基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.     

基于VDM和小波阈值的语音降噪方法研究

针对带噪声的语音信号,提出了基于变分模态分解（VMD）和小波阈值相结合的去噪方法。首先,采用VMD对带噪声道信号进行分解,从而得到分解后的固有模态（IMFs）信号;然后,引入T检验对各IMFs分量进行低频和高频区分,对其中的高频分量用小波阈值进行噪声滤除;最后,对将低频IMFs分量和滤波后的高频IMFs分量进行重构,从而得到降噪后的具有较高信噪比的语音信号。通过实验验证,本方法与EMD和小波阈值联合算法相比,具有更好的去噪性能,具有一定的实用价值。     

变分模态分解联合改进小波阈值函数的PPG降噪算法

针对PPG信号采集过程中存在大量混合噪声的问题,提出一种变分模态分解（VMD）改进小波阈值降噪的降噪算法。首先通过傅里叶变换得到脉搏波信号频域信息,确定分解个数和主频率;然后利用变分模态分解算法将含噪声的PPG信号分解为一系列固有模态分量,分解过后确定各分量的中心频率,并筛选有效固有模态分量;最后利用改进后的小波阈值函数对残余噪声进行降噪处理,避免了软阈值的恒定偏差,又保证了阈值函数的连续性,降噪后的信号与原始信号相关系数均值为0.934 7,比变分模态分解方法重构信号提升了7.1%。与其他降噪算法相比,信噪比分别提高了5.77 dB、5.38 dB、4.5 dB,均方根误差分别降低了26.1%、16.8%、7.4%。实验结果表明,通过理论计算、数值模拟和应用研究验证了所提方法的有效性和优越性,在滤波效果和信号保真度之间取得了很好的平衡。     

基于BOTDA的海缆监测系统振动信号降噪方法研究

搭建了基于布里渊光时域分析(BOTDA)的海底电缆(海缆)振动信号监测模拟实验系统,通过实验获得了锚砸、冲刷、摩擦3种工况下的海缆振动信号.针对振动信号含有大量噪声,提出TSA-VMD-MPE降噪方法.利用被囊群算法(Tunicate Swarm Algorithm,TSA)优化变分模态分解(Variational Mode Decomposition,VMD),获取VMD分解层数与惩罚因子的最优值,对振动信号分解获得本征模态函数(Intrinsic Mode Functions,IMF)分量;利用IMF与原始信号的相关性及IMF的方差贡献率联合来确定IMF的多尺度排列熵(Multi-Scale Permutation Entropy,MPE)阈值,对振动实验信号进行降噪.实验结果表明:所提降噪算法使3种海缆振动信号信噪比平均提高了12.0296 dB;将提出的MPE阈值方法应用于EEMD与CEEMD算法也获得了良好的降噪效果.     

基于GWO-VMD-SVD的Φ-OTDR信号降噪方法

针对Φ-OTDR系统采集的信号中包含大量随机噪声的问题，提出了一种基于灰狼优化算法的变分模态分解联合奇异值分解的新型降噪方法(GWO-VMD-SVD)。通过灰狼优化算法寻找VMD分解中最优的分解层数K和二次惩罚因子α,抑制了模态混叠现象；引入排列熵判定机制区分有用信号分量和噪声分量；将有用信号分量保留，同时对噪声分量使用SVD分解进行二次降噪，提取其中的有用信号；将两次降噪保留的有用信号进行重构，得到降噪后的信号。实验结果表明，该方法相对于VMD-PE和EEMD-CC,信噪比更高，能更有效地保留信号中的有用信息。     

基于经验模态分解重构的二次相关时延估计

针对低信噪比情况下的时延估计,将二次相关( SC)时延估计与经验模态分解( EMD)算法结合,提出了EMD重构二次相关时延估计方法。该方法针对EMD重构时本征模态函数的选择,将倒谱法和谱减法相结合,提出新的本征模态函数中有用信号主导分量和噪声主导分量的区分方案。研究结果表明：EMD重构二次相关法较传统二次相关法抗噪性能更优,更能锐化二次相关峰值;在非高斯有色噪声和高斯白噪声情况下,分别将准确估计时延的信噪比降低了4 dB和2 dB。     

CEEMDAN和小波包降噪算法在光纤光栅复用传感网络中的应用

针对被采样的超弱光纤光栅反射光谱中含有干扰噪声的问题,提出一种应用于大容量超弱传感网络的混合组网去噪算法.该算法将具有自适应噪声的完整集成经验模态分解(CEEMDAN)与小波包降噪算法相结合,通过小波包阈值去噪对测量信号进行处理后,将初步处理过的信号进行CEEMDAN;再将分解得到的本征模态函数(IMF)分量和残余分量...     

