基于独立分量分析的胃动力信号检测

为消除多通道体表胃动力阻抗信号采集时形成的混叠现象,研究基于独立分量提取胃运动信息的新方法.开发四通道的胃动力检测系统,并进行健康人体胃动力阻抗信号采集实验.将获得的原始胃阻抗信号采用FastICA算法实施盲分离,分析分离的独立源成分,并对分离的胃运动独立源成分进行频谱特征分析.应用独立成分分析可以有效消除叠加到阻抗信号中的背景噪声干扰,提取到胃运动源信号.研究表明:独立分量分析用于多通道胃动力信号的盲分离是有效的.FastICA算法原理简单、收敛速度快、去噪效果明显,能有效地应用于胃动力阻抗信号的检测.     

小波消噪和ICA在语音信号分离中的应用

为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析（ICA）结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。     

基于独立分量分析的单通道语音增强算法

传统的独立分量分析要求观测信号的个数不能小于源信号的个数，无法直接对单路信号进行独立分量分析。为了能够利用独立分量分析分离加性噪声，须构造一路观测信号。基于语音信号的短时平稳的特性，该文提出一种构造噪声信号的算法，实现了信号与噪声的分离。仿真结果表明，利用该算法可得到很好的消噪结果，提高信号的信噪比。     

基于EEMD与DSS-ApEn的脑电信号消噪方法

为了在消除信号中噪声的同时尽可能保留有效信息,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)和降噪源分离(De-noising Source Separation, DSS)与近似熵(Approximate Entropy, ApEn)相结合的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数(Intrinsic Mode Functions, IMF)分量,滤除最高频分量后的IMF分量应用DSS分离出各独立源信号,再选择频谱近似熵最大的独立源信号作为去噪信号。仿真和真实脑电信号的消噪实验表明,与独立EEMD消噪方法以及基于EEMD与改进提升小波消噪方法相比,本文提出的方法消噪效果更好。     

基于独立分量分析的低压电力线信号去噪

针对低压电力线中的噪声,提出了一种运用独立分量分析原理对低压电力线信号进行消噪的方法,详细研究了低压电力线信道噪声特性以及独立分量分析原理,应用基于负熵的FASTICA算法对低压电力线信道载波进行去噪,并与小波去噪的效果进行了比较。实验结果表明,该去噪方法的去噪效果与小波去噪效果接近,其特色是通过电力线信号与噪声信号的盲源分离实现噪声去除,与小波去噪方法相比,该方法更简单容易、去噪效果好、自适应能力强。     

独立分量分析在有噪图像分离中的应用

独立分量分析(independent component analysis，ICA)是基于信号高阶统计量的盲源分离方法。在分析独立分量分析的基本模型及方法的基础上，讨论了有噪信号的独立分量分析(Noisy ICA)，利用小波阈值去噪和FastICA算法进行了有噪混合图像分离的仿真研究。结果表明，对于含有加性观测噪声的混合图像的分离，先去噪处理再进行独立分量分离的效果要优于独立分量分离后再去噪的效果。     

基于相空间重构和主分量分析的遥测信号噪声消除

信号消噪的目的在于有效地滤除噪声干扰以达到对原始信号的真实复现。提出了一种基于主分量分析的遥测信号噪声消除方法。首先利用相空间重构(RPS)将一维时间序列信号嵌入为等效的多维时间序列信号,然后利用主分量分析(PCA)实现信号的提取,其实质是利用了真实信号在混合信号中占主导地位的特性。实验结果表明,该方法去噪效果明显,且与小波去噪效果比较接近。与一般滤波方法相比,具有效果好,自适应较强等特点。     

基于EEMD与改进提升小波的脑电信号消噪方法

为消除混杂在脑电信号中的噪声,提出一种总体平均经验模态分解(EEMD)与改进提升小波相结合的脑电信号消噪方法。利用EEMD算法将含噪脑电信号分解为若干个内蕴模式函数(IMF)分量,通过自相关函数特性法提取出由噪声主导的高频IMF分量,并运用改进提升小波进行消噪处理,将保留的低频IMF分量与消噪后的高频IMF分量进行叠加,从而得到消噪后的脑电信号。实验结果表明,与传统提升小波消噪方法以及改进的提升小波消噪方法相比,该方法的信噪比较高,均方根误差较低。     

基于EEMD和二代小波变换的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出了一种基于总体平均经验模式分解(EEMD)和二代小波变换的sEMG消噪新方法。首先对信号加入白噪声处理后进行经验模态分解(EMD),然后对高频的内蕴模式函数(IMF)分量进行二代小波阈值消噪处理,最后把处理后的高频IMF分量与低频IMF分量进行叠加,重构后的信号即为去噪信号。实验结果表明,该方法融合了二代小波与EEMD的优点,能更好的消除噪声,最大限度的保留有用信号,并具有更高的信噪比。     

组合方法在脑电信号消噪中的仿真研究

研究脑电信号消噪问题.脑电信号存在非平稳性且包括大量的噪声,传统的消噪算法不能很好消除脑电信号中的噪声,从而影响后继的脑电信号处理和分析.为了更好的消除脑电信号噪声,提出一种小波变换与自适应滤波相结合的脑电信号组合消噪方法.该方法首先对含噪的脑电信号进行白化处理,然后采用小波分解和重构含噪较大的信号,将重构后的信号作为自适应滤波器的输入,进行自适应滤波消噪处理.仿真结果表明,组合去噪方法能有效去除脑电信号中的噪声干扰.     

