小波变换在肌电信号预处理中的应用

传统检测方法处理肌电信号时，个体差异比较大，针对这一不足，首先应用小波消噪理论对肌电信号进行预处理，将信号进行小波分解与重构，消除了肌电信号实际测量中不可测噪声的干扰，然后分析重构得到的信号的功率谱比值和对应肢体动作变化之间的关系。这种方法很适合处理非特定人的肌电信号。实验表明这种方法与单一使用功率谱比值法的方法相比，动作模式识别率得到了提高。同时，采用虚拟仪器技术提高仪器的测量精度，降低成本。     

基于独立分量分析的噪声消除技术研究

为了消除观测信号中的噪声,利用独立分量分析的冗余取消特性,提出一种新的信号消噪方法.引入虚拟噪声分量对观测信号进行扩展,将一维带噪观测信号变换为多维虚拟观测信号.利用高阶累积量,对扩展的多维加噪观测信号进行盲源分离,得到源观测信号,从而实现噪声的有效消除.进行仿真研究以及转子实验台的松动故障振动信号的实验研究,结果证明了这种消噪方法在消除各类加性噪声的有效性.该方法不需要大量的观测样本,无需观测信号为确定性信号的前提假设,实现了对单个观测样本的实时消噪处理.     

一种基于小波变换的LTE系统下行链路信道估计算法

针对LTE下行正交频分复用（OFDM）系统中噪声对最小二乘信道估计算法影响较大的问题,给出了一种基于小波分解的信道估计方法。该方法通过在最小二乘（LS）估计之后通过小波阈值去噪,再加入改进的时域加窗相结合的方法进行信道估计。仿真结果表明,该方法能够有效消除加性高斯自噪声,可以更好地跟踪信道变化,提高信道估计精度。     

部分W-分离正交语音信号的盲分离方法

在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。     

基于Multisim的脑电滤波电路的设计

脑电信号作为一种特殊而复杂的生物电信号,反映了大脑的功能状态.原始的脑电信号十分微弱,只有10-50μV,背景噪声强,包含了电极极化电压、高频干扰电压、以及50Hz工频下扰电压.脑电信号处理的关键问题之一是如何有效地消除脑电信号中的噪声干扰成分.主要设计了脑电信号采集过程中的滤波电路,包括低通滤波器、高通滤波器、50Hz工频陷波器,并在Multisim软件平台上仿真实现.经过处理之后,可使脑电信号和噪声有效分离,以便进行A/D转换.     

基于改进小波阈值法的平移不变心电信号去噪

人体心电信号在采集过程中掺杂着各种噪声信号,而常用的小波阈值法在心电信号去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法,该方法能够较好保护心电信号特征,有效保持各种心电波形的幅度,并在一定程度上有效抑制脉冲噪声.此外,由于传统小波阈值法去噪都是基于离散小波变换进行的,所以在幅度较小的Q,S波处会产生Pseudo-Gibbs现象,而文中以改进的小波阈值法为基础对心电信号进行平移不变的去噪处理,有效地克服了这个问题.利用美国麻省理工学院的MIT-BIH心电数据库对以上方法进行验证,取得了良好的去噪效果.实验结果表明,所提出的算法与传统的小波阈值法比起来能够更好的保持心电信号的几何特征,且具有更高的信噪比.     

基于接收信号重构的OFDM系统盲信道估计

对OFDM系统的盲信道估计问题进行了研究,提出基于接收信号重构的子空间算法.该算法利用OFDM循环前缀（CP）重构接收信号,将传输方程中的信道矩阵变换为块Toeplitz高矩阵,然后利用重构接收信号噪声子空间与信号子空间的正交性,获取信道估计特征方程.为消除虚拟子载波对算法的影响,引入等效发射信号的SVD分解.通过将重构前的信号进行虚拟子载波归零处理进一步提升了算法的性能.仿真结果表明,所提算法相比于已有算法具有较高的估计精度和较快的收敛速度.     

心电信号的小波变换消噪方法

人体心电信号微弱,信噪比较低.为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,人们已提出了多种方法来消除这些噪声.小波变换是一种信号的时间尺度(即时间频率)分析方法,具有多分辨率分析的特点。它对信号具有的自适应性,使其成为数字信号处理领域中的一个重要工具.这里提出了一种采用阈值预处理的小波变换消噪方法,该方法可以降低模极大值消噪算法计算的复杂程度,又可保证心电信息特征不被丢失.试验表明,该方法能较好地实现心电信号的消噪.显然,该方法也适合于信噪比较低的生物信号的处理中.     

一种基于奇异值分解的ECG噪声处理算法

介绍了一种在标准12导联心电图中消除噪声信号的正交化方法。使用一种基于奇异值分解(SVD)的算法,将信号分解为两个时正交的子空间即一个包含了ECG信号,另一个则包含了人工噪声,诸如基线漂移(Bw)和肌电信号(EMG),这种方法利用了存在于12导联心电图中的冗余。在完整丢失信道的重建方面该方法也适用。最后,给出了这种方法的在线实现。     

小波变换在路用雷达信号处理中的应用

脉冲探地雷达回波信号是典型的非平稳、非线性信号 ,采样信号中不可避免地带有各种噪声 ,需进行适当处理 .小波变换时频局域性好 ,是分析非平稳信号的有效工具之一 .系统地阐述了小波变换的基本理论 ,并采用Mallat算法、小波包算法对雷达检测路面厚度的实测信号进行分析处理 ,然后进行路面层厚度计算 ,最后将计算结果与实际厚度相比较 .对比结果说明了小波分析应用于路用探地雷达回波信号处理的有效性 .     

