基于小波分析的LED芯片非接触检测信号处理

针对现有LED芯片非接触在线检测系统中存在信号处理方法简单、检测信号信噪比低等问题,本文分析了系统噪声并讨论了处理方法,研究了小波变换对LED非接触检测信号进行消噪的原理和实现过程,对检测信号进行了小波消噪的仿真和实验,并分析了结果数据。实验结果表明,小波分析在LED非接触检测信号消噪中的应用能够有效提高信噪比并切实可行。     

考虑噪声影响的Duffing振子弱周期信号检测

利用计算机仿真研究混沌弱信号检测.指出了用于弱信号检测的Duffing系统是连续系统,研究了适于连续系统仿真的输入噪声生成方法.分析了计算步长对Duffing系统运动状态仿真结果的影响.探讨了仿真计算应采用的合理步长.接着分析输入噪声对系统临界状态运动的影响,重点研究在典型强度背景噪声下系统弱信号检测性能.通过估计最小能够检测幅值分析检测信噪比.最后提出一种实用的弱信号检测方法.     

基于小波变换的玻璃厚度检测信号分析

基于LD-CCD光电测量方法的玻璃厚度检测信号混杂着各种外界噪声和CCD固有的随机噪声,具有较低信噪比,玻璃厚度测量系统对精度要求很高,必须对信号进行滤波处理.文中简要介绍了玻璃厚度测量系统信号处理流程.分析光电检测系统噪声主要来源,对厚度信号混杂的噪声特性进行细致研究,给出噪声模型.提出用小波变换软阈值法去除噪声,进行信号特征提取.将小波分析在信号处理中的优势应用到玻璃厚度信号分析中,最大程度的保留原信号信息.采集试验数据进行计算机仿真处理,取得了比较理想的结果,降噪后的信号波形基本消除了噪声干扰,为厚度信号的进一步处理奠定了基础.     

关联噪声对线性系统信噪比的影响

研究了关联白噪声对具有偏置信号测制噪声的线性模型的信噪比的影响,通过计算噪声的指数形式的积分,推导出了一阶矩、相关函数和信噪比的精确解析表达式,并且发现加性噪声能够增强信噪比,而乘性噪声使信噪比减小,噪声之间的关联性能够使信噪比增大,增强输出的信号强度,该结果可应用于光通信系统,对改善输出信号的质量有应用价值。     

基于小波分析和多重自相关法的微弱信号检测技术

离散小波变换具有时频分析特性,可把信号的细微变化反映出来,可明显提高信号的信噪比.在用小波变换进行预处理的前提下,利用正弦信号的特殊性质,在信号未知的情况下,通过多重自相关运算可检测出埋没于噪声中的微弱正弦信号.讨论了多重自相关法在白噪声背景、有色噪声背景等情况下的检测效果,并给出仿真结果.     

TMS320C6701在弱信号检测中的应用

为检测被强噪声淹没的微弱信号，以同步互相关数字锁定原理，基于高速浮点数字信号处理芯片TMS320C6701，设计出数字锁定放大(DLIA)。实验证明该方法可检测出被强噪声淹没的微弱周期信号，极大改善信噪比(SNR)。     

基于子带能量的语音端点检测算法的研究

端点检测作为语音信号处理系统前端处理的重要环节,直接影响系统处理的准确性和高效性.传统的端点检测在高信噪比和稳定噪声环境下取得了令人满意的效果,但在低信噪比和多变噪声环境下,检测的正确率会急剧下降.在分析研究典型的基于能量的端点检测算法的基础上,提出了一种子带短时能量与短时过零率结合的动态门限端点检测算法,有效克服了上述缺陷.多种信噪比条件下对不同噪声环境下的语音信号进行对比实验结果表明,所提方法较传统能量算法更为准确地检测到语音的端点.     

基于小波阈值处理的弱周期脉冲信号混沌检测

混沌振子检测系统被认为是检测带噪弱信号的有力工具.然而事实证明,上述系统不能保证对噪声充分“免疫”,噪声的随机性对检测结果的有效性会产生严重的甚至破坏性的影响.针对上述问题,引入小波阈值处理技术,给出一种基于小波阈值处理检测混沌振子的新型混合检测系统.理论分析与仿真结果均表明,改进方法使得噪声对检测的干扰大幅降低,对信噪比达-23dB的微弱周期脉冲信号实现了成功检测,同时,显著提升了混沌检测的稳定性和可靠性.     

