基于小波变换的激光雷达回波信号去噪方法研究

提出小波变换法去除激光雷达回波信号中的噪声,通过建立模型,选择合适的小波基、分解层数和阈值,利用Matlab仿真发现选择sym4、db6小波的五层分解法去噪效果较好,对提高激光雷达的有效探测距离和探测性能有较大的参考价值。     

基于VMD和小波分析的油液磨粒信号去噪方法

油液金属磨粒检测传感器通过监测机械设备油路中的金属磨粒,可实时反馈机械设备故障特征。为了提升油液磨粒检测传感器的检测精度,文章提出一种针对油液磨粒信号的变分模态分解（Variational Mode Decomposition,VMD）结合小波分析的去噪方法。首先,通过计算各模态分量与原始油液磨粒信号的相关系数确定最优K值;其次,对原始信号进行VMD分解,筛选出特征分量;最后,利用小波阈值去噪方法对特征分量进行降噪处理。实验结果表明,与经验模态分解（Empirical Mode Decomposition,EMD）和传统小波去噪方法相比,本方法的信噪比最高,均方根误差最小,能量占比最大,在油液磨粒信号降噪效果中表现最好,有利于提升磨粒检测传感器的检测精度。     

基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法

在使用经验模式分解(Empirical Mode Decomposition,EMD)对激光雷达回波信号进行去噪处理时,由于信号含有脉冲及间歇等间断事件而产生模态混叠,导致不能很好地分解出有用信号成分,影响去噪效果。针对这一问题,提出了一种形态滤波与EMD相结合的组合算法。首先,使用自适应多尺度形态滤波器作为前置单元,对信号进行初步处理,剔除信号中的间断事件干扰。之后,应用EMD对处理过的信号去噪。采用仿真数据及真实激光雷达回波数据进行了去噪实验。实验结果表明,文中算法相比于直接EMD去噪,在仿真试验中信噪比提高了8.89 dB,均方根误差降低了0.0514;在真实回波数据去噪实验中,6 km以后平均信噪比提高了3.356 4 dB。该组合算法有效地抑制了模态混叠现象,具有良好的去噪效果及应用前景。     

基于VMD与SSA的OTDR信号去噪算法

为对光时域反射计(Optical Time Domain Reflectometer, OTDR)数据进行去噪处理,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与奇异谱分析(Singular Spectrum Analysis, SSA)的去噪算法。首先,对OTDR数据进行VMD分解;然后根据相关系数准则判定有效分量,并采用SSA对与原信号相关系数较小的分量进行处理;再对所有分量求和,得到重构后的信号,从而实现数据信噪比的提高。经实验验证,该算法的去噪效果良好,容易实现,具有较大的实用价值。     

基于小波阈值法的激光雷达回波信号去噪研究

为了对激光雷达探测回波信号去噪进行研究，基于小波阈值法分析了激光雷达发射和探测回波信号，创建了基于MATLAB仿真平台的模型, 研究了阈值法中选择各参量的策略，结合激光雷达信号和噪声特性，选取了去噪处理中的最佳参量，并进行了4种阈值策略的仿真实验，实现了对探测回波信号中目标信号的有效提取和去噪。结果表明，对于低信噪比信号，同一基函数分解层越高去噪效果越好，在分解层数j为4~5时去噪效果最好; 对于高信噪比信号，同一基函数分解层越低去噪效果越好，在j=3时去噪效果最好，并且信号db9基函数去噪效果好于db2基函数去噪效果。此研究获得了较为理想的去噪结果。     

基于对比度调制法对条纹管激光雷达距离像的去噪方法

激光雷达的距离像是雷达成像系统区别于其他的成像系统（如红外成像系统、可见光成像系统）所特有的信息,它是对目标精确识别、打击的基础。如何对距离像去噪直接决定了下一步目标定位、识别的精确性。针对雷达距离像的特点,提出了一种基于对比度调制方法对条纹管激光雷达的距离像去噪方法,通过提取距离像噪声的对比度信息,用其调制未经过去噪的距离像,从而得到距离像中的噪声图像,最后用未经过处理的距离像减去噪声图像,得到图像即为去噪后距离像。研究表明该方法去噪效果明显,在去噪的同时很好地保持了距离像的边缘信息,去噪后图像的信噪比明显提高,距离像的属性也没有改变,这是其他方法对距离像去噪所不具有的优点。     

基于小波分析的多普勒测风激光雷达信号去噪研究

针对多普勒测风激光雷达探测大气回波信号微弱和噪声干扰大的问题,提出了基于小波变换的半软阈值算法。首先,对基于小波变换的半软阈值算法原理进行分析,搭建了以马赫-曾德干涉仪作为鉴频器的非相干多普勒测风激光雷达系统;然后,采取硬阈值、软阈值和半软阈值3种算法对激光雷达探测回波信号进行实验。实验结果表明：与其它阈值法相比,半软阈值的信噪比（SNR）为4.933 5 d B,均方根差（RMSE）为0.676 2,去噪效果更优良,有效地提高了大气风速探测精度。     

基于EMD及FFT的激光雷达回波去噪算法

摘要：激光雷达回波去噪是激光回波处理的重要环节,好的去噪算法可以有效的减少信息的损失以及失真,并且可以有效的去除噪声带来的影响。经验模式分解将时域信号分解为几个不同频带尺度的时域信号分量,简单的舍弃噪声层以及过渡层会导致有效信号的损失。通过一种基于经验模式分解及傅里叶变换的激光雷达回波去噪算法,选取特定的固有模态函数并作傅里叶处理,以此来提高去噪的准确性,通过实际数据验证了其合理性与有效性。     

基于多尺度EMD的激光雷达信号分段去噪

介绍了一种新的信号去噪方法.针对激光雷达信号和EMD信号分解的特点,结合统计检测理论,利用中心极限定理和Grubbs判据对信号强度起伏的随机性进行检测.检测出的信号强突变部分视为信号的发展趋势保留不参与EMD分解,其余部分则使用EMD方法分解.对分段处理的信号用半软阈值限幅的办法重构;重构信号可能出现的pseudo-Gibbs现象,采用平移不变量去噪原理处理.实测信号的处理结果表明了这种去噪方法的有效性,即能取得较好的去噪效果,叉能较好的保留信号的突变信息和强突变信息.     

