一种新的EMD去噪方法

信号的经验模态分解方法（EMD）可以理解为以信号极值特征尺度为度量的时空滤波过程。此过程充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势。文中分析了EMD去噪技术的基本原理,通过研究几种利用EMD去除非平稳信号噪声的技术,提出了一种新方法。仿真结果表明新的EMD去噪法在去除噪声,提高信噪比方面具有极大的优越性。     

一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

基于EEMD算法在信号去噪中的应用

为了抑制经验模态分解中出现的端点效应和模态混叠现象,利用白噪声辅助数据分析方法——集合经验模态分解构造一个自适应滤波器组,对原信号进行各级滤波,最终得到纯净的信号.然后与小波阈值去噪方法进行比较,通过仿真可以看出,集合经验模态分解构造的滤波器组滤波效果比较理想.     

一种基于子波变换的水声被动信号去噪方法

根据水声被动信号的特点,采用二进子波变换理论,对水声被动信号进行多尺度分解,在子波变换的时频域对各分量进行分时分频相关分析和加权处理,然后通过子波反变换算恢复出目标信号的时域分布。最后经舰船辐射噪声信号的去噪实验验证,表明该方法对水声被动信号的去噪具有良好的效果。     

频率编码信号去噪的一种新方法

对频率编码信号直接进行小波去噪难以达到提高信噪比的目的,为了有效提高频率编码信号的信噪比,提出一种新的去噪方法。对接收到的频率编码信号,首先进行奇异点的检测,根据奇异点的位置将频率编码信号划分为不同的单载频信号,然后利用小波去噪方法对单载频信号进行逐个处理,最后将去噪后的多个单载频信号按编码规律进行组合,进而达到有效去噪的目的。仿真验证了新方法有效可行。     

基于集合经验模态的微弱激光脉冲信号自动去噪方法

由于微弱激光脉冲信号中存在噪声,需对其进行去噪处理,为此,提出基于集合经验模态的微弱激光脉冲信号自动去噪方法。首先建立微弱激光脉冲信号模型,模拟信号回波;其次采用集合经验模态分解方法分解微弱激光脉冲信号,并计算模态分量的排序熵,根据计算结果消除虚假分量;再采用基于峰度检测的加窗方法获取噪声与有效信号的分界点,确定噪声区域;最后引入小波滤波器在噪声区域内对微弱激光脉冲信号自动去噪。实验结果表明,所提方法的噪声检测精度高、去噪效果好、去噪效率高。     

基于子波变换局部极大值的信号去噪新算法

本文出了一种相尺度间信号子波变换极大值点相似系数的定义，它定量地描述了相邻尺度间子波变换极大点的相似性。在上核实 定主的基础上，提出了波变换域信号去噪的新算法。     

一种混沌信号去噪方法的研究

以Takens嵌入定理和影子定理为理论依据，提出一种能对混沌信号去噪的局部投影方法。该方法不需潜在动力学系统的先验知识，符合工程实用的要求。通过实验结果表明这种方法对混沌信号去噪很有效。     

基于 EMD 方差特性的混沌信号自适应去噪算法

本文利用经验模态分解算法（EMD ）,研究了不同状态下混沌信号的方差特性,提出了一种EMD分解层数自适应的去噪算法．该算法根据固有模态函数（IMF）方差最大值对应层数与总分解层数的关系,能够自适应选择需处理的IMF层数,并结合提升小波在更新和预测方面的优势综合去噪,分别以Lorenz、Chen系统（加入10％－100％的高斯白噪声）和实测的IPIX雷达数据作为混沌背景噪声进行了实验研究．结果表明：在不同程度的低噪声（≤30％）环境下,与传统小波阈值去噪等方法相比,其均方误差降低了30％以上,信噪比提高了1．5 db－3．5 db ,并能有效地去除海杂波噪声,提高混沌背景下的微弱信号检测效果．     

总体经验模态细分法提取血流超声多普勒信号的研究

提出基于总体经验模态分解（EEMD）血流细分法提高血流超声多普勒信号提取精度.首先估计辅助分析所需的白噪声幅度,进而用EEMD得到无模态混叠的本征模态函数（IMF）组,最后分离出血流信号的IMF.将本方法应用于计算机仿真和人体实测超声多普勒信号,并与高通滤波器法、原EMD法和EMD细分法比较.结果表明本文方法,提取的血流信号精度最高,特别对WBSR=70dB的混合信号,其精度比上述方法分别提高35%、38%及17%.     

