任意均值复杂噪声下三次非线性耦合谐波分析

针对零均值乘性噪声和加性噪声共存,并且乘性噪声之间独立、乘性噪声和加性噪声之间也独立的噪声背景下谐波的三次非线性耦合问题,提出了一种特殊定义的四阶时间平均多矩谱方法.此方法能够有效地估计出观测信号中参与耦合的谐波频率,文中给出了详细的理论分析和证明.由于该方法也同样适合于非零均值噪声下的谐波耦合问题,因此不再需要对噪声的均值、颜色和分布作任何限制,从而对噪声的统计特性及分布的限制降到了最低,仿真结果表明了该方法的有效性.     

基于稀疏分解的复杂噪声背景中谐波恢复方法

复杂噪声背景中经典的谐波恢复方法存在分辨率不高或噪声分布的假设很强的局限性.针对上述问题,提出引入稀疏分解的思想,采用了一种新的正交匹配追踪的谐波恢复方法.应用余弦原子模型,并依据循环统计量初估计结果生成过完备原子库.根据乘性噪声均值是否为零分别提出了相应的算法.在较低的噪声假设条件下,仅根据噪声之间的相关性得到了分辨率较高的方法.仿真结果说明新方法的有效性.     

基于小波的红外图像去噪算法研究

研究红外图像优化预处理问题,针对红外图像噪声分布的特点,提出一种新的去噪算法.对红外图像进行两次小波分解与重构,对分解后小波系数采用不同的阈值策略,分别消除加性噪声和乘性噪声.由于乘性噪声与红外图像相关,利用红外图像与乘性噪声在统计上独立的特点,在进行第二次小波分解之前先对含有乘性噪声的红外图像进行对数运算,这样才能消除乘性噪声.仿真结果表明,无论是视觉效果,还是客观评价指标,采用上述算法均优于传统去噪算法.并可广泛应用于红外成像领域.     

最小二乘估计的水下图像恢复算法

为了解决由噪声以及散射所引起的水下图像退化问题,提出一种基于最小二乘估计的水下图像恢复算法.首先通过比尔-朗伯定律构建水下图像退化模型,并基于同态子块的局部统计特性分析方法对于加性高斯白噪声的方差进行估计;然后推导出一种基于最小二乘估计的图像滤波方法用于重建原始图像,通过Gamma校正对由Retinex模型分解出的光照层分量进行拉伸,从而得到增强后的水下图像.从视觉感知和客观评价2个方面对算法进行了验证,实验结果表明,该算法能够有效地抑制由噪声以及散射所引起的图像雾化效果,图像恢复后水下图像的色彩、对比度、细节以及清晰度都得到明显改善.     

零均值独立噪声背景下的二维谐波估计方法

关于信号频谱特性研究,为了提高有用信号的平稳性和精确的结果,通过定义一种特殊的四阶矩谱,提出了一种新的二维谐波频率估计方法,方法对噪声的分布和颜色无需作任何限制,而且表现出更好的计算有效性.作为一个副产品,还可以直接从频谱中估计出噪声的方差.进行仿真,结果表明能得到平稳和精确的结果,证明方法对零均值独立乘性与加性噪声背景下的二维谐波估计问题是非常有效的.     

基于双树复小波变换的相位保持SAR图像降噪

为更有效地抑制噪声,提出了一种基于非正交复值log-Gabor小波变换的SAR图像斑点噪声消除算法。该算法通过相位保持消噪的门限操作确保相位信息不受破坏。由于用单一的乘性模型或加性模型消除SAR图像的斑点噪声都不能取得很好的效果,为此使用具有平移不变性及更多方向选择性的双树复小波变换图像融合算法,通过选择适当的融合规则,使乘性和加性噪声模型优势互补,就能有效抑制斑点噪声。实验结果显示,这种消噪方法与其他方法相比,有明显优势。     

