基于最优FRWT的非平稳信号去噪新方法

研究非平稳信号的去噪,提出一种基于最优分数阶小波变换（FRWT）的信号去噪方法.该方法根据输出信号信噪比采用遗传算法寻找FRWT的最优分数阶值,实现非平稳信号的去噪.以带噪语音信号为例的去噪实验结果表明,采用新方法的去噪效果明显提高.     

基于EMD自适应滤波的谱分析方法研究

经验模态分解（EMD）是一种分析非线性非平稳信号的时频分析方法．基于该方法提出一种新的自适应滤波算法EMD—LMS,并对滤波后信号进行谱分析．实验表明：与经典的功率谱分析方法相比,本文提出的谱分析方法具有更好的分辨率．     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

基于FrFT的自适应阈值语音滤波降噪研究

针对传统变换域中信号和噪声交叉重叠较大,无法彻底分离去噪的问题,本文提出了一种基于分数阶傅里叶变换的自适应阈值语音增强方法。对带噪语音信号做分数阶傅里叶变换,采用加权方差方法确定其最优变换阶数。作最优阶数下的分数阶傅里叶变换,在分数阶域自适应确定阈值,采用软硬阈值折衷法进行阈值切割,做分数阶傅里叶反变换得到增强语音信号。同时,将本文算法和传统的维纳滤波法和谱减法进行比较。实验数据和仿真结果表明,分数阶域的自适应阈值去噪方法可有效地去除噪声,得到较好的听觉效果,且去噪效果优于维纳滤波法和谱减法。本方法计算量小,易于实现,具有良好的实用性。     

改进的提升小波变步长LMS滤波算法及其应用

通过对变步长LMS自适应滤波算法和提升小波变换理论进行研究,将两种算法换相结合,提出一种新的提升小波变步长LMS自适应滤波改进算法;根据信号特征对更新算子和预测算子自适应的构造,对正交分解的信号进行变步长LMS自适应消噪,提高了收敛速度和稳定性;通过仿真分析,证明了改进的提升小波变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力;最后,将提出的方法应用于低速重载齿轮箱的故障诊断中,分析结果表明,该方法是一种非常有效的故障特征处理方法。     

非平稳时变随机噪声的数字滤波器设计与仿真

非平稳噪声的统计参数是时变的,频率滤波器不能实现对它的抑制,传统的自适应抵消器方法是基于最小均方误差准则(LMS)实现滤波的。针对LMS自适应算法中的固定步长导致收敛速度慢、失调量大的缺点,提出了变步长方法。采用最小二乘准则(LS),根据输入信号信噪比的变化来调整步长,并对滤波器的收敛速度、滤波性能进行了数据仿真,验证了该算法的有效性,实现了对时变非平稳噪声的有效抑制。     

在分数傅立叶域上进行的超宽带同步捕获

针对在低信噪比情况下超宽带时域同步捕获的精度会明显下降的问题,考虑在分数域上进行同步捕获及采用域滤波的方法将四项加权的分数傅立叶定义应用在同步捕获中,其优点是可利用FFT的快速算法,且算法简单易行。利用分数域上兼顾时域和频域信息及随着分数阶增高高斯白噪声幅度逐渐平坦的特性,进行分数域上的相关捕获及分数域滤波。实验结果表明,在低信噪比时,分数域的同步捕获精度比时域上的更高。     

基于分数阶小波变换的心电信号去噪处理研究

为了能够快速简单的滤除心电噪声,提高信号的信噪比,采用分数阶小波变换对心电信号进行处理,并利用"Arrhythmia Database"和"Noise stress Test Database"数据库中的数据和对其进行验证.仿真结果表明,运用这种方法能够有效地提高心电信号的信噪比,清晰的还原出心电信号的波形及其特点.所以分数阶小波变换在心电信号去噪处理中具有很好的应用.     

