共查询到20条相似文献,搜索用时 78 毫秒
1.
一种新的EMD去噪方法 总被引:8,自引:0,他引:8
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。 相似文献
2.
3.
基于EEMD算法在信号去噪中的应用 总被引:3,自引:0,他引:3
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. 相似文献
4.
5.
6.
7.
8.
基于子波变换局部极大值的信号去噪新算法 总被引:7,自引:0,他引:7
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。 相似文献
9.
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。 相似文献
10.
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. 相似文献
11.
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%. 相似文献
12.
13.
14.
一种基于连续小波阈值的图像去噪新算法 总被引:1,自引:1,他引:1
朱锡芳 《微电子学与计算机》2007,24(11):181-182,185
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。 相似文献
15.
16.
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。 相似文献
17.
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。 相似文献
18.
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。 相似文献
19.
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. 相似文献
20.
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. 相似文献