小波包变换用于双模噪声的信号检测

将小波包变换良好的时频分析能力用于分析双模噪声的统计特性,因为小波包变换具有带通滤波的作用,当分解的层数足够多时,变换可看作窄带系统,将双模噪声作某一尺的小波包变换,在此空间上双模噪声的输出近似于高斯分布,在这一空间上进行信号的识别与检测。将小波包变换用于双模噪声背景下的信号检测系统,并将此方法与经典检测系统进行性能上的比较,仿真结果表明,小波包方法优于经典检测方法。     

一种基于小波包变换的双模噪声中信号检测

利用多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声--双模噪声的统计特性进行研究.经过实际计算及仿真比较,对于两种双模噪声模型,随着双模噪声序列长度的增加,双模噪声小波包子空间变换系数都将近似服从高斯分布.通过仿真,证实小波包检测系统的检测性能不仅跟输入双模噪声的模型无关,而且比传统的高阶统计量检测系统、经典检测系统的检测性能都要好.     

多尺度小波包变换在弱信号检测中的应用

文章在双模噪声背景下,为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力对双模噪声中弱信号进行检测。理论分析和仿真结果表明,小波包检测系统不仅具有计算量小、算法比较简单和实时性较强的特点,而且比传统的高阶统计量和经典检测的检测性能都优越。     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

非高斯非平稳背景噪声中的信号检测研究

非高斯非平稳噪声的干扰问题在通信过程中是经常出现的。在非高斯非平稳背景噪声下,以前经常使用经典信号检测理论对信号进行检测,很难取得较为理想的效果。基于小波变换以及小波去噪原理,提出一种新的阈值处理方法,该方法能有效地去除噪声,使有用信号能从非高斯非平稳噪声中检测出来。实验结果表明,新方法不但去噪效果明显,而且获得了较高的分辨率和信噪比,检测性能较为理想,是对信号检测理论的一种有效推广。     

小波神经网络用于双模噪声的消噪

小波神经网络利用了小波变换的良好的时域和频域的分析能力以及神经网络的自学习能力,具有良好的容错能力和逼近能力。针对双模斯噪声,提出基于小波神经网络的双模噪声背景下信号的消噪算法,介绍了双模噪声的3种简化模型,阐述了小波神经网络的基本概念以及基于此方法的消噪算法。将小波神经网络用于此3种双模噪声背景下信号的消噪。实验结果表明,该方法能有效地消除已知信号中的双模噪声。     

小波包在车载移动电话语音信号提取中的应用

利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理．提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号．从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。     

基于小波分析的EEG信号自适应去噪的应用研究

介绍了小波变换应用于EEG信号消噪处理中的原理及自适应噪声抵消器的原理。根据短时动态信号与平稳背景噪声的特征区别,对输入混合信号进行白化预处理,以时间序列的AR模型理论为依据,导出背景噪声白化滤波器的结构;将小波变换与自适应滤波相结合,对经白化处理后的信号进行自适应去噪,将去噪后信号及平均信号做了功率谱估计比较,实验结果表明该方法能有效地去除弱信号中的噪声。     

基于线奇异性的路面裂纹检测方法

提出一种基于ridgelet变换的线性特征检测方法,用于提取在复杂背景下高速路面的线性裂纹,克服了小波变换只能处理点奇异性的局限性。利用Radon变换与一维小波变换相结合的算法实现ridgelet变换,提出了Radon变换重建原图像的基本条件。应用于实际的路面数据检测,结合默认阈值为27．9395的方法去除噪声,结果表明,ridgelet变换在提取直线性裂纹及抑制点噪声方面优于经典小波变换的处理效果,其分辨率达到2mm精度。     

基于小波包去噪的能量检测方法研究

根据能量检测和小波包变换的特点,提出基于小波包去噪的能量检测方法。该方法利用小波包的去噪功能,可实现噪声和信号的有效分离,提高信噪比,从而有效改善能量检测的性能,且复杂度低。仿真结果表明,经过小波包去噪之后的能量检测性能要远远好于传统的能量检测性能。     

