基于改进协同量子粒子群的小波去噪分析研究

小波阈值函数中,因信号之间的不连续性及小波估计系数与原信号的小波系数存在误差等原因,图像无法得到最优还原.为此提出一种基于改进协同量子粒子群算法优化小波函数的去噪方法.该方法在协同量子粒子群优化(CQPSO)算法的基础上引入了自适应收缩扩张因子,用改进的协同量子粒子群算法优化小波阈值函数中的调节因子和阈值.仿真图像和数...     

基于改进小波阈值的时差频差联合估计

针对低轨卫星信号分布式中时差和多普勒频差联合估计的问题,提出一种基于改进小波阈值的时差频差联合估计算法。该方法在利用二阶互模糊函数进行时差和多普勒频差联合估计的基础上,引入小波变换,选择合适的阈值函数和自适应阈值,从而对两路接收信号进行去噪,提高联合估计的性能。仿真结果表明,在低信噪比环境下,基于改进小波阈值的时差频差联合估计法抑制了噪声的影响,提高了联合估计的精度。     

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。     

一种基于高斯分布模型的语音增强方法

对背景噪声的估计,关键是使算法能跟得上噪声变化,以及时更新噪声的估计值。为了增强对非平稳噪声的跟踪估计能力,在Imrca算法的基础上,提出了基于前向和后向最小值搜索相结合的改进算法。验证实验内容包括：用改进算法、原Imrca算法,基本谱减法对含同种噪声不同信噪比的含噪语音处理后,恢复出来的语音的对比;以及在低输入信噪比情况下,对加入babble噪声的含噪语音经改进算法、原Imrca算法、基本谱减法处理后,所得到的平均分段信噪比的对比。实验结果表明,该改进算法对含噪语音的处理效果要优于原算法,对含有非平稳的噪声的含噪语音,取得了较好的增强效果。     

基于动态噪底跟踪的宽带接收机信号检测

对不平坦噪声基底的准确估计是宽带接收机信号检测的关键,传统的宽带检测多采用基于迭代形态学运算的静态噪底估计方法,不同时刻的估计结果之间互不相关,存在分辨率低、迭代耗时和时间连续性差等问题。针对上述问题,提出了一种动态噪底跟踪方法。首先建立带内各频点噪声基底的时变模型,然后将其作为系统状态引入卡尔曼滤波框架进行时间维度的噪底连续估计,同时结合频率维度的高斯平滑,实现了时间-频率两个维度的噪底跟踪。通过实采宽带信号验证,所提算法相较传统方法在噪底估计分辨率、连续性、计算效率等方面均有明显提升。     

基于功率谱FFT的BPSK信号参数估计

针对低信噪比环境下二相编码(BPSK)信号参数估计的问题,该文提出一种基于功率谱 FFT 的信号参数估计算法.该算法根据信号功率谱傅里叶变换得到的幅度谱和相位谱与各参数之间的关系,实现 BPSK 信号的码元宽度、载频和码长估计.该算法对功率谱继续做傅里叶变换可以进一步消除噪声对估值的影响,更适合在低信噪比环境下实现参数的估计,且计算简单易于实现.仿真试验证明了该算法的准确性和抗噪性,在信噪比为-10 dB时BPSK信号的载频和码元宽度估计正确率分别比循环谱算法提高了9.9%和190.9%.     

基于相位影响的单声道语音增强幅度谱相减改进算法

结合经典语音谱相减算法的基本理论,针对在恢复时域信号过程中利用带噪语音相位来代替纯净语音相位而使消噪效果变差的缺点,基于带噪语音功率谱、噪声谱和纯净语音功率谱三者相位几何关系,提出一种直接使用纯净语音相位来恢复信号的改进算法.经过仿真实验,通过对时域波形图以及信噪比的比较,结果表明提出的算法比经典的谱相减算法均有一定的提升.     