基于OFDM的低压电力线通信系统信道噪声特性分析

主要研究了低压电力线信道噪声特性,首先,介绍了电力线通信(PLC),建立了基于低压电力线信道实测特性的OFDM系统的仿真模型,然后,针对不同种类的噪声进行了建模,测量并分析了电力线信道的噪声特性。本文通过测量实验,得出低压电力线信道噪声波形及其特点,通过仿真,得出了低压电力线信道上各种噪声对OFDM系统误码率(BER)性能的影响。     

一种基于形态学预处理的时频检测算法

为克服短波信道中噪声和干扰对跳频检测的不利影响,对其时频分布特征进行分析,提出了一种把时频图作为二维图像进行形态学预处理的时频检测新算法。并采用复合信息熵进行了性能评估和仿真分析。仿真结果表明,在复杂的短波信道环境下,算法能有效抑制噪声和干扰信号,实现对跳频信号的检测。     

激光光束质量测量过程中的CCD噪声影响分析

在激光光束质量的测量过程中,由于CCD的噪声影响以及环境背景噪声的影响,对光斑图像带来一定的影响,从而影响光束质量的测量精度。为此,主要分析了CCD的各种噪声影响,然后提出了针对不同噪声的图像处理算法,实验数据表明该图像处理方法有效地减少噪声对光束质量测量带来的影响,可得到更为真实可靠的激光光斑能量分布,对于后续地评价激光光束质量具有重要的借鉴意义。     

基于小波变换的热辐射测温信号消噪处理

黑体腔透光是影响热辐射测温精度的主要因素之一，反映在测温信号中存在明显的高频噪声和奇异性噪声。通过对黑体辐射功率密度与频率和温度的关系以及实际测温信号的频率特性的分析，利用小波多分辨分解与重构去噪、非线性阈值法去噪和极大值法去噪相结合的方法，消除了因黑体腔透光而引起的高频噪声和奇异性噪声，取得了与通过改进制作工艺来克服黑体腔透光问题一样的效果，从而大大降低了热辐射温度传感器的生产成本。     

基于小波变换的热辐射测温信号消噪处理

黑体腔透光是影响热辐射测温精度的主要因素之一,反映在测温信号中存在明显的高频噪声 和奇异性噪声。通过对黑体辐射功率密度与频率和温度的关系以及实际测温信号的频率特性的分析,利 用小波多分辨分解与重构去噪、非线性阈值法去噪和极大值法去噪相结合的方法,消除了因黑体腔透光 而引起的高频噪声和奇异性噪声,取得了与通过改进制作工艺来克服黑体腔透光问题一样的效果,从而 大大降低了热辐射温度传感器的生产成本。     

基于小波分形理论的工程车辆时域载荷信号降噪方法

分析了工程车辆传动系零部件的时域载荷信号的噪声特点,提出了一种基于小波和分形理论的信号降噪方法。采用小波方法对实测的时域载荷信号进行了三尺度分解,计算了分解后的各层信号的关联维数,依据关联维数的变化规律判断是否存在噪声。以轮式装载机传动法兰的实测载荷信号为例进行了降噪应用研究。结果表明,提出的小波分形联合降噪方法可以根据信号不同频率段内含有的噪声特点进行降噪处理,解决了在小波阈值降噪中如何有效选择阈值的问题。     

基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.     

陀螺飞轮信号的EMD/LPF混合去噪方法

为提高陀螺飞轮系统的标定与辨识精度进而保证姿态测量性能,对其信号去噪方法进行研究以便从复杂噪声中提取标定辨识所需的有用信息.首先基于噪声产生机理对陀螺飞轮信号的噪声特性进行分析.其次,在不影响信号低频特性的前提下,采用传统低通滤波（LPF）方法对信号进行预处理以抑制高频周期噪声.然后应用经验模态分解方法（EMD）对LPF预处理后的信号进行分解,根据信号和各模态分量的概率密度函数的相似性度量,给出一种模态判定准则.在此基础上,结合现有阈值滤波方法,提出一种EMD/LPF混合去噪方案. 结果表明:所提出的基于相似性度量的模态判定准则在不同信噪比条件下均能够实现分界点的准确判定;将所研究的去噪方法分别应用于标准测试信号和陀螺飞轮实测信号;所提出的混合去噪方法相比于现有去噪方法更为有效.     

基于神经网络的小波域超声信号消噪技术研究

为了提高超声无损检测（UNDT）与无损评价（UNDE）基础数据的信噪比（SNR），提出了一种基于神经网络模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理，以及分析传统裂谱分析(SSP)算法局限性的基础上，利用小波变换方法将原始超声检测信号分解到小波空间，并通过径向基函数（RBF）神经网络所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声，得到高信噪比的超声回波信号.实验结果表明，与传统裂谱分析算法相比，该技术提高了消噪性能的稳定性，增强了湮没材料内部各类散射体散射中的缺陷回波信号能力     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.