基于VMD和排列熵的海缆振动信号降噪方法

为了有效去除信号中的噪声,提出了基于变分模态分解（VMD）和排列熵（PE）的海缆振动信号降噪方法。该方法首先使用VMD将信号分解成从高频到低频的数个本征模态函数,然后计算各模态分量的PE值定量表征其随机性程度。接着,对含噪声信息较多的本征模函数（IMF）分量进行小波阈值降噪,并通过信号重构得到降噪后的海缆振动信号。为了验证该方法的有效性,搭建了基于布里渊光时域分析（BOTDA）的海底电缆（海缆）振动信号监测模拟实验系统,通过实验获得了冲刷、摩擦、锚砸3种工况下的海缆振动信号。实验结果表明：所提方法能有效去除海缆振动信号中的高频噪声,其冲刷、摩擦及锚砸3类信号的信噪比分别提升至30.257 8 d B、29.635 4 d B、38.786 2 d B,且标准差较低。     

基于EEMD和HOC的超宽带雷达生命探测算法研究北大核心CSCD

针对超宽带生命探测雷达回波信号属于非线性、非平稳等特点,提出了一种基于EEMD和HOC的超宽带雷达生命探测算法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后计算各个IMF分量在呼吸和心跳频带内的能量百分比重构呼吸和心跳信号,最后对重构的呼吸和心跳信号的四阶累积量进行FFT变换,获得呼吸和心跳的频率。实验结果表明,文中提出的算法比EEMD重构后直接进行FFT变换具有更高的信噪比和频率估计精度,可有效应用于生命探测雷达人体信号检测中,具有广阔的研究价值和应用前景。     

二次谐波信号降噪方法的研究

在近红外区域，利用波长调制光谱技术进行气体浓度检测时，光学元件以及电子器件的噪声会影响二次谐波信号的信噪比。为了抑制噪声，提出一种基于经验模态分解、去趋势波动分析和小波自适应阈值的复合降噪算法。该算法针对传统经验模态分解降噪算法中存在的有用信号缺失的问题，利用去趋势波动分析优化对于信息主导本征模函数的筛选，将筛选出的信息主导本征模函数进行信号重构，再用小波自适应阈值算法提高降噪精度。将提出的算法与经典的降噪算法进行对比评估，提出的算法降噪后的二次谐波信号与原二次谐波信号的互相关系数为99.9018%，均方根误差为0.0087%。通过对实验中实际得到的二次谐波信号进行去噪，结果表明提出的算法去噪效果明显，能够保留有用的信息点。     

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform, NSST)和快速非局部均值(Fast Non-local Means, FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median, DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。      

零差激光测振系统中含噪多普勒信号处理方法

针对零差激光测振系统中多普勒信号的噪声导致信号正交校正困难、增大测量误差的问题,提出了含噪多普勒信号处理方法。首先利用平滑滤波对两路含噪多普勒信号进行降噪处理,再通过最小二乘法对非正交多普勒信号进行校正,然后采用单位圆校正算法二次校正成正交信号,最后利用微分相除积分操作解调出振动信号。实验结果表明,本文方法能有效解调振...     

Gaussian Noise Filtering from ECG by Wiener Filter and Ensemble Empirical Mode Decomposition

Empirical mode decomposition (EMD) is a powerful algorithm that decomposes signals as a set of intrinsic mode function (IMF) based on the signal complexity. In this study, partial reconstruction of IMF acting as a filter was used for noise reduction in ECG. An improved algorithm, ensemble EMD (EEMD), was used for the first time to improve the noise-filtering performance, based on the mode-mixing reduction between near IMF scales. Both standard ECG templates derived from simulator and Arrhythmia ECG database were used as ECG signal, while Gaussian white noise was used as noise source. Mean square error (MSE) between the reconstructed ECG and original ECG was used as the filter performance indicator. FIR Wiener filter was also used to compare the filtering performance with EEMD. Experimental result showed that EEMD had better noise-filtering performance than EMD and FIR Wiener filter. The average MSE ratios of EEMD to EMD and FIR Wiener filter were 0.71 and 0.61, respectively. Thus, this study investigated an ECG noise-filtering procedure based on EEMD. Also, the optimal added noise power and trial number for EEMD was also examined.     