经验模式分解用于激光雷达大气回波处理

为了提高激光大气回波处理的时效性,采用了经验模式分解方法,分析了经验模式分解的原理,研究了经验模式分解在激光雷达大气回波信号实时处理中的应用.进行了理论分析与仿真验证,取得了经验模式分解和100次信号平均处理后的结果,并进行了比较.结果表明,经验模式分解处理后的重构信号与100次信号平均结果接近,相关系数为0.99,同时处理时间缩短为1%,可以满足某些情况下的实时处理要求,并且能够抑制回波中一些薄云的干扰.这一结果对激光雷达大气回波信号实时处理是有帮助的.     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元,并作为基本分析对象,通过对模态单元振幅的阈值处理来判断模态单元的类型,进而建立模态单元滤波模型。分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律,并建立了一种用于高斯消噪的阈值选取规则。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

用于光纤传感的改进变分模态分解-DWT算法北大核心CSCD

大容量FBG传感网络解调系统中,信号去噪是影响FBG传感系统精确解调的重要因素。为了提高解调精度,本文提出一种以改进变分模态分解结合可调节半软阈值方法用于处理光纤信号。变分模态分解(VMD)将输入的信号分解为给定数量K个固有模态数(IMF),设置错误的K值会导致性能下降。本文在VMD的基础上添加4条约束条件,使其自适应的选取K值并减少了VMD的计算量,然后用新阈值函数进行去噪处理,最后通过温度测试实验,得到波长与温度的线性相关系数,评估性能与应用价值。实验结果表明,本文函数在连续性以及信号还原度均取得良好的效果。信噪比(SNR)相比于传统软、硬阈值平均提升了6.0162 dB、13.0003 dB,均方根误差(RMSE)平均降低了0.0442、0.1487。温度测试实验中温度与波长的线性相关系数为0.9992,能满足实际工程需求。     

基于粒子群算法的3维激光雷达回波分解

为了提高3维激光雷达回波分解的精度和准确度,采用粒子群算法与最小二乘法相结合的方法,分析了激光雷达回波分解原理以及粒子群算法原理,研究了粒子群算法在激光雷达回波信号分解中的应用;进行了理论分析与实际数据验证,取得了实际激光雷达回波数据的分解结果。结果表明,采用粒子群算法与最小二乘法相结合的分解方法,激光雷达回波可以更高精度地分解为一系列单个波形的叠加,并获得了延时、强度及脉宽等参量,拟合度提高至0.989,一定程度上抑制了噪声的干扰。该算法可以有效提高激光雷达回波分解的精度。     

HHT在激光云高仪后向散射信号处理中的应用

根据半导体激光云高仪后向散射信号的特点,基于希尔伯特-黄变换(HHT)提出了一种突出后向散射信号细节特征的处理方法。该方法有效地发挥了HHT对非线性、非平稳信号处理的能力,从原始后向散射信号中分别重构出初步去噪项和信号趋势项并实现二者的结合,从而生成全新的经特征突出的后向散射信号。大量实验数据分析证明,该特征突出方法利用了EMD分解和重构滤波的优势,摒弃了其去噪同时削弱有用信号、忽略细节特征的缺陷,适用于云高仪后向散射信号处理;配合相应的后向散射参数反演方法,可以有效提高云高识别能力和垂直能见度反演的精度,降低了云高误报和漏报率。     

基于经验模态分解的管道超声回波信号识别

在管道超声无损检测中,超声回波信号常受到噪声干扰或者因管道壁缺陷原因导致回波波形重叠,故检测信号很难判断缺陷大小。现采用一种基于经验模态分解(Empirical Model Decomposition,EMD)的方法,对超声回波信号的到达时间进行准确识别。该方法首先把原始采集的超声回波信号进行经验模态分解,预处理回波信号中的噪声干扰,处理后的信号通过正交检波处理得到该信号的峰值包络,则该包络的峰值时刻对应了回波信号的到达时刻。通过对实测缺陷信号的试验,验证了该方法的可行性和准确性。     

基于双树复小波变换和形态学的脉搏信号去噪

常见的医学信号（如脉搏信号）包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

基于Hilbert-Huang变换的ECG消噪

 提出一种基于Hilbert-Huang变换的ECG消噪方法,该方法对含噪ECG进行经验模态分解,对分解后的IMF进行Hilbert频谱分析,然后根据ECG信号噪声特点对三种主要噪声分别消噪.工频干扰和高频噪声主要存在于ECG的低阶IMF中,而基线漂移主要存在于ECG的高阶IMF中,对低阶IMF采用基于自适应阈值的形态学滤波方法进行消噪,对高阶IMF采用平滑滤波法进行基线漂移估计.仿真实验和实际应用结果表明该方法优于小波消噪法,不仅对三种主要噪声具有较好的抑制作用,还能很好的保留ECG波形特征.     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.