高密度椒盐噪声图像开关自适应滤波算法

针对现有算法普遍对高密度椒盐噪声滤波不足的问题,提出一种自适应高密度椒盐噪声滤波算法。该算法首先在分析窗口中确定信号点与可能的信号点分布情况并据此进行噪声检测,然后计算出图像的噪声密度。对于低密度椒盐噪声图像采用邻域信号点均值滤波方法,对于高密度噪声图像（噪声密度大于30%）,则根据窗口中信号点的分布情况采用加权迭代滤波方法。实验结果表明,本文算法比其他算法具备更好的去噪能力,尤其在较高密度（90%）噪声情况下与其他算法相比获得的峰值信噪比（PSNR）仍高出10 dB左右。     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

一种窗口自适应的去椒盐噪声滤波算法

为了有效地去除图像中的椒盐噪声,提出一种窗口自适应的滤波算法。算法先采用3×3窗口进行噪声检测,如果中心点为噪声点,则统计窗口内为非噪声点的数量。当非噪声点的数量大于2时,采用中值均值滤波算法;当非噪声点的数量小于等于2时,将窗口尺寸扩大至5×5,采用中值均值滤波算法。如果中心点为信号点,则保持原值不变直接输出。仿真实验结果证明,这种算法对不同程度椒盐噪声污染的图像具有较强的去噪能力,同时较好地保持了图像的细节。     

一种快速去除高密度椒盐噪声的滤波算法

为了更好地恢复被高密度椒盐噪声污染的图像,在传统的自适应中值滤波算法的基础上提出了一种改进的自适应滤波算法。该算法将3×3矩形滤波窗口内极值点视为可疑噪声点,对可疑噪声点自适应调节滤波窗口大小进一步判断是否为噪声点;将噪声点区分为低密度噪声区噪声点和高密度噪声区噪声点,并分别用改进后的中值滤波算法、自适应修正后均值滤波算法处理,信号点保持不变。仿真结果表明,该算法处理速度快并且能够有效恢复被椒盐噪声(密度达80%)污染的图像,在去噪的同时能够很好地保护图像的细节。     

一种基于灰色关联的去椒盐噪声滤波算法

利用灰色关联理论结合开关滤波策略的思想,提出了一种基于灰色关联的去椒盐噪声算法。算法采用开关策略,对于噪声点,选取3×3滤波窗口内的非噪声像素,利用灰色关联度计算各像素的加权值,将各非噪声像素加权后替换噪声点像素值,得到滤波图像。仿真实验证实,该算法不仅有效抑制了图像中的椒盐噪声,而且较好地保持了图像的边缘细节,滤波效果明显优于传统的滤波算法。     

图像去噪的新型自适应混合滤波算法

针对含有椒盐噪声和高斯噪声的灰度图像,研究一种新型的自适应混合滤波算法.首先利用改进的自适应中值滤波算法过滤图像中的椒盐噪声;其次利用改进的自适应均值滤波算法过滤图像中的高斯噪声.这种混合滤波算法具有自适应扩大滤波窗口以及自适应选择最佳阉值的特点.计算机仿真实验证实,该方法不仅在改善信噪比(SNR)和最小均方误差(MSE)上明显优于传统的中值滤波、均值滤波、小波硬阈值、软阈值等方法,而且能较好地保护图像细节.     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

基于改进多级中值滤波的加权滤波算法

为了有效地抑制图像中的椒盐噪声,更好地保持图像细节,提出一种基于多级中值滤波的加权滤波算法。算法采用5×5滤波窗口,如果中心点为噪声点,则将滤波窗口划分为水平和垂直10个条形子窗口,先计算每个子窗口内所有非噪声点的均值,作为加权运算的基础值,然后求出这些基础值的中值,利用每个基础值与它们中值的差计算出每个基础值的相应权值。最后将这些基础值与对应权值进行加权运算,将结果替换中心点的像素值;如果中心点为非噪声点,则保持原值不变。实验结果表明,该算法对于高密度椒盐噪声污染的图像具有良好的去噪性能,并且较好地保持了图像的细节,效果优于传统的中值滤波算法和多级中值滤波算法。     

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。     

数字图像中混合噪声的滤波

中值滤波法主要用来抑制椒盐噪声,均值滤波法主要用来抑制高斯噪声.当数字图像中即有椒盐噪声又有高斯噪声时,两种方法均无法达到令人满意的效果.提出了一种混合噪声的滤波方法.首先通过设定阈值,将椒盐噪声和高斯噪声加以区分.然后先对椒盐噪声使用改进了的中值滤波方法进行滤波,之后使用近邻域均值滤波法对高斯噪声进行滤波.仿真结果表明,文中提出的混合去噪声算法计算简单,对数字图像中存在的混合噪声有较好的滤波效果.     

