基于小波阈值去噪和共轭模糊函数的时频差联合估计算法

为了解决二阶互模糊函数对相关噪声处理的局限性问题,以及基于四阶累积量的联合估计算法的运算量大的问题,该文利用小波阈值去噪方法结合非圆信号的特性,提出一种新的时频差联合估计算法。该方法首先对接收信号进行小波阈值去噪,然后构造共轭模糊函数,最后再进行2维搜索,得到时差和频差参数。仿真实验给出不同信噪比下的参数估计结果,得出这种算法能抑制相关噪声,又能相对降低运算复杂度,并且在较低信噪比下也能做出准确估计。     

基于互模糊函数的快速时差频差联合估计

针对无源定位中的时差频差联合估计问题,利用内积公式推导出了基于互模糊函数的时差频差联合估计公式,并提出了相应的快速实现算法。其中通过适当变换互模糊函数计算公式,将传统的二维时差频差搜索算法变为对信号内积进行快速傅里叶变换,然后对变换后的数据进行二维搜索,大大提高了时差频差联合估计的速度,降低了运算量。通过重构离散傅里叶变换项,并进行近似,进一步降低了运算量。仿真结果说明,两种算法都能得出准确的结果,改进的算法计算时间更少。     

CDMA信号时差频差联合估计算法研究

针对CDMA信号时域频域同时重叠的特征,分析了不同用户的时差分布对互模糊函数计算的影响,总结了直接互模糊相关法的不足之处。在此基础上,提出了一种解扩后互模糊相关算法,并将其与直接互模糊相关算法进行性能比较,推导了解扩后互模糊相关对信噪比的改善值。仿真结果验证了解扩后互模糊相关算法具有抑制其他用户干扰和改善输出信噪比的优点。     

基于改进阈值函数的小波域去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,此函数不仅易计算,且具有优越的数学特性和清晰的物理意义。试验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。     

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

基于累积量的时差频差联合估计算法

介绍了无源定位中二阶累积量和高阶累积量的时差频差联合估计（TDOA/FDOA）算法,分析了噪声相关性对二阶累积量和四阶累积量的时差频差联合估计算法的影响。仿真结果表明,这一方法是切实可行的。     

基于SURE无偏估计的自适应小波阈值去噪

本文在D.L.Dohono提出的小波阈值去噪的基础上,提出了一种新的阈值函数,与原来的分段阈值函数相比,此函数具有明显优点,表达式简单易于计算,连续可微,易于求导.此函数的这些优点为实现信号的自适应去噪提供了可能.本文应用此阈值函数,基于SURE无偏估计,给出了一种自适应去噪方法.并用受污染的blocks、bumps、heavy sine、doppler等典型信号做实验,实验结果显示此方法能在最小均方误差(MSE)意义上收敛,而且其最小均方误差优于其他文献中的阈值去噪的方法.     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

时差频差联合估计算法研究

研究了基于双传感器观测数据的二阶统计量和高阶统计量的复模糊函数到达时差／频差(TDOA／FDOA)同时估计算法 CAF-SOS、CAF-HOS。研究发现,CAF-SOS 在通常情况下估计精度较高,但不能对付色噪声,即对传感器噪声间的相关性比较敏感。而 CAF-HOS 则可以对付服从高斯分布的色噪声,但付出的代价是数据收敛性能慢,计算负担较大。为了解决计算效率问题,进一步研究了一种基于二阶统计量的二维处理方法(SD-MOM),将搜索范围由平面降为2条直线,因而总体计算成本得到明显改善。但该方法的缺点是不能处理色噪声,为此提出了一种基于累积量运算的分维估计方法(SD-CUM)。     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于改进小波阈值算法的信号去噪

为了有效消除信号中的噪声,提出一种改进小波阈值算法的信号去噪方法。首先分析软阈值和硬阈值小波方法的优缺点,构造了一种任意阶可导的新阈值函数,然后通过调节参数的值来更好的获得阈值估计,最后在Matlab 2012平台对其去噪性能进行仿真测试。结果表明,相通于其它信号去噪方法,本文方法提高了信号的信噪比,降低了均方误差,达到了更好的消噪效果,具有更高的实际应用价值。     