基于平移不变小波的语音信号去噪研究

通过小波阈值方法可以去除语音中的噪声,但它的结果中会出现诸如Pesudo-Gibbs现象之类的情况.为消除此类情况,将平移不变量小波变换引入到语音信号去噪中,并结合阈值方法进行去噪处理.经过仿真实验,证明这种方一法比一般的阈值方法有很大改进,提高了信噪比.     

改进的EMD算法及其在含噪盲扰信分离中的应用

针对经验模态分解(EMD)降噪算法存在因表示噪声的内蕴模态函数(IMF)分量选择不当而引起的降噪性能不稳定的问题,对其进行改进,加入对噪声水平的估计,并将噪声阈值作为分解结束的判决门限,避免了对噪声IMF分量的选择。在此基础上,联合小波变换进行降噪,并应用于含噪盲扰信分离中。仿真表明在一定范围的低信噪比条件下,该算法增强了盲扰信分离的抗噪声性能,可将源信号从染噪的观测信号中有效地分离出来。     

小波与FastICA结合的阻抗胃动力信号处理方法

研究一种用于多通道体表阻抗胃动力信号采集与信息提取的处理方法.运用作者研制的四通道阻抗胃动力检测系统进行健康人阻抗胃动力信号采集实验.将小波变换的多分辨率特性和FastICA算法的盲源分离特性相结合,把采集的四通道阻抗胃动力信号经小波变换分解重构后作为ICA输入,再经FastICA算法实施盲分离,实现阻抗信号分离与胃动...     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

基于最优小波包基的模极大值法信号消噪研究

给出了对信号进行基于熵准则的最优小波包基分解的基本原理,在此基础上提出了使用模极大值法进行信号消噪的基本原理.通过计算Lip指数确定信号中的奇异点,然后根据噪声和有用信号的模极大值随着小波分解尺度的增大而呈现出的截然不同的特性剔除噪声,从而实现消噪.通过对一含有噪声的信号进行消噪验证了该方法的优越性.     

基于局部线性相关的信号去噪方法

针对基于整体线性逆问题的信号去噪方法会导致信号去噪不充分以及严重丢失细节的问题,提出一种建立在局部线性相关基础上的信号去噪方法。该方法以带噪声信号与原始信号局部存在线性相关性为基础,首先利用信号局部具有相同的尺度系数与偏移量,构造信号匹配模型;然后以原始信号的1-范数构造正则项;最后利用快速收缩算法求解去噪模型,使收敛速度达到二阶收敛。实验结果表明,本文方法稳定性强、鲁棒性好,在去噪的同时较好的恢复了信号的高频分量。     

Digital signal processing methods for impedance microfluidic cytometry

Impedance microfluidic cytometry is a non-invasive, label-free technology that can characterize the dielectric properties of single particles (beads/cells) at high speed. In this paper we show how digital signal processing methods are applied to the impedance signals for noise removal and signal recovery in an impedance microfluidic cytometry. Two methods are used; correlation to identify typical signals from a particle and for a noisier environment, an adaptive filter is used to remove noise. The benefits of adaptive filtering are demonstrated quantitatively from the correlation coefficient and signal-to-noise ratio. Finally, the adaptive filtering method is compared to the Savitzky–Golay filtering method.     

基于AduC834的生物阻抗胃动力信号采集方法

临床将胃电信号作为胃动力紊乱诊断依据,但胃电信号并不完全对应于胃的活动,特别是胃的蠕动、胃的排空等机械活动。如果将与胃机械活动对应的胃阻抗信息也作为诊断依据之一,那就为建立新的、更准确的胃动力评价方法提供可能。这也是生物阻抗技术在胃功能评价方面的最新发展。基于阻抗法设计了一个新的获取胃动力信息的系统,通过计算机串口控件收发数据,采集到了阻抗和同步胃电信号。本系统不仅获得常规检测参数胃电,也通过小波变换技术分离出与胃电同步的胃阻抗信息,为临床胃动力学研究提供新途径。     

基于Wavelet-CNN的电磁炮过靶信号识别方法

电磁炮测试中,炮口产生强烈的火光信号以及振动等噪声,会严重干扰电枢特征信号的识别处理;为了提升对电枢信号的自动识别率,提出了一种基于小波变换和卷积神经网络(CNN)相结合的电枢信号识别方法;利用小波变换对过靶信号进行小波阈值去噪,进而重构信号,然后利用CNN提取信号的深层次特征,通过CNN的全连接层输出信号的分类结果;当输入信号为电枢信号时,对其作最大值检测获取电枢信号的特征点;实验结果表明,所提方法对比传统小波阈值滤波法在特征点自动拾取准确率上提升了5.88%;该算法对电磁炮电枢过靶信号的滤波、识别具有一定的参考意义。     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。