基于高阶统计量的多模噪声中的信号检测

按照概率密度函数形状,给出了一种比较通用的非高斯噪声模型——多模噪声。多模噪声总体上属于非高斯噪声,但兼容了高斯噪声。改进了高阶统计量的双谱算法,给出一种基于双谱的多模噪声中信号的检测方法,并在此基础上结合无惯性非线性变换器和双谱技术,改进了传统的自适应幅频干扰抑制器,可以精确估计或检测信号。仿真表明该方法可以抑制高斯噪声,同时在强噪声和复杂背景下可以以较高的检测概率检测出信号,优于传统的似然比检测。     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

基于小波包分析的激光雷达信号消噪算法的研究

针对激光雷达回波信号所含噪声的特点,提出并详细论述了一种能够对激光雷达回波信号进行有效消噪的小波包平均阈值变换方法。该方法通过求取最优小波包基的每个结点的阈值,并进行平均后作为全局阈值来实现小波包消噪。为了验证该方法的有效性,对包含高斯白噪声的模拟信号进行了仿真消噪,并对米氏散射激光雷达系统实际探测得到的大气回波信号进行了消噪处理。同时,将该方法与小波全局阈值消噪、小波包默认阈值的消噪效果进行了对比分析。仿真结果和实验结果表明,基于平均阈值的小波包消噪方法能够有效降低激光雷达回波信号中所含噪声,并且其消噪效果明显优于另外两种小波分析方法。     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

复杂体制雷达辐射源信号识别新方法

针对现有方法识别准确率不高和对噪声敏感的问题,应用双谱二维特征复杂度实现了低信噪比下未知复杂体制雷达信号的高准确率识别。对接收到的信号首先提取双谱幅度谱并简化为二维特征,然后求取该二维特征的复杂度特征中的盒维数和信息维数,并将两者作为识别的特征参数,最后基于支持向量机完成识别。由于不同信号的双谱区别大且对高斯噪声不敏感,因此提取的盒维数和信息维数可分性强、稳定度高,仿真验证了方法的优越性,在信噪比为5dB时,识别准确率最低为86%。     

基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于小波包变换的雷达抗噪声调频干扰研究

本文基于小波包分解提出了一种新的雷达信号抗调频噪声干扰的方法,该方法利用小波包的多尺度时频分析及重构,在雷达信号处理中进行抗噪声调频干扰,将含有噪声调频干扰信号的雷达信号在不同的频段上进行小波包分解,然后重构出原始信号,从而达到抗干扰的目的,最后通过仿真分析证明了该方法的有效性。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

小波变换在符号率估计中的应用研究

小波变换具有局部显微特性,对信号的瞬时特性具有较强的捕获能力。文中介绍了Haar小波的基本原理,并从连续小波变换的定义出发,分析了PSK信号的小波域特征,对高斯白噪声中QPSK信号的小波变换进行了仿真实验。仿真结果表明,小波变换能够有效地检测并提取符号的跳变信息。     

小波包和高阶统计量相结合的红外弱小目标检测

针对单帧红外图像中的弱小目标检测问题,提出了一种结合小波包和高阶统计量的新方法。首先,利用小波包变换对图像进行频域上的分解。然后,针对小波包树上的节点,由低到高采用基于四阶累计量的高斯判别准则合并相邻四个全高斯性小波包系数,得到图像的最优划分。接下来,将最低频带上的小波包系数和高斯性小波包系数置零来分别抑制背景杂波和噪声。最后,采用这些新的系数即可重建检测结果。实验结果表明:该方法能够稳健、有效地检测红外弱小目标。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

小波包在车载移动电话语音信号提取中的应用

利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理．提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号．从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

基于Laplace分布的非下采样小波包脉冲星信号消噪

为了提高脉冲星信号的去噪效果,提出了一种基 于非下采样小波包(NWP)分解的局部Laplace模型消噪方法。 首先对真实脉冲星信号进行NWP分解,统计真实脉冲星信号NWP系数的分布特性, 建立真实脉冲星信号小波包系数的Laplace分布模型;然后在Laplace先验概率分布的基础 上,根据最大后 验概率(MAP)估计准则,利用含噪脉冲星信号的小波包系数对真实脉冲星信号的小波包系数 进行有效估算;最后 对估算出的小波包系数进行NWP重构,得到消噪后的脉冲星信号。采用不同 的脉冲星信号进行实 验分析的结果表明,与经典的基于高斯分布的非下采样小波(NSW)消噪和NWP消噪相比,本文 方法可以 更有效地去除噪声,同时更好地保留信号中的微脉冲等细节信息,在信噪比(SNR)、均方根误差(RMSE)、相关系数(CC)和峰值相对误差(REPV)等都 有较好的改善。     

基于小波包变换实时检测回转电机振动信号

小波包变换不仅能检测非平稳信号的整次谐波,还能检测信号的非整次谐波,而且小波变换本身对信号的奇异点十分敏感,因此可以用来跟踪牙轮钻机振动信号。简述了小波包变换的原理,并基于Matlab实现了对牙轮钻机振动信号的处理。该处理具有信噪分离、测量牙轮钻机振动功率谱、牙轮钻机振动信号的时域-频域变化规律、牙轮钻机振动速度信号三维图、伴有噪声的原始振动波形和噪声波等测量功能。实测某矿山YZ-35C牙轮钻机的振动速度信号,实测效果优于P3562A动态信号分析仪的测量结果,结果表明该方法是可行的和有效的。     

基于小波包-FHN模型的UWB信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。      

基于小波分析的脉冲信号波形检测方法

通过对多种小波函数的分析、比较,提出了一种基于小波分析的脉冲信号时域波形检测方法,该方法利用小波变换模的极大值特性,较好地实现了对脉冲成形信号波形参数的检测。理论分析和仿真研究结果表明,该方法对高斯噪声信道具有较强的适应能力,并且算法简单、运算量小、信号参数检测精度高,具有较好的工程应用前景。     

复小波包域复数高斯尺度混合模型图像降噪

提出一种基于四树复小波包变换(QCWPT)复数高斯尺度混合(CGSM)模型的图像去噪新方法。含噪图像经多尺度QCWPT被分解成一个低频复数逼近子图和若干高频复数方向细节子图。在大尺度下,可认为低频逼近子图为信号复系数予以保留;对各尺度复数方向子图按照对数熵代价函数确定最优复小波包基。把能很好刻画小波系数边缘分布形状和局部邻域强相关性的高斯尺度混合(GSM)模型扩展到复小波域,新的CGSM模型具有很好刻画图像幅值和相位信息的能力,并利用该模型对复系数进行贝叶斯最小均方(BLS)估计,从而实现去噪目的。实验结果表明,无论是峰值信噪比(PSNR)指标还是视觉效果,本文方法的去噪性能均好于双树复小波变换(DCWT)、QCWPT和小波域GSM模型去噪,并且在有效去噪的同时,具有很好的图像边缘和细节保护能力。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。