基于改进遗传算法的小波阈值语音去噪

针对语音信号在传输和处理的过程中经常会受到不同程度噪声干扰的问题,在传统小波阈值去噪方法的基础上提出了一种改进型去噪方法。该方法采用遗传算法对小波阈值参数进行自动寻优,并对传统遗传算法加以改进,克服了其容易陷入局部最优的缺点,实现了阈值的自适应选取,解决了人为选择阈值导致去噪效果不明显的问题。实验表明,改进方法能够较好的去除语音信号中的噪声干扰,信噪比较高,相比于通用阈值法提高了15%。     

基于小波阈值去噪的UFMC信道估计算法

通用滤波多载波(Universal Filtered Multi-Carrier,UFMC)技术是一种新型多载波技术,是5G备选波形技术之一.对UFMC系统进行了介绍,再针对该系统的信道估计问题,提出一种基于小波阈值去噪的最小二乘(Least Square,LS)信道估计算法.首先利用LS算法获得导频处的信道响应,再用...     

一种改进的小波阈值去噪算法

为了有效滤除信号中的噪声,在提出的软、硬阈值函数去噪方法的基础上,结合已有的改进小波阈值去噪算法,新构造一种小波阈值函数。文中新构造的阈值函数结合软、硬阈值函数的优点,有较好的降噪效果和灵活性。通过Matlab仿真对比几种算法的信噪比(SNR)和均方误差(MSE)去噪指标,结果表明,新构造阈值函数的去噪指标优于传统阈值函数,具有一定的实用价值。     

GIS局部放电小波阈值去噪算法的改进

为了抑制GIS局部放电现场检测中的噪声干扰,本文在现有的小波阈值去噪的基础之上,提出了一种基于新的阈值函数的去噪算法。该去噪算法与传统的基于硬阈值或软阈值小波去噪算法相比,具有表达式简单,易于计算的优点,同时通过仿真试验表明该算法提高了信号的信噪比,具有较好的去噪性能。     

基于改进的小波阈值去噪算法的研究

传统的小波阈值函数的去噪方法简单有效,若用在车载下的语音去噪,由于其去噪后的信号存在边缘模糊、高频信息丢失等缺陷,难以得到较好的去噪效果.为提高车载环境下的语音系统的去噪效果,首先对已有小波阈值去噪算法进行分析,针对其不足,提出改进小波阈值函数的去噪方法.其次,通过Matlab软件对不同小波及分解层数进行仿真,选取最优的小波和层数.最后,由软件仿真实验数据比较得出,在相同噪声影响下,该方法比已有方法输出的效果要好.     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

基于阈值函数的小波去噪的研究

文章主要研究了毫米波汽车防撞雷达中频信号的去噪问题。主要研究内容包括小波变换的基本理论和基于阈值的小波去噪等方面。通过MATLAB仿真来分析不同小波基、不同分解层数及不同阈值下的硬软阈值的去噪性能。     

基于改进小波阈值法处理MEMS陀螺信号噪声

小波具有多分辨率分析特性,利用小波阈值去噪可以有效地处理MEMS陀螺信号的噪声.针对常用阈值小波去噪方法的不足,提出了一种改进的小波阈值方法.详细介绍了该方法的原理与实现过程,并将其应用到MEMS陀螺信号处理过程中.使用db4小波,应用不同的阈值函数对MEMS陀螺信号进行4尺度分解.仿真实验分析比较表明,改进的小波阈值方法可以有效地剔除信号中的噪声,抑制了MEMS陀螺仪的随机漂移;与现有的阈值方法相比,信噪比提高了18.3%.     

基于改进阈值函数的小波包语音增强算法的研究

基于小波分析的阈值语音信号去噪技术是语音信号处理的一个重要热点技术,由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够衰减一部分语音信号中的噪声,但这些算法会不可避免地造成有用语音信号的损失。小波包可以同时对语音的低频和高频部分进行分解,能更好保留语音信息,减少噪声对语音的影响;同时,文中提出一种新的阈值函数,它对噪声清除得更加干净。仿真结果显示,该阈值函数较软、硬阈值函数具有明显的优越性。