基于改进维纳滤波的自适应电力线通信降噪方法

针对电力载波通信过程中被传输信号受因负荷波动变化导致产生的噪声,且负荷噪声占比明显,进而影响通信质量的情况,文章提出一种基于改进维纳滤波的自适应电力通信降噪方法。该方法首先根据负荷波动规律,利用维纳滤波最小均方误差准则,求取最佳线性滤波器参数,即滤波器的输出信号与期望信号之差的均方值最小;再利用上一时间序列得到的信号,求取此刻滤波器得到信号梯度;最后将梯度值作为维纳滤波的阈值,作为下一期望信号的百分比,从而得到误差最小的真实信号。实验结果表明：文章改进滤波算法得到的信号准确率相对原始信号平均提高了28.3%。     

基于掩蔽效应的维纳滤波器语音增强及DSP实现

针对单通道音增强,常用的谱减法及其改进型算法等语音增强方法不能很好地消除残留音乐噪声以及不能兼顾噪声抑制和语音失真的问题,提出用维纳滤波法与掩蔽效应相结合的算法。介绍了DSP的实现方法。结果表明,该算法相对于传统谱减法和改进谱减法语音增强效果显著、失真小、音乐噪声几乎没有,并且本算法计算量小,很容易在基于DSP的语音增强算法中实现。     

联合听觉掩蔽效应的子空间语音增强算法

在经典子空间语音增强算法中,因语音特征值估计偏差会造成语音失真和音乐噪声。针对该问题,提出一种联合听觉掩蔽效应的语音增强算法。该算法联合掩蔽阈值自适应调节噪声特征值的抑制系数,并利用维纳滤波对音乐噪声的抑制性,对该特征值并行修正,最终还原出纯净的语音。实验结果证明,该算法在白噪声和有色噪声的背景下,与经典子空间的语音增强算法相比,能提高信噪比,减少语音失真和音乐噪声。     

基于CG-MSNWF的空时自适应抗干扰算法研究

针对多级维纳滤波MSNWF(Multi-Stage Nested Winner Filter)算法的计算量大,在处理高维数据时不能满足实时性的需要问题,采用基于共轭梯度CG(Conjugate Gradient)的多级维纳滤波算法—CG-MSNWF。在相同的干扰抑制性能条件下,该算法相比于MSNWF不需要后向迭代过程,降低了计算量和对硬件存储器的要求,提高了算法的收敛速度,满足了实时性的需求。仿真结果证实了算法的实效性。     

基于C6416的匀速直线运动的模糊图像恢复

为解决相机与景物之间由于相对运动而造成的图像模糊问题.提出在定点DSP C6416上,通过优化维纳滤波算法来实现模糊图像的实时恢复.提出基于实数的一维维纳滤波优化算法.给出该算法与其他常规维纳滤波算法的实验结果和对比评价.实验结果显示:在主频600MHZ的DSP C6416实验平台上,对512×512 8位灰度测试图片先进行模糊处理,再通过该优化算法恢复.速度达到58ms每帧,而常规一维维纳滤波算法速度为90ms每帧,二维维纳滤波算法速度为253ms每帧.恢复质量三者相同.结果表明该算法每秒能处理17帧512x512 8位灰度图片.基本能满足实时性的要求.如果采用最新的主频1GHZ的DSP C6416芯片,处理速度预计能达到35ms每帧,能实现25帧每秒的实时性要求.     

MATLAB在图像复原中的应用

图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法。该文主要对维纳滤波复原,盲去卷积算法复原和约束最小二乘方滤波复原进行了探讨,同时对上述算法进行了仿真实现,并分析了实验的结果。     

一种离焦模糊图像的复原方法

图像复原是一种去除或减轻在获取数字图像过程中发生的图像质量下降的方法.为了获得更好的离焦图像复原质量,在通过对离焦模糊图像复原进行了较为系统的研究后,提出了一种基于维纳滤波频域的复原方法,结果表明该方法具有较好的改善图像复原效果和较快的速度.图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善.     

智能电表条形码图像分割与增强算法研究

为了解决智能电表自动化检测系统中的关键技术问题,即在智能电表图像中自动定位条形码区域并识别出条码信息,通过设计维纳滤波器对图像去噪,利用一阶微分Sobel算法突出条形码区域达到精确分割条形码区域的目的.针对在实际工业环境中拍摄的图像模糊不清问题,提出了改进的提升小波的多分辨率图像增强算法.试验结果表明,该处理方法能够精确定位条形码,且增强后的图像能很好地保持条码的纹理信息,为识别条形码提供了可靠保证.     

一种有效的运动模糊图像恢复算法

探讨了任意方向的匀速直线运动模糊图像的恢复问题。证明了对任意方向的商线运动模糊图像只能直接设置二维点扩展函数进行二维恢复，不可先进行x方向的一维恢复再进行y方向的一维恢复。给出了估计PSF的方向和模糊范围D的频谱方法。并用实验验证了PSF谱估计方法的有效性，以及带窗的维纳滤波方法相比于标准维纳滤波方法的优越性。     

基于维纳滤波的多目标识别

提出一种改进的维纳滤波模型,通过改变维纳滤波传递函数中的参考函数,以实现噪声环境下的多目标识别.文中以同时识别两个不同的目标为例,在附加高斯白噪声的条件下,进行了计算机仿真实验.仿真结果表明本模型具有良好的识别效果.