改进类Lorenz系统在微弱谐波信号识别中的应用

基于类Lorenz系统构建了改进类Lorenz系统.借助概率论、数理统计原理,揭示了不同功率噪声对该系统阈值可信度的影响;利用加入微弱谐波信号前、后系统吸引子个数变化的阈值差值,识别出待测谐波信号的幅值.利用系统的分岔图,研究加入高斯白噪声前后系统吸引子的个数随参数变化的情况.在强噪声作用下,通过大数定律,从加入微弱谐波信号前、后系统分岔图中统计系统阈值,以统计数据中的众数作为所构建系统的阈值.利用阈值的差值识别出了与内置周期驱动力同频微弱谐波信号的幅值,且检测效果的可信度和正确率为89.5%,检测最低信噪比为-33dB.数值仿真对比结果表明改进类Lorenz系统比Duffing系统、受控类Lorenz系统具有阈值可信度高、检测门限低、信噪比低的优势,更适合在强噪声背景下识别信号参数.进一步地,在Simulink仿真结果的基础上,通过Multisim软件搭建改进类Lorenz系统的模拟电路图,验证本文的理论研究结果在工程实际化中有一定的可行性.     

强噪声下的微弱信号检测技术

"微弱信号"主要指那些被噪声淹没的信号,"弱"是相对于噪声而言的。弱信号在强噪声背景下的检测一直是工程应用中的一个难题。在强噪声背景下,提高信噪比,检测有用的微弱信号是微弱信号检测的首要任务,满足了现代科学研究技术的需要,因此研究微弱信号的检测技术具有重要意义。本文对强噪声下的微弱信号检测技术进行分析,以期为相关研究人员提供参考意见。     

基于独立分量分析特征提取的带噪信号端点检测

运用独立分量分析(ICA)提取信号高阶统计特征的方法,提出一种新的利用信号自身统计特性的信噪区分方法,由于ICA变换可以增大语音和噪声的统计性差别,故在ICA域内可以有效区分语音和噪声。在此基础上提出了ICA能量(ICAE)和滤波ICAE(FICAE)特征来进行端点检测。实验表明,结合FICAE与ICAE的端点检测方法在不同信噪比时具有一定的稳定性,在很低信噪比下也能有效检测出语音的端点,显示了良好的抗噪性能,为强背景噪声下弱信号的端点检测提供了新的途径。     

Stochastic Resonance and Optimal Detection of Pulse Trains by Threshold Devices

The nonlinear detection by a threshold device of a periodic train of soliton-like pulses embedded in arbitrarily distributed white noise is studied. A theoretical model is developed which provides expressions for the signal-to-noise ratio at the output of the detector and for the input–output gain in signal-to-noise ratio. We analyze the properties and conditions of optimality for these quantities as functions of the parameters of the process. Especially, specific nonlinear properties not shared by linear devices are established, among which are the possibility of an input–output amplification of the signal-to-noise ratio and the demonstration that through nonlinear coupling the noise can be beneficial to the signal detection and that adding noise may result in improved performance via a mechanism known as stochastic resonance.     

基于信号子空间和信息复杂度的语音端点检测

针对染有加性噪声的语音信号,提出了一种基于信号子空间和信息复杂度相结合的语音端点检测方法。该方法先利用信号子空间法去除加性噪声,再对增强后的语音利用信息复杂度进行端点检测。实验仿真表明,该方法相对传统的语音端点检测方法,能提高语音端点检测准确率,特别在低信噪比条件下具有较高的端点检测准确率。     

Analyzing a biorthogonal information channel by the Walsh-Hadamard transform

This paper reports the development of optimal processors to be used on a biorthogonal information channel for both Gaussian noise and impulsive noise. The biorthogonal system makes use of the Walsh-Hadamard transform (WHT). An efficient method to filter noise from a system which has unused capacity is developed. For Gaussian noise, three filters (linear, hard-limiting and sign detection) were used before processing. Hard-limiting is best for a large signal-to-noise ratio because it gives the lowest probability of error. When impulsive noise is added to the Gaussian noise, two optimal filters are designed, one from the standpoint of a whitening filter and the other from hypothesis testing to see if the noise is Gaussian or impulsive.     