色噪声激励下三势阱系统逻辑随机共振研究

本文利用基于Simulink的数值模拟方法研究了高斯色噪声激励下三势阱系统的逻辑随机共振现象.首先对于独立的加性和乘性高斯色噪声激励下的三势阱系统,发现仅有加性噪声作用不能实现可靠的逻辑操作,但加性噪声和乘性噪声共同作用可诱导良好的逻辑随机共振现象.和高斯白噪声相比较,高斯色噪声激励下能产生可靠逻辑随机共振的（D,Q）平面上的区域范围更大.进一步讨论了加性和乘性噪声之间的关联对于逻辑随机共振现象的影响,发现噪声关联对逻辑随机共振现象起着破坏性的作用.     

OFDM系统中利用整体最小二乘法的信道估计

基于导频的最小二乘(LS)估计方法的优点是结构简单、容易实现,但对噪声和干扰敏感.为了抑制噪声和干扰,引入了整体最小二乘法(TLS)进行信道估计,并给出了整体最小二乘法的公式.该方法同时考虑了信道噪声和信道时变特性.理论分析和仿真结果表明,该算法能有效消除噪声和干扰,较好地恢复传输信号.     

基于复小波噪声方差显著修正的SAR图像去噪

提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像斑点噪声滤波方法。该方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,然后对变换后的图像进行双树复小波变换(Dualtree Complex Wavelet Transform,DCWT),并对复数小波系数的统计分布进行建模。在此先验分布的基础上,通过运用贝叶斯估计方法从含噪系数中恢复原始系数,达到滤除噪声的目的。实验结果表明该方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪效果。     

乘性噪声下的弱GPS信号捕获

乘性噪声对弱GPS信号的检测与捕获具有重要影响。在分析乘性噪声的循环平稳特性的基础上,提出一种在乘性噪声条件下的弱GPS信号检测方法。首先通过本地产生的伪随机码与接收到的GPS信号进行位乘,以尝试性地消除伪码对GPS信号二阶统计量的周期性的影响;然后利用去伪码后的GPS信号的循环平稳特性估计GPS信号的载频,从而进一步地完成对GPS信号的检测。同时还提出了一种乘性噪声条件下的弱GPS信号检测结构,分析了基于该检测结构的检测性能。最后通过仿真验证了该方法的有效性。     

Harmonic retrieval by period blind source extraction method: Model and algorithm

A frequently encountered problem in signal processing field is harmonic retrieval in additive colored Gaussian or non-Gaussian noise, especially when the frequencies of the harmonic signals are closely spaced in frequency domain. The purpose of this paper is to develop novel harmonic retrieval algorithm based on blind source extraction (BSE) method from linear mixtures of harmonic signals using only one observed channel signal. First, we establish the blind source separation (BSS) based harmonic retrieval model in additive noise using the only one observed channel, at the same time, the fundamental principle of BSE based harmonics retrieval algorithm is analyzed in detail. Then, based on the established harmonic BSS model, we propose a BSE approach to the harmonic retrieval using the concept of period BSE method, as a result, the harmonic retrieval algorithm using only one channel mixed signals is derived. Simulation results show that the proposed algorithm is able to separate the harmonic source signals and yield ideal performance.     

一类非线性网络系统中噪声改善信号的相关性

基于相关系数研究了在一类非线性神经网络系统中加性和乘性噪声作用下的阈上随机共振现象。仅在加性噪声或者乘性噪声的作用下,对每一个固定的系统阈值,加性噪声下的阈上随机共振比乘性噪声下的阈上随机共振更容易发生,且相关系数所达到的峰值也比在乘性噪声下的峰值大,这说明加性噪声更有利于改善信号的相关性。系统阈值的增加会降低阈上随机共振的功效;而阈值单元数目的增多,会提高阈上随机共振的功效。加性和乘性噪声共同作用下的阈上随机共振现象同样存在,对系统阈值进行恰当选取和增加系统阈值单元数目使得阈上随机共振现象更加明显;给定乘性噪声而改变加性噪声比固定加性噪声而改变乘性噪声阈上随机共振更容易发生,且功效更好。     