一种空-频联合最优滤波的被动宽带检测方法

常规宽带能量检测在多目标、强干扰环境下输出信噪比(SNR)降低,检测性能大幅度下降。针对此问题,该文提出一种将子阵导向最小方差(STMV)宽带空域自适应波束形成与频域Eckart滤波结合的空-频联合最优滤波宽带检测方法。该方法首先通过子阵导向最小方差波束形成进行空间自适应处理,利用自适应波束形成的干扰抑制能力在空域实现最优滤波;然后通过最大似然估计实时估计信号和噪声的功率谱,构造Eckart滤波对自适应波束形成的输出分配不同权重进行加权滤波,从而实现频域信噪比最大化。所提方法通过空-频联合最优滤波,降低空域旁瓣干扰和频带内噪声的影响,使得输出信噪比最大,从而有效地改善目标宽带检测能力,提高被动声呐的宽带检测性能。仿真和试验数据处理结果验证了该方法的有效性。     

A robust adaptive weighted constant modulus algorithm for blind equalization of wireless communications systems under impulsive noise environment

A robust adaptive weighted constant modulus algorithm is proposed for blind equalization of wireless communication systems under impulsive noise environment. The influence of the impulsive noise is analyzed based on numerical analysis method. Then an adaptive weighted constant modulus algorithm is constructed to adaptively suppress impulsive noise. Theoretical analysis is provided to illustrate that the proposed algorithm has a robust equalization performance since the impulsive noise is adaptively suppressed. Moreover, the proposed algorithm has stable and quick convergence due to avoidance of large misadjuntment and adoption of large step size. Simulation results are presented to show the robust equalization performance and the fast convergence speed of the proposed algorithm under both impulsive noise and Gaussian noise environments.     

近场毫米波三维成像算法

介绍了一种近场毫米波三维成像算法。首先对目标进行二维成像,然后提出一种基于局部信息联合BM3D自适应滤波滑窗算法,有效保留了图像信息并抑制杂波,实现三维成像重构。分别从系统平台、信号回波模型、后向投影与全息成像算法及成像结果、图像滤波、三维成像重构展开介绍,所得结果验证了实验的可行性和准确性,在诸多场景中具有广阔的应用价值。     

迭代自适应收缩加权融合的波束形成方法

自适应数字波束形成是通过对阵列接收数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵的依赖性较大。针对小样本条件下采样协方差矩阵求逆算法性能下降问题,提出迭代自适应加权融合样本协方差矩阵与先验协方差矩阵的波束形成算法。在估计协方差矩阵时,依据最小均方误差准则计算加权系数,并采用迭代自适应的方式更新先验协方差矩阵。仿真结果表明,所提方法能显著提高小样本条件下的协方差矩阵估计精度,能获得更大的输出信干噪比。      

联合两级滤波与压缩感知的测距仪干扰抑制方法

针对测距仪(Distance Measure Equipment , DME)脉冲信号对L频段数字航空通信系统1(L-band Digital Aeronautical Communication System 1 , L-DACS1)接收机产生干扰的问题,提出一种联合两级滤波与压缩感知的DME干扰抑制方法。首先,接收机通过高通滤波器估计出DME干扰,并在时域将其从接收信号中消除;然后,通过低通滤波器进一步滤除残留的DME干扰和噪声;最后,针对经过两级滤波后仍残留的DME干扰,基于其在时域中的稀疏特性应用压缩感知算法实现重构并消除。数值仿真表明,所提方法可获得的DME干扰功率衰减值约41dB,有效克服了DME脉冲干扰对L-DACS1系统接收机的影响。      

基于CLEAN算法的自适应旁瓣对消技术

自适应旁瓣对消技术能够很好地抑制旁瓣干扰,但在应用中发现, 自适应旁瓣对消对跟踪的高信噪比目标带来的信噪比损失较大,导致单脉冲和差测角精度下降。本文提出了一种基于CLEAN算法的自适应旁瓣对消方法,首先通过观测目标的先验信息构建目标回波模型,再利用该回波模型剔除对消通道中的目标信息,然后基于剔除目标信息后的对消通道数据,重新计算最优加权值进行主通道的干扰对消,最后仿真和实测结果验证了该方法不仅可以减少主通道中目标对消后的信噪比损失,同时也降低了对消后对目标测角精度的影响。     

噪声密度不敏感的随机采样椒盐噪声滤波算法

中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。      

基于子波变换的无线通信网络干扰信号检测研究

在冗杂环境下,为有效识别无线通信网络干扰信号,提出基于子波变换的无线通信网络干扰信号检测研究。将干扰信号分为单音、多音、调频等类型,利用射线模型描述通信信道损失,确立噪声影响下的干扰信号结构,提取信号时频分布特征;在子波变换过程引入阈值滤波算法,将噪声投影在不同子波空间中,合理设置阈值,计算新的变换系数,实现信号去噪;采用混沌循环谱方法,将干扰信号检测转换为二元假设检验问题,获取二阶时变检测函数,计算决策量,结合门限值完成干扰信号检测。实验结果表明,该方法能够有效过滤噪声,检测出的干扰信号波形与频率与实际情况相符。     

New insights about interference suppression algorithm based on analog circuits and linear filtering method in ELF communication

In order to improve the communication quality in the extremely-low-frequency communication effectively, a kind of new insight based on analog circuits and linear filtering method for interference suppression is proposed, the latter mainly achieves by the joint diagonalization of the correlation matrices. The proposed algorithm takes place the filter coefficients by a linear combination of eigenvectors, the problem of interference suppression is converted into the solution of constructed coordinates. Besides, three kinds of filters are designed based on the mean square error criterion, the derivation process is given in detail, and several performance evaluation indices are also provided. And the derivation results show that the proposed algorithm can become common filters in speech enhancement when the number of chosen eigenvectors is a certain value. Finally, some experiments are performed in a laboratory environment. And the experimental results show that the proposed algorithm can suppress the interference effectively, and the compromise between the number of interference suppression and the degree of signal distortion can be controlled by changing the number of chosen eigenvectors, the proposed algorithm has potential performance gain.