基于MPSK信号频偏估计的非线性滤波算法

基于MPSK信号的非线性频偏估计算法，通过对叠加了高斯分布白噪声接收信号的非线性交换分析，将非线性滤波(中值滤波)算法应用于载波频率估计之中．运用Monte Carlo仿真手段对其进行了验证，结果表明，在非线性频率估计中运用中值滤波算法后，其估计的均方误差较之运用均值滤波算法有很大的改善．     

基于百分位值的自适应顺序形态滤波方法

针对顺序形态滤波的百分位值，在最小均方误差（ＭＳＥ）和最小平均绝对误差（ＭＡＥ）准则下，实现了自适应处理．该滤波算法不仅可以有效地抑制信号中的各种噪声，而且较好地保持了信号的几何特征。计算机仿真结果证实了滤波算法的有效性．     

基于过采样ADC的振动信号分析仪滤波算法

针对振动信号分析仪采用模拟滤波器进行抗混叠干扰和噪声去除存在非线性相位,降噪效果差,硬件成本高等缺点,提出了振动信号的过采样ADC滤波算法。算法通过采样频率倍增降低了对抗混叠滤波的要求,同时噪声的滤除采用FIR数字滤波器对振动信号的相位有很好的保证。对算法的原理进行了详细分析,并对算法的实现进行了说明,在此基础上通过仿真分析对算法性能进行了讨论,并验证了算法对振动信号滤波的有效性。仿真分析表明,算法能够在噪声去除的同时保证线性相位,而加宽数字滤波器过渡带、增大阻带衰减能够保证算法的滤波效果和实现效率。研究确定的滤波算法在汽轮机振动信号分析仪中得到了实际应用,取得了较好的振动信号滤波效果。     

基于Kalman滤波的信号多尺度估计

系统地推导了信号基于Kalman滤波多尺度估值算法，并用实例验证了该方法滤波的有效性．     

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．     

旋转机械振动信号的小波域维纳滤波去噪

为了去除旋转机械振动信号采集传输过程中混入的噪声干扰,文中基于维纳滤波和小波阈值滤波,通过建立旋转机械振动信号采集模型,结合振动信号滤波要求,提出了旋转机械振动信号的小波域维纳滤波算法.利用工业现场旋转机械实测振动信号,对该算法进行仿真.结果表明:该算法保持了旋转机械振动信号的线性相位特性,滤波后信号未产生明显的幅度失真;小波域维纳滤波的均方误差小于维纳滤波和小波阈值滤波,去噪效果优于维纳滤波和小波阈值滤波.     

在单片机中实现自适应滤波算法的分析

通过对自适应滤波算法的分析,揭示了自适应滤波算法的本质特性,实现了自适应滤波算法在单片机中数字信号处理算法,为低功耗技术在信号处理中的应用提供了一种方法。     

一种模糊自适应滤波算法的研究与实现

为解决均值滤波和中值滤波算法在数字信号处理中存在的问题,提出一种模糊自适应滤波算法．根据每个元素噪声度的大小控制均值滤波窗口的大小,并做了大量的仿真．与普通的均值滤波和中值滤波进行比较发现,该方法不仅很好地去除了信号中混有的脉冲,而且在不损坏信号细节的前提下,很好地滤除了噪声信号．最后,使用了信噪比改善因子S来检验算法的滤波效果,证明其滤波效果好于传统的中值滤波和均值滤波,且具有算法简单、实时性好等特点,并已经应用在很多场合．     

高射频连发测速弹丸信号识别算法

针对高射频连发射击状态下连续冲击波和弹丸激波对连发弹丸过幕信号严重干扰的问题,提出了一种连发弹丸信号识别算法.通过对连发射击弹形信号和干扰信号的特征分析,结合信号时间宽度、幅值识别阈值以及预定弹丸速度和连发射频等参数,设计了疑似弹形信号识别算法、射频约定准则滤波算法、速度约定准则滤波算法以及过幕时间约定准则滤波算法.实弹射击结果表明:该算法能有效滤除连发射击的冲击波和激波干扰信号,快速识别出连发射击的弹丸信号.     