相关乘性和加性高斯白噪声激励下周期势系统的随机共振

研究了外加周期信号作用下,相关高斯乘性和加性白噪声激励下周期势系统的随机共振.利用线性响应理论,计算了系统输出信号的功率谱密度、振幅、相位差.研究结果表明:当加性噪声强度和关联系数不变的情况下,通过调整乘性噪声强度可以出现随机共振;关联系数的正负以及大小对随机共振的影响较小.当乘性噪声强度较小时,输出信号的振幅和相位差曲线有一个单峰出现,即出现随机共振现象,能量从噪声向信号进行转化.随着噪声强度的增大,随机共振现象消失,噪声由增大系统的有序程度渐渐变为增大系统的无序程度.     

一种消除强谐波干扰的有效方法

谐波干扰是一种常见的干扰。本文提出了一种消除强谐波干扰的方法，它实现简单、速度快，尤其适用于对速度和实现有限制的场合。仿真结果证明了该方法消除谐波干扰和进行谐波恢复的有效性。     

累量域谐波恢复方法

累量域谐波恢复算法,通常假定谐波初相在[－π,π]区间上均匀分布,而且大量的仿真实验沿用相关域的分析方法,假定谐波数目为二,其振幅几乎相等,本文在对实际信号模型分析的基础上,从理论上得出了初相确定、谐波数目较多和信号动态范围比较大时累量自身及累量域数估计方法的一些特点,指出了现有谐波恢复和基于三阶累量的噪声预滤波恢复算法作了改进,使其理论更加完善、改进算稳健性增强。     

基于自适应参数估计的鲁棒语音增强算法

基于鲁棒H_∞滤波器理论和共轭梯度自适应参数估计方法提出了一种对复杂噪声有抑制效果的语音增强算法。应用这种方法自适应地从带噪信号中提取语音参数时不必预先知道噪声源的统计特性,只要求噪声信号能量有限。因为它基于H_∞滤波器,所以可保证由外界干扰和附加噪声引起的性能指标恶化达到最小。仿真结果表明：该语音增强算法具有计算速度快、鲁棒性好、语音增强效果明显、易于实现、可抑制复杂背景噪声等特点。     

随机相位噪声对成像的影响及其改善方法

从雷达成像的原理出发,分析了方位向随机相位误差对点目标成像的影响,提出了通过对线性调频信号模糊图进行旋转,矩阵奇异值分解来减弱随机相位噪声影响的方法。仿真结果表明,该方法能有效地减弱随机相位对成像噪声的影响。     

Statistical investigations of the synthetic aperture radar images

The focused and non-focused image-forming methods for airborne synthetic aperture radar (SAR) are investigated. The more precise receiving signal model which includes not only traditional additive noise but the multiplicative noise which is the consequence of the aircraft's velocity and height fluctuations is developed. Results of numerical calculations of the root-mean-square (rms) errors of the set of principal image parameters as functions of the additive noise variance and multiplicative noise standard deviation for several weighting windows and the histograms of the distributions of some image parameters are presented.     

Despeckling SAR-type multiplicative noise

Despeckling multiplicative noise is important in processing coherent radar images. Assuming that measurements are corrupted by multiplicative noise and that a priori values are contaminated by either multiplicative or additive noise, we have obtained Bayesian, maximum likelihood and weighted least-squares (LS) estimators, based on gamma and normal distributions. These estimators have been shown to be biased if the noise in measurements is multiplicative. A technique of bias-correction to remove biases from the estimated parameters is proposed. The bias-correction technique requires no distributions about the measurements and the a priori mean, and can be applied to eliminate bias from Bayesian, maximum likelihood and weighted LS estimators in multiplicative noise models. It theoretically provides a solid foundation for, and thus justifies some of current practice in, despeckling multiplicative noise, such as Lee's local statistics and Kuan's adaptive smoothing filter. Some despeckling measures are also proposed and simulated experiment results are reported.