小波软硬阈值去噪算法的研究及改进

小波软、硬阈值去噪法及软硬阈值折中法是根据信号与噪声的小波系数特点进行信噪分离的,关键在于对小波系数的处理.但是,噪声的方差越大,信噪分离越困难.提出的改进方法是利用均值逼近的软硬阈值折中法.试验表明这种改进的方法提高了重构信号的信噪比,能够达到较好的去噪效果.     

利用奇异谱分析的深度神经网络语音增强方法

针对现有深度神经网络语音增强方法对带噪语音的去噪能力有限、语音质量提升不高的问题，提出了一种基于奇异谱分析的深度神经网络语音增强方法。通过引入奇异谱分析算法对带噪语音进行预处理，以初步分离得到语音信号与噪声。接着将语音信号与噪声用于深度神经网络模型得训练，以得到性能更优的网络模型，从而使得本文方法具有更好的性能。最后在重建干净语音的环节中，同时使用神经网络估计得到的对数功率谱和带噪语音的对数功率谱，并加入了权重系数，使得本文提出的方法可以适应不同信噪比的情形，有效的去除背景噪声，降低语音信号的失真。本文通过仿真实验验证了该方法的有效性和鲁棒性。      

CCD图像条带噪声消除方法

条带噪声是线阵CCD成像过程中最常见的系统噪声,其存在掩盖了图像的有用信息,给图像判读造成了不利影响。利用小波变换对信号奇异点检测的优越性,检测出条带噪声在小波系数中的周期性分布规律。依据小波去噪三步法,对存在条带噪声的低频和高频小波系数分别进行阈值处理。处理后图像目视效果良好,功率谱基本保留了原图像功率谱的变化趋势,表明在有效去除条带噪声的同时,较好地保留了图像中的有用信息。     

应用形态学的自适应门限干扰检测算法

该文针对通信信号中背景噪声复杂的问题,应用数字形态学的信号预处理方法,能较好地滤除背景噪声;又由于单一门限值难以实现对不同宽度干扰的检测,提出一种应用形态学自适应门限的干扰检测算法。此算法首先对信号谱线进行功率谱估计,然后利用形态学的方法进行预处理,再根据信号功率谱的分布情况,选取不同的门限值,实现门限的自适应,为检测不同占有用信号带宽大小的窄带干扰提供了有效的方法。该文提出的方法不会受噪底变化的影响,计算量小,复杂度较低,适用于星上卫星通信的实时频谱监测。经过Matlab仿真实验得出,当采用结构元素长度为25的扁平型结构元素时,通过形态学中的膨胀预处理方法以及自适应门限可以得到检测效果比传统的连续均值去除算法(CME)算法有6dB以上的提升。      

Adaptive Spectrum Sensing Algorithm in Cognitive Ultra-wideband Systems

Energy detection is a simple spectrum sensing technique that compares the energy in the received signal with a threshold to determine whether a primary user signal is present or not. Setting the threshold is very important to the performance of the spectrum sensing. This paper proposes an adaptive spectrum sensing algorithm where an optimal decision threshold of energy detection is derived based on minimizing the weighted sum of probabilities of detection and false alarm. Since the optimal decision threshold is dependent on the noise power and signal power, a simple, practical frequency domain approach is devised to estimate both. The algorithm can be used for the detection of various kinds of signals without any prior knowledge of the signal, channel or noise power, and is able to adapt to noise fluctuation. Simulations for detecting narrow-band and wideband signals (phase shift keying signal, frequency shift keying signal, orthogonal frequency division multiplexing signal) and ultra-wideband (UWB) signals (direct sequence spread spectrum signals) in an IEEE 802.15.3a UWB band are presented. The results show that the proposed algorithm has excellent robustness to noise uncertainty and outperforms the existing spectrum sensing algorithms in the literature.     

