一种基于子波变换的水声被动信号去噪方法

根据水声被动信号的特点,采用二进子波变换理论,对水声被动信号进行多尺度分解,在子波变换的时频域对各分量进行分时分频相关分析和加权处理,然后通过子波反变换算恢复出目标信号的时域分布。最后经舰船辐射噪声信号的去噪实验验证,表明该方法对水声被动信号的去噪具有良好的效果。     

检测强混沌中微弱谐波信号的神经网络方法

提出了一种提取强混沌中微弱谐波信号的方法。该方法根据嵌入定理，利用混沌系统的单变量观测值对混沌背景重构相空间，并利用径向基函数神经网络(RBFNN)建立混沌噪声的一步预测模型，使其与混沌噪声具有相同的基本动力学特征。并结合一个梳状滤波器对预测误差进行滤波，从而检测出湮没在混沌中的感兴趣的微弱谐波信号。该方法在信噪比(SNR)为-46dB时仍可检测出强混沌中微弱谐波信号。     

一种新阈值函数的小波信号去噪研究

详述了小波变换去噪的基本原理及方法,其中阈值的选取将直接影响信号去噪的质量。由于传统的阈值处理方法对非高斯噪声的抑制效果不明显,因此,在非高斯噪声存在的情况下,该方法受到了限制。在传统的小波阈值去噪方法的基础上,提出了一种新的阈值函数。仿真结果表明,新方法在去除非高斯噪声方面表现出了较好的特性,信噪比和均方根误差等性能指标较传统方法有明显提高,同时它具有传统阈值函数不可比拟的灵活性。     

一种新的EMD去噪方法

信号的经验模态分解方法（EMD）可以理解为以信号极值特征尺度为度量的时空滤波过程。此过程充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势。文中分析了EMD去噪技术的基本原理,通过研究几种利用EMD去除非平稳信号噪声的技术,提出了一种新方法。仿真结果表明新的EMD去噪法在去除噪声,提高信噪比方面具有极大的优越性。     

一种新的信号去噪方法及在激光信号中的应用

小波去噪是信号去噪的主要方法之一,目前的研究主要集中于如何选取阈值使去噪达到较好的效果,其中Donoho的阈值方法应用广泛.与传统双通道小波变换相比,三通道小波变换具有很多优势.基于这一理论,结合非参数自适应估计,推导出了一种适用于三通道小波域的自适应的信号去噪方法.实验证明,与三通道小波域中基于Donoho方法的去噪相比,该方法可以更好地保护细节以及提高重建信号的信噪比,在激光超声信号处理中也表现出良好的性能.     

ECG信号自适应贝叶斯小波去噪算法研究

ECG信号是当前移动健康监护的一个常规生物电信号,在该信号采集过程中,常规的硬件放大电路会引入噪声,影响了信号的特征分析。针对ECG信号采集中的噪声消除问题,提出一种基于贝叶斯小波分析的去噪算法。首先对ECG信号进行小波分解,再通过贝叶斯算法重新计算最佳小波系数阈值和加权系数,最终实现ECG信号的去噪和重构。实验结果表明:该算法能够较好地消除ECG信号的噪声,在保留较多信号细节的同时减少了信号失真。相对于小波软阈值和硬阈值算法,该算法的MSE为0.287 1,PSNR值为53.550 7,明显优于前者,具有较高的实际使用价值。     

频率编码信号去噪的一种新方法

对频率编码信号直接进行小波去噪难以达到提高信噪比的目的,为了有效提高频率编码信号的信噪比,提出一种新的去噪方法。对接收到的频率编码信号,首先进行奇异点的检测,根据奇异点的位置将频率编码信号划分为不同的单载频信号,然后利用小波去噪方法对单载频信号进行逐个处理,最后将去噪后的多个单载频信号按编码规律进行组合,进而达到有效去噪的目的。仿真验证了新方法有效可行。     

基于小波的声发射信号去噪研究

由于小波变换具有较强的时频分析和局部分析能力,常用于非平稳信号的去噪处理中。首先根据小波分解后各高频系数所占的能量百分比对信号进行提纯,再对提纯后的信号进行小波阈值去噪,并运用信号能量百分比和频谱分析对去噪效果进行评判。实验结果表明,这种先提纯后阈值去噪的处理方法能够在保证信号不失真的前提下,有效去除声发射信号中的噪声。     

基于VC＋＋的声信号去噪方法研究

对声信号进行去噪处理,是声目标识剐的必要步骤,其目的在于去除声信号中的无用成分,以减小噪声对有用信号的干扰.介绍声信号去噪的几种常用方法,如算术平均值法、中值法、加权平均值法等,并在VC++编程实现的基础上,证明了该方法能够有效性地对声信号进行去噪,可以应用于工程实践.     