基于分数阶傅立叶变换的数字水印算法

设计了一种基于分数阶傅立叶变换的数字水印算法。首先将原始图像分块,然后对每块进行分数阶傅立叶变换,再将鲁棒水印和脆弱水印分别嵌入图像的分数阶傅立叶域。实验结果表明,本算法可以较好地满足水印的不可见性、安全性以及鲁棒性,此外还能够精确定位被篡改区域。     

多线性调频信号参数估计及DSP实现

为实现多线性调频信号参数的快速准确估计,运用模糊函数和Radon变换的性质,提出以信号分数阶自相关实现模糊函数快速计算,并对分数阶自相关进行Radon变换,结合自适应滤波的方法来估计多线性调频信号的调频斜率,在C6701 EVM板上的仿真实验表明,算法在低信噪比下具有优良的参数估计性能,计算效率高。     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．     

复合顺序形态滤波中结构元素的自适应处理

在最小平均绝对误差准则下，实现了复合顺序形态滤波的结构元素自适应处理。计算机模拟结果证实了这种算法不仅可以有效地抑制信号中的噪声，而且较好地保持了信号的陡阶跃变化。该滤波算法应用于恢复噪声污染的心电信号，其信噪比大大改善。     

智能型心功能分析系统中的去噪声算法研究

为了对智能型心功能分析系统寻找有效的去噪声方法,在Matlab6.5仿真环境下,以小波变换系数模极大值去噪声算法和Donoho的软阈值去噪声算法为基础,对心电(ECG)信号的噪声去除进行了研究.仿真结果表明,该算法在一定程度上提高了信噪比,提高了心电信号的质量,为进一步提取有效的生理信息打下了基础.     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

Channel Estimation and Compensation for Underwater Acoustic Pipeline Communication

An estimation and compensation algorithm for underwater acoustic pipeline channel is investigated. A joint time-frequency adaptive signal-to-noise ratio (SNR) estimation based on the maximum likelihood method is introduced firstly, and the Cramer-Rao lower bound (CRLB) is proposed so as to evaluate the performance of the SNR estimation algorithm. For frequency-selective fading channel part, estimation and compensation are made to improve the robustness of the system on the basis of the LMS algorithm. Furthermore,real-time update iteration algorithm in the frequency domain is investigated to realize synchronous receiving and estimation. For verification, simulations and actual data tests were made, and the results show that the algorithm possesses great robustness, efficiency and accuracy inrealization of SNR estimation, signal detection and frequency impulse compensation for the channel.     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

基于分散型导频的MB OFDM UWB稀疏信道估计

针对多频带-正交频分复用（MB-OFDM） UWB系统,提出一种基于分散导频的UWB信道估计算法.该算法采用分散型导频,避免了频域内插,可以实时对信道进行估计.然后利用UWB信道的稀疏簇特性和傅立叶变换,在时域和频域连续对信道参数进行修正,有效地改善了低信噪比时的性能.仿真结果表明,在信噪比SNR=12时,新算法的误比特率比经典的内插LS算法约有3.5dB的改善.     

电力线扩频通信中窄带干扰的自适应抑制

利用电力线进行扩频通信时,需要抑制信道中的多个大功率、ＳＳＢ调制的窄带干扰。本文提出了两种能够有效抑制上述窄带干扰的自适应算法。一种是时域的自适应非线性滤波算法,它以自适应线性预测为基础,同时针对预测噪声呈非高斯分布的特性引入一个非线性修正算子,使得收敛时的"额外均方误差"小于传统的线性预测算法;另一种则是基于ＳＴＦＴ（短时付立叶变换）的频域自适应滤波算法,它遵循了变换域自适应滤波的基本思想,结合了频域限幅器与时域自适应滤波两者的优点,具有比时域处理更快的收敛速度。     

基于多窗傅里叶变换的弱Chirp信号检测

关于噪声背景下的Chirp信号检测,已有很多方法：短时傅里叶变换（STFT）、魏格纳-维乐分布（WVD）、Gabor变换等。但在低信噪比条件下,这些方法的检测性能往往难以达到预期的目的。介绍了一种新的时-频分析方法,它联合运用了多种窗长的傅里叶变换分析和局部最大值搜索的方法,运算量小且能有效提高对Chirp信号的检测性能。仿真结果表明,在加性高斯白噪声背景下,该方法对弱Chirp信号的检测能力要优于STFT、WVD和Gabor变换,当信噪比为-9 dB时,依然能检测到信号并确定信号的位置及频率范围。