自适应阈值函数小波算法的电机振动信号去噪

通常采集的电机振动信号中都含有噪声成分,一般采用小波阈值去噪处理可以达到理想的效果,但是传统软、硬阈值函数存在恒定偏差或不连续等缺点,不能很好的保留有用信息。针对这一问题,文中提出了随分解层数自适应且具有调整参数的阈值函数。改进的小波阈值函数连续、可微且具有渐进性,通过遗传算法做调整参数寻优,在保留大部分原始信号的基础上进行去噪,使得新的小波去噪算法在保留有用信息与去除噪声之间有较好的平衡性。实验中将该方法应用于所采集的电机振动信号,结果显示,该方法具有更高的信噪比与较低的均方根误差,能够更好的滤除噪声,保留原信号的有用信息。     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。     

基于小波去噪的激光多普勒振动信号处理

为了降低激光多普勒振动信号中噪声产生的影响,采用基于改进小波去噪算法的激光多普勒振动信号处理方法,将尺度引入阈值函数,确立新的评价指标用于选择最优分解层数,从而来改进小波阈值去噪算法,并利用改进的算法处理振动信号, 进行了仿真分析和实验验证,取得了处理前后的振动数据。结果表明, 改进算法处理仿真信号的信噪比比原有算法提升19.4%;实验测得音叉振动频率为515Hz,与实际音叉频率基本吻合。这一结果对降低激光多普勒振动信号中噪声的影响、获取振动状态是有帮助的。     

多尺度形态学滤波下的宽带信号检测方法

由于阻抗失配和器件非线性等原因,宽带侦察接收机捕获信号的噪声基底并不平整,易引起弱信号漏检,因此需要对噪声基底进行估计。在噪声基底变化较快时,以往基于形态学滤波的噪声基底估计算法存在基底估计精度和大带宽信号漏检的矛盾。本文提出多尺度的形态学滤波,通过检测不同滤波尺度下噪声基底估值的变换,实现不同频点使用不同尺度的结构元素,在快变噪声基底频谱中提高了噪声基底估计的精度。通过实验仿真验证,该算法能够有效的估计噪声基底,使修正后的频谱能够更好的检测信号。      

一种有效的宽带数字侦察接收机信号检测方法

针对宽带数字式搜索接收机信号处理中的高分辨率谱估计和弱信号漏检问题,提出一种有效的处理方法。首先采用数字信道化接收机进行均匀窄带划分,并对各窄带信号进行FFT运算后拼接出整个接收带宽内的频谱,然后采用形态学滤波方法估计起伏的噪声基底并修正,最后根据修正频谱的噪声谱线的分布特征估计出自适应检测门限,并与修正频谱比较完成宽带接收信号的检测。理论分析和仿真试验验证了方法的有效性。      

一种基于循环谱的突发信号盲检测算法

突发信号盲检测在非合作通信中至关重要。待检测信号特征量的构造与突发信号段起止点的精确捕获是突发信号盲检测技术的关键。文中提出了一种基于循环谱的突发信号盲检测算法,算法首先以循环谱循环频率截面的相对方差作为待检测信号的特征量,该特征量具有优良的抑制突发强噪声干扰性能;然后利用特征量的方差进行信号存在性判决;最后采用基于特征量峰值的突发信号段起止点搜索算法,避免了设置检测门限带来的信噪比估计、噪声功率估计等问题,同时可在一定的检测正确率条件下保证起止点的捕获精度。仿真结果表明,该算法能有效抑制突发强噪声干扰,信号存在性判决准确率高,而且在误差控制要求较严格条件下的检测精度优于双窗能量法。      

基于多尺度功率谱子带梯度的宽带频谱感知算法与性能分析

为了应对复杂环境下非合作通信、电磁频谱监管等宽带接收中存在的先验信息缺失、信道失真严重以及频域呈现不平坦色噪声的挑战,提出一种基于多尺度功率谱子带梯度的宽带频谱感知算法,该算法不要任何的先验信息,对功率谱进行分段计算梯度,再进行自适应双阈值检测,通过多尺度的技巧提高了宽带频谱感知的稳定性。对该算法在不同信道模型下的统计特性、虚警概率、检测概率以及判决门限的表达式进行了理论推导。理论分析和实验仿真表明,算法适用于高斯噪声信道和平坦衰落信道,能够有效克服色噪声,并且能够实现用户频带范围定位,运算复杂度低、实时性强,对噪声不确定度具有稳健性,能够用于低信噪比场合。     

傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。