基于改进EMD算法的信号滤波

为解决经典经验模态分解(empirical mode decomposition, EMD)滤波算法在低信噪比环境下滤波效果不佳的问题,提出了一种改进的EMD滤波算法。利用FFT对信号进行简单的频谱分析,若其中含有高频噪声,则对信号经EMD分解后得到的一阶本征模态函数 (intrinsic mode function, IMF)分量做剔除处理;若信号中含有白噪声及毛刺干扰,则向经典EMD滤波算法中添加变尺度因子,然后对信号进行EMD滤波,在算法最后一次迭代时再将一阶IMF剔除。仿真试验结果表明,改进的EMD滤波算法在低信噪比环境下有较小的均方误差值,滤波效果较好。     

分数阶傅市叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合．经典的滤波方法难以实现有效的信噪分离．提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比．首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换．通过对MIT—BIH中的心电数据进行Mat—lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点．     

基于宽带时频图的多路摩尔斯信号自动检测

针对现有算法没有涉及的宽带环境下多路摩尔斯信号自动检测问题,提出一种基于宽带时频图和集成学习分类器的算法.首先,通过提出一种基于宽带时频图的信号快速窄带滤波方法,实现噪声背景中各类型信号窄带时频图的快速获取;然后,为从上述窄带时频图中识别出多路摩尔斯信号,提出3个新特征与局部二值模式特征构成特征向量;最后,采用集成学习算法设计分类器实现摩尔斯信号的自动检测.与现有算法对比实验结果表明:针对多组实际数据,该算法的正确率均可达95%以上,同时误检率低于10%,具有良好的鲁棒性和应用价值.     

基于反电动势滤波的无传感器无刷直流电机控制

无刷直流电机的反电动势信号不是一个平滑的信号,从其他相耦合的PWM噪声使得不能准确检测到该信号的过零事件。在此对电机每相的反电动势进行数字滤波,并基于滤得的反电动势信号来决定何时对电机换相,这种控制技术不需要使用离散式低通滤波硬件和片外比较器。该算法已在Microchip公司的dsPIC30F6010A上实现。     

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.     

Noise filtering and subdivision precision analysis of Moiréfringe

The subdivision precision of MoiréFringe is restricted by its quality. In this paper, the adaptive filtering algorithm based on the neural network is used to restrain noise of MoiréFringe.The nonlinear mapping fuction is achieved by using the neural network layer. The step size of the algorithm can be adjusted dynamicly according to the signal’s frequency to meet the filtering request of the signal with a diversified frequency and make the algorithm self-adaptive.On subdividing filtered circle grating MoiréFringe signals by means of the tangent method by 512 times, it is shown that the distinguishment is 0.618″, that the maximal cumulate error is 1.236″, and that the signal quality and the subdivision precision are greatly improved.Because of its wide bandwidth and restraint of linear and nonlinear noises, the algorithm is better than general filtering way and can satisfy the preparation for the subdivision of MoiréFringe.     

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     

高斯滤波算法在缺陷视觉检测中的应用研究

机器视觉中的缺陷检测是个难点。图像的滤波处理通常是为了消除噪声干扰,处理的原则是保留大部分有效信号,抑制少数的异常信号。在机器视觉的缺陷检测时,需要提取图像中的每一个异常信号,忽略大部分正常图像信号,与图像的滤波处理正好相反。在大量实践基础上,本文总结出了一套基于高斯滤波算法的缺陷检测方法,特别适合细微缺陷的检测。该方法已经投入应用,在应用过程中取得了良好的效果。     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

基于SVD和均值量化的音频数字水印算法

提出了一种基于奇异值分解和均值量化的音频数字水印算法。该算法首先把原始音频信号分段矩阵化,然后对每分段所对应的矩阵进行奇异值分解,选取其相应的奇异值,通过均值量化方法嵌入二值图像水印,实现了音频信号中水印的嵌入。仿真实验结果表明,该音频水印算法对噪声干扰、低通滤波和重新采样等信号处理具有更好的鲁棒性。     

基于稀疏滤波神经网络的智能调制识别

针对传统调制识别中特征提取依赖人工经验的问题,该文提出了一种基于抗噪预处理及稀疏滤波卷积神经网络的智能通信调制识别算法。该算法将调制信号的循环谱作为卷积神经网络的输入图像,并引入低秩表示算法去除循环谱图中的噪声及干扰。在有监督训练卷积神经网络之前,该文设计了一种新型的稀疏滤波准则对网络进行无监督的逐层预训练,从而提升了泛化性能。仿真表明算法在信噪比为0 dB时仍可达94.2%的识别准确率,优于传统方法及相关深度学习方法。