一种存在相干信号时的稳健的最优波束形成算法

提出了一种新的存在相干信号时的最优波束形成算法。该方法首先利用二阶统计量信息估计合成方向矩阵,然后给出了一种根据期望信号的波迭方向寻找与之对应的合成方向矢量的方法．再据此估计最优权矢量。该方法与现有的同类算法相比计算量更小、鲁棒性更强。计算机仿真证明了算法的性能。     

强信号覆盖下弱信号检测算法性能分析

强信号覆盖下,弱信号存在性问题一直是频谱监视、威胁评估、干扰检测领域的重要研究内容。为了有针对性地改进基于峰度特性的弱信号检测算法,提高弱信号检测性能。通过定量分析强信号信噪比、强弱信号功率比、定时偏差对检测算法性能的影响,优化影响算法性能的关键参数实现途径,给出一种既能有效抑制虚警又能提高弱信号检测概率的修正算法。计算机仿真结果验证了分析结论的正确性及修正算法的有效性。     

一种基于连续小波阈值的图像去噪新算法

基于图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。对比传统的硬阈值、软阈值去噪算法,介绍了新阈值函数的原理,推导了算法公式。该阈值函数连续、可导。实验结果表明,利用新阈值函数进行图像去噪,能够有效地抑制图像噪声及马赛克效应。     

基于特征值分析的通信信号快速盲检测方法

 对中频通信信号的协方差矩阵进行特征值分解,根据特征值在信号子空间和噪声子空间的分布差异,提出了基于特征值分析的快速盲检测方法.推导了信噪比与检测量之间的关系,进而对检测性能进行了理论分析,并分析了算法的计算复杂度.对MPSK、MQAM、MFSK等常用通信信号的仿真实验表明,在虚警概率小于1%、信噪比为-10dB时,盲检测概率均可达到90%以上.     

一种快速的宽带相干源DOA估计算法

在现有的投影子空间正交性测试(TOPS)基础上,提出了一种解决宽带相干信源的快速空间谱估计的新方法。该方法通过将窄带快速子空间算法和能量门限算法相结合运用到频域子空间正交性测试算法中,对每个过门限的窄带信号运用窄带快速子空间算法,将共轭重构运用到TOFS算法对宽带相干信号进行目标达到方向(DOA)估计。该算法不需要角度和参考频率的预估计,且去相关处理简单易实现,运算量降低,是一种快速的宽带相干源DOA估计算法。通过计算机仿真结果,验证了该算法在信噪比6 dB以上有较小的均方根误差及较高的分辨概率。     

基于A*OMP算法及其改进算法的宽带雷达信号稀疏分解

传统稀疏分解算法正交匹配追踪(OMP)算法里采用内积最大值来寻找最优原子,该方法容易陷入局部最优,为了弥补这一缺点,采用了新的算法:A*OMP算法,该算法使用A*搜索(即最佳优先搜索技术)寻找最优原子,该搜索方式寻找的最优原子具有全局最优性。实验表明相比传统OMP算法而言,该算法有效地提高了信号的重构精度。     

短波环境下跳频信号检测

短波电磁环境复杂,定频信号、扫频信号、突发信号等大量干扰信号存在,使得跳频信号的检测存在困难,首先利用短时傅里叶变换将信号变换到二维时频平面上,用功率谱对消的方法来清除大部分定频、扫频等信号;其次根据跳频信号不同于定频信号的特性,提出了一种单元平均选小的恒虚警概率准则(CASO-CFAR),将其扩展到二维并应用到时频平面;最后利用形态学图像处理方法中的开和闭运算及中值滤波器对判决后的二值图像进行处理,进一步解决了判决后残留的星点噪声和信号空洞问题。实验表明,该方法能够抑制定频干扰,凸现跳频信号,为跳频信号的分选、解调等后续工作提供了良好的基础。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

Multidimensional Nonlinear Schur Parametrization of NonGaussian Stochastic Signals,Part Two: Generalized Schur Algorithm

In the first part [1] of this paper we stated the multidimensional nonlinear Schur parametrization problem for higher-order (and non-Gaussian) stochastic sequences as a generalization of the linear prediction/innovations filter problem for second-order stochastic sequences. The subject of this paper is a multidimensional nonlinear generalization of the linear Schur parametrization procedure for second-order stochastic sequences. We state and solve the problem geometrically, in the space of generalized (multi-indexed) matrices. We derive multidimensional nonlinear Levinson and Schur recursions, resulting in a complete parametrization schema for higher-order nonstationary stochastic sequences and show its connection to solution the non-linear orthogonal approximate filter problem of the Volterra–Wiener class. In the third part [2] we propose a low-complexity nonlinear Schur parametrization procedure, following from a multidimensional nonlinear generalization of the staircase matrix extension problem.