激光超声信号去噪方法的研究

针对激光超声信号信噪比低的问题,分析了干扰噪声的特点,设计了基于数字平均和小波分析相结合的数据采集与处理系统。利用外部同步触发技术,间隔采集若干次激光超声信号,将各次采样信号相加平均,最后选择合适的小波基、分解层数和阈值方法,对数字平均后的信号进一步进行小波去噪处理。实验结果表明,该方法能够有效去除信号中的干扰噪声,提高信号的信噪比(SNR)。     

一种定量估计混沌信号中信噪比的方法

通过对混沌信号的相空间重构分析,建立了一个与信噪比极其相关的统计量：用信号标准差标准化后的重构吸引子中轨迹的平均分离距离．仿真试验结果显示,对较短的混沌时间序列,该统计量可以被用作定量估计被噪声污染的混沌信号的信噪比的一个工具。     

一种新的含噪混沌信号降噪算法

该文针对低信噪比、非高斯加性噪声和混沌动力学系统参数未知的含噪混沌信号降噪问题,提出了一种基于粒子滤波(Particle Filtering, PF)的降噪新算法。该算法将混沌信号和动力学系统中的未知参数作为一个多维状态矢量,利用PF方法递推计算多维状态矢量的联合后验概率分布,进而实现了对混沌信号的最优估计。对于混沌信号轨道分离过快所导致的退化问题,提出了有效的解决方法,并利用核平滑和自回归(Auto-Regression, AR)模型建模的方法分别实现了非时变以及时变参数的递推估计。仿真实验的结果表明,与现有的降噪方法相比,该文提出的新算法能够更加有效地抑制含噪混沌信号中的加性噪声。     

一种对噪声混沌信号的滤波方法

本文研究噪声混沌信号的滤波问题。组合信号建模技术,提出了一种基于无先导变换(Unscented Transform,UT)的滤波方法。仿真结果表明,不管混沌系统的参数如何变化,这种算法能都能有效地抑制噪声对混沌系统的影响。与基于扩展卡尔曼滤波器(Extended Kalman filter,EKF)算法相比,在低信噪比的情况下,基于UT的滤波方法都有较好的滤波性能;而在高信噪比的情况下,它有与扩展卡尔曼滤波器基本相同的性能。     

利用匹配相位谱减法降低噪声

本文首先利用谱减法推导出一种匹配相位降噪算法,再对其进行计算机仿真,并推出工程公式,使用实际数据验证其可使低信噪比信号减少干扰的影响。     

基于神经模糊推理系统的混沌序列产生模型

结合神经网络和模糊系统两者的优点,首次提出并建立了基于自适应神经模糊推理系统的混沌序列产生模型,其中系统适配参数的搜索运用遗传算法来实现。对该模型产生的混沌序列相关性、平衡性进行了检验。结果表明,其性能均达到或优于由混沌映射直接产生的混沌序列,且具有很高的复杂度,适合作为扩频通信应用的伪随机码。     

一种面向混沌时间序列预测的虚拟特征提取算法

针对混沌时间序列预测问题,该文提出一种虚拟特征提取算法,以提高其预测精度。首先,采用平移不变小波变换,提取出混沌时间序列的细节和光滑子层信息。然后,将混沌序列线性与非线性特征从加和关系推广到函数关系。最后,利用小波子层信息给出一种新颖的虚拟特征表达,以用于预测实验。采用经典的Mackey-Glass仿真数据,以及美国密西西比河实测径流流量数据实验表明,该文方法提高了预测精度,从而也验证了该文提出的虚拟特征提取算法在混沌时间序列预测上的有效性。同时,也可为控制、水文、气象等领域的混沌现象决策提供参考。     

一种应用K-L变换改进相空间重构的方法

在对单变量输出时间序列用延迟坐标状态空间法进行相空间重构基础上,提出对重构后的相空间再作K-L变换的改进方法。采用这种方法能够在保留原信号绝大部分能量的前提下,完全去除重构相空间中各个向量之间的相关性,更好地恢复原动力系统的特征。     

一种基于Duffing时间序列的信噪比的估计方法

为了在含有噪声的短时间Duffing时间序列中较快地估计出其信噪比,采用建立基于Duffing时间序列的重构相空间,计算与含噪时间序列有关的轨迹平均分离距离这个统计量,研究含噪信号的信噪比(SNR)与轨迹平均分离距离(ADD)的关系,找出一种有效的估计方法。通过数据拟合发现ADD随SNR指数衰减,经仿真验证,估计出的信噪比相对误差不超过1%,这对于微弱信号的检测具有积极的意义。     

一种OFDM系统中PAPR的抑制算法

为降低正交频分复用(OFDM)系统中发射信号的峰值功率,提出了在一个OFDM符号内使用两种信号星座图对二进制数据进行编码,通过在各个子载波处选用合理的信号星座图来实现对峰值均值功率比(PAPR)的抑制。由于算法不改变现有OFDM系统的实现结构,在不影响OFDM中其它信号处理性能的条件下,仿真表明算法能有效地降低系统的峰值均值功率比。     

降低梳状谱信号PAPR的初相优化法

针对宽带梳状谱干扰信号存在峰均值功率比(PAPR)较高的问题,提出了一种新的包络优化法,采用了优化初相的快速搜索技术,不失真地降低了信号的PAPR。通过理论分析和仿真试验,验证了采用新方法而设计的梳状谱信号当N>20时可将PAPR降低到2.6 dB以下,方法简单,其适应性和可行性强,且子载波数目越多就越能显著提高搜索速度。