双模噪声中信号的检测

信号检测是双模噪声中的主要问题之一，本文对此进行了较完事的研究。混合噪声中信号的检测比高斯噪声中信号的检测复杂，可能为多门限判决。本文对不同情况给出了不同的最佳检测方法，并分析了它们的性能；通过对窄带双模过程的研究，给出了混合噪声中信号检测的一般方法，有一定的普遍意义。     

基于双模噪声的数字调制系统中抗噪声性能分析

以双模噪声为背景噪声．详细地分析了二进制数字调制系统的抗噪声性能，是对原建立在高斯噪声基础上通信与信号处理理论的完善和补充，有一定的普遍意义。在理论分析的基础上，最后给出了仿真结果并进行了分析。     

高斯型混合双多模噪声模型分析

本文以一类高斯型混合非高斯噪声双模噪声为背景噪声,详细分析了二进制数字调制系统的抗噪声性能。为研究更一般的情形,本文提出了窄带多模过程的数学模型,进行了较详细的研究,给出了混合噪声中信号检测的一般方法,是对原建立在高斯噪声基础上通信与信号处理理论的完善和补充,有一定的普遍意义。在理论分析的基础上,最后给出了仿真结果并进行了分析。     

自适应噪声抑制器的设计和Simulink验证

在测井信号的处理中,经常会遇到非平稳噪声环境下的信号检测问题,此时很难用经典的滤波器系数固定的FIR滤波器或IIR滤波器来解决噪声背景下的信号提取问题。本文首先介绍了一种系数可变的FIR滤波器实现一种不需要参考噪声的自适应噪声抑制器的基本原理,然后在此基础上阐述了在Simulink环境中建模的具体方法,最后使用该模型对一个非平稳有色噪声信号进行抑制,仿真结果表明在不需要参考噪声源时通过该自适应噪声抑制器同样可以获得比较好的噪声抑制效果。     

基于相位影响的单声道语音增强幅度谱相减改进算法

结合经典语音谱相减算法的基本理论,针对在恢复时域信号过程中利用带噪语音相位来代替纯净语音相位而使消噪效果变差的缺点,基于带噪语音功率谱、噪声谱和纯净语音功率谱三者相位几何关系,提出一种直接使用纯净语音相位来恢复信号的改进算法.经过仿真实验,通过对时域波形图以及信噪比的比较,结果表明提出的算法比经典的谱相减算法均有一定的提升.     

基于信号子空间的语音增强方法

基于子空间的语音增强算法不同于基于信号处理和统计估计的经典语音增强算法,其核心思想就是将带噪语音信号映射到信号子空间和噪声子空间中,并在信号子空间中估计原始信号。本文提出的算法是以线性代数和矩阵分析为基础,利用对语音信号和噪声协方差矩阵同时对角变换的条件,对混有加性白噪声和粉红噪声的语音信号进行增强处理。经过实验分析及与传统的语音增强算法相比较,语音失真较小,增强效果较好,能够在极大限度地抑制背景噪声的同时减少频谱失真和残余噪声。     

关联噪声和周期信号驱动的非对称双稳系统的稳态分析

运用Liouville equation和诺维科夫原理,解出了关联噪声和周期信号共同驱动的非对称双稳系统的近似福克-普朗克方程,并求解了其稳态概率密度函数.在此基础上,分析了乘性噪声强度 、加性噪声强度 、噪声间关联系数 ,周期信号振幅 、频率 以及系统非对称参数 等对稳态概率密度分布曲线的影响.结果表明:(1)噪声强度及其关联、周期信号振幅、系统非对称参数的改变均能引起稳态概率密度分布曲线单峰结构和双峰结构之间的转换,即能够诱导非平衡相变产生;(2)周期信号频率改变时,没有非平衡相变发生;(3)当系统非对称参数为零时,稳态概率密度分布曲线具有关于 的对称结构;当系统非对称参数不等于零时,其对称结构被破坏.     

DOA估计算法评价准则在不同功率入射信号下的修正

针对复杂电磁环境中信号功率对入射信号波达方向(DOA)估计的影响问题进行研究,发现用于DOA估计算法性能分析的经典评价准则对不同功率入射信号存在局限性.针对该问题,首先证明了强信号功率会影响弱信号DOA估计性能,得到强信号功率增加会导致弱信号功率克拉美罗界上升,即弱信号DOA估计的均方根误差增加.然后分析了 DOA估计...