小波去噪与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限,现有滤波方法在光谱信号除噪方面有种种缺陷.使用自适应小波阈值函数滤噪法和平移不变量小波去噪法两种方法,并分别与传统方法平均算法相结合,实现了信号与噪音的有效分离,均取得了很好的效果.即使对信噪比小于1的高噪声信号也能够很好地保留了信号的细节,获取满意的处理结果.     

Electromyography signal analysis using wavelet transform and higher order statistics to determine muscle contraction

Abstract: Electromyography gives an electrical representation of neuromuscular activation associated with a contracting muscle. The electromyography signal acquires noise while travelling though different media. The wavelet transform is employed for removing noise from surface electromyography (SEMG) and higher order statistics are applied for analysing the signal. With the appropriate choice of wavelet, it is possible to remove interference noise (denoise) effectively in order to analyse the SEMG. Daubechies wavelets (db2, db4, db5, db6, db8), symmlet (sym4, sym5) and the orthogonal Meyer (dmey) wavelet can efficiently remove noise from the recorded SEMG signals. However, the most effective wavelet for SEMG denoising is chosen by calculating the root mean square difference and signal-to-noise ratio values. Results for both root mean square difference and signal-to-noise ratio show that wavelet db2 performs denoising best out of the wavelets. Furthermore, the higher order statistics method is applied for SEMG signal analysis because of its unique properties when applied to random time series, such as parameter estimation, testing of Gaussianity and linearity, deterministic and non-deterministic signal detection etc. Gaussianity and linearity tests as part of higher order statistics are conducted to understand changes in muscle contraction and to quantify the effectiveness of the noise removal process. According to the results, the SEMG signal becomes less Gaussian and more linear with increased force.     

基于稀疏表示的系统辨识方法

基于信号的稀疏表示理论提出一种线性时不变系统辨识方法.该方法利用线性调频信号作为线性时不变系统激励输入信号,在利用传统方法进行系统辨识前利用稀疏分解算法对系统输出信号进行噪声处理.线性调频信号具有较好的时频聚集特性,线性时不变系统的输出也将具有很好的时频特征,利用基于Gabor字典的稀疏分解将能有效地提取输出信号中的有效分量,滤除其中的噪声成分,提高系统辨识的精度.仿真实验表明,本文提出的方法在低信噪比情况下,辨识效果好于传统方法.     

基于小波分析的虚拟甲烷浓度谐波检测仪

基于甲烷气体的谐波检测技术,在LabVIEW虚拟仪器设计平台上采用小波分析技术对光谱信号进行去噪,并采用快速傅里叶变换对去噪后的信号进行频谱分析,获得甲烷气体吸收光谱一、二次谐波的幅值,实现甲烷气体浓度检测.实验结果表明,利用该方法可以很好地去除噪声,精确地提取出谐波信号,获得较好的信噪比.     

低真空管道磁浮系统环境测试与数据处理

针对低真空管道磁浮交通运输试验台搭建了数据采集系统,采用了GPS信号授时与IEEE1588以太网时钟同步的方式实现了分布式数据采集系统的时钟同步网络;对试验台的多传感器进行了低真空和电磁场环境的影响测试,发现低真空环境下激光位移传感器产生了测量值减小的现象;同时以激光位移传感器为例,对比低真空环境下不同数据降噪方法对添加了不同信噪比的高斯噪声进行滤波处理,得出了不同信噪比下不同降噪方法的处理效果,以此为依据在工程实际情况选出最合适的降噪方法来得到更好的降噪效果;最后采用了基于不同降噪方法差值的数据异常值处理方法,与普通的区间估计异常值处理方法对比,从跳点去除效果和总去除个数证明了基于小波降噪的差值处理法对异常值处理的有效性,满足了实际工程的需要。