建信号．将该方法用于R4102型内燃机的瞬时转速曲线的信号滤波中，并与IIR滤波后的结果进行比较．可以看出，相关算法不仅使滤波后的曲线更加平滑，还避免了IIR滤波中存在的相位滞后．这表明相关滤波法在精确地重建原信号的同时，又能较理想地去除噪声的干扰．     

一种去除文本图像椒盐噪声的方法

针对文本图像在获取、处理和传输过程中产生的椒盐噪声,提出一种去除文本图像椒盐噪声的方法.该方法首先标记噪声点,然后采用Otsu阈值分割法将信号点分为文字与背景两类,最后对邻域内信号点进行扩散处理去除噪声.实验结果表明,相比传统的去噪算法,该方法能够减少笔画断裂和伪笔画的产生.     

去除SPN的小波域自适应FIR滤波修正算法

漏磁检测(MFL)是油气管道在线检测中应用非常成熟的一种无损检测技术.漏磁检测数据通常被无缝管道噪声所污染,而无缝管道噪声在某些情况下可能完全掩没来自某一类型缺陷的漏磁信号,因而极大地降低了管道缺陷的可检测性.本文对小波变换域自适应有限冲激响应(FIR)滤波算法进行修正,提出一种可有效去除漏磁数据中无缝管道噪声(SPN)的修正算法.该算法利用无缝管道噪声和漏磁信号的不同相关特性,可有效去除漏磁数据中相关度高的漏磁信号,从而提高漏磁数据中相关度较小的缺陷信号的可检测性.该修正算法用于实测漏磁数据,所得结果说明该算法具有良好的去噪效果,从而提高了漏磁数据中缺陷信号的可检测性.     

基于线性预测的图像去噪

针对图像脉冲噪声的去除问题,本文提出了一种基于线性预测的新方法.根据噪声的特点,首先将像素点分成信号点和可疑噪声点,对信号点不进行处理,对可疑噪声点进行进一步分析.若可以噪声点被确定为噪声点,则采用线性预测方法进行滤波,否则保持不变.实验结果表明,本文方法不仅有效的去除了噪声,而且很好的保持了图像的细节.