Raman spectroscopy de-noising based on EEMD combined with VS-LMS algorithm

This paper proposes a novel de-noising algorithm based on ensemble empirical mode decomposition (EEMD) and the variable step size least mean square (VS-LMS) adaptive filter. The noise of the high frequency part of spectrum will be removed through EEMD, and then the VS-LMS algorithm is utilized for overall de-noising. The EEMD combined with VS-LMS algorithm can not only preserve the detail and envelope of the effective signal, but also improve the system stability. When the method is used on pure R6G, the signal-to-noise ratio (SNR) of Raman spectrum is lower than 10 dB. The de-noising superiority of the proposed method in Raman spectrum can be verified by three evaluation standards of SNR, root mean square error (RMSE) and the correlation coefficient ρ.     

TMS 32020单片信号处理器在测控系统中的应用

在卫星地面测控系统中,要求在低信噪比(如-20分贝)条件下提取目标的多普勒频率信息,以引导接收机锁相环捕获信号并锁定。模拟式频率引导采用经典的晶体滤波器组,其数量大、成本高、重量体积大。数字式频率引导采用对接收信号采样序列进行FFT运算处理实现对目标的频率捕获,具有显著的优越性。作者等人以8086微机实现的数字频率引导设备已成功地应用于同步通讯卫星测控站中。为了进一步提高处理速度,采用了TMS32020单片信号处理器研制出频率引导快速处理机,使频率引导处理时间提高15倍以上。该成果的硬件设备可适应不同的实时数字信号处理要求,应用于雷达、通讯、遥控、仪器、语音、智能等各种场合。     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

EEMD在同时消除脉搏血氧检测中脉搏波信号高频噪声和基线漂移中的应用

人体血氧饱和度是基于脉搏波信号测量得到的,然而在脉搏波信号采集的过程中存在着由人体呼吸和仪器本身热噪声等带来的基线漂移和高频噪声,影响人体血氧饱和度的测量精度。因此,该文提出一种总体平均经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)与基于排列熵(Permutation Entropy, PE)的信号随机性检测相结合的方法,同时消除基线漂移和高频噪声。对脉搏波信号进行EEMD分解,计算分解到得到的内在模式分量的排列熵,选取阈值,分别判断并剔除代表高频噪声和基线漂移的内在模式分量。最后信号重构就得到同时消除高频噪声和基线漂移的脉搏波信号。通过自行研制的测量装置所采集的脉搏波信号进行实验验证,利用信号的频谱和交直流比R评价效果。结果表明:该方法有效地同时消除了脉搏波信号中的高频噪声和基线漂移,这将有利于人体血氧饱和度测量精度的提高。     

EEMD法在激光语音传输系统中的应用

为消除激光语音传输系统中激光器输出功率不稳定对探测信号的影响,提出了一种结合集合经验模态分解(EEMD)与相关系数的方法对信号进行处理.该方法将信号分解为不同的分量,算出不同分量和原信号间的相关系数,再设置固定判定阈值来区分真实信号和趋势项分量.该方法可以克服传统处理方法中存在的模态混叠和需要主观判断趋势分量的缺点,从而达到避免主观判断失误和准确提取趋势的目的.仿真及实验结果表明,使用该方法后再去噪效果优于直接去噪,此外该方法能有效去除激光器功率线性变化和频率小于15 Hz的正弦起伏变化导致的趋势.     

基于互补自适应噪声的集合经验模式分解算法

经验模式分解(EMD)及其改进算法作为实用的信号处理方法至今仍然缺少严格的数学理论。该文尝试从数学理论上分析集合经验模式分解和自适应噪声集合经验模式分解的重构误差,推导了总体残留噪声的计算公式。针对自适应噪声集合经验模式分解在每一层固有模态分量上仍然存在残留噪声的问题,在分解过程中添加成对的正负噪声分量,提出一种基于互补自适应噪声的集合经验模式分解算法。实验结果表明,相比于集合经验模式分解和自适应噪声集合经验模式分解,所提的方法能够明显地减少每一层固有模态分量中残留的噪声,拥有较好的信号重构精度和更快的分解速度。