基于经验模态分解的光纤陀螺1/fγ类型分形噪声滤除方法

提出了一种可有效滤除输出信号中干扰信号的新的光纤陀螺信号降噪方法.中高精度光纤陀螺的随机噪声中包含了白噪声和具有长程相关性、自相似性及1/fγ型谱密度特点的一种非平稳随机噪声--1/fγ型分形噪声.利用传统的滤波方法无法有效去除该类分形噪声,而新方法以经验模态分解(EMD)和阈值降噪方法为核心,结合提升小波理论对光纤陀螺的输出信号进行软阈值滤波,进而提高光纤陀螺的精度.利用这种新方法对多组实测数据进行滤波仿真实验,结果中仅偏置稳定性一项性能指标就已表明,使用新滤波方法滤波后数据精度可提高一个数量级,而相较传统的小波滤波方法可提高2.5倍,故此验证了新方法的有效性.     

基于提升小波的光纤陀螺分形噪声滤除方法

光纤陀螺(FOG)随机噪声中包含了白噪声和具有长程相关性、自相似性及1/fr类型谱密度特点的一种非平稳随机噪声--1/fr类分形噪声.采用传统的方法很难去除该类噪声.由于小波分析的多分辨分析特性,使之成为研究分形噪声的有力工具.提出一种新的基于提升小波的自适应阈值选取滤波方法对光纤陀螺的输出信号进行阈值滤波,进而提高光纤陀螺的精度,算法包括提升小波分解、滤波参数估计及自适应软阈值滤波.对多组实测数据进行仿真实验,将传统小波固定阈值滤波方法与新方法进行比较,实验结果验证了新方法的有效性.     

基于小波分析的光纤陀螺滤波方法

光纤陀螺由于自身的原因,用传统的去除方法难以去除噪声。而小波分析具有很多的特性,是研究分形噪声的有效方法。本文介绍了小波变换的基本理,讨论了小波滤波方法的基本步骤。仿真验证了小波分解、小波软阈值滤波算法、不同阈值选取方法的传统小波滤波方法以及利用传统小波分析滤除光纤陀螺噪声的方法。     

激光陀螺信号的小波滤波方法研究

随机噪声是影响激光陀螺精度的一个重要因素,其中随机噪声包括分形噪声和白噪声,采用传统的方法很难去除分形噪声.对于激光陀螺中的随机噪声,利用分形噪声在小波变换域的特殊性质采用小波变换域参数估计方法获得噪声参数;然后采用小波阈值滤波方法去除噪声.对某型号的激光陀螺的滤波结果表明了该方法的有效性.     

小波包阈值降噪法处理光纤陀螺信号

光纤陀螺以其自身结构和外部环境的影响容易在输出信号中产生随机噪声。为了消除光纤陀螺输出数据中的随机噪声,提出了用小波包阈值法来处理陀螺信号。在分析小波包变换理论及其分解重构算法的基础上,结合光纤陀螺输出数据的数学模型,对光纤陀螺随机信号进行四层小波包分解。通过阈值法对分解得到的各个节点分解系数中小于阈值的部分置零,利用处理过的节点系数进行重构以消除重构陀螺信号中的噪声。仿真实验结果表明,小波包阈值法比小波软硬阈值法在处理光纤陀螺信号中的效果更好,信噪比更高。     

小波阈值滤波在光纤陀螺信号处理中的应用

根据光纤陀螺信号的数学模型和小波多分辨率分析的特点,利用小波变换阈值滤波可有效地处理光纤陀螺信号的噪声.利用Allan方差法并通过最小二乘拟合得到光纤陀螺信号噪声中各误差源的幅度.对某型号光纤陀螺静态输出信号进行了小波阈值滤波,并定量地分析和比较了4种常用阈值下的滤波效果.通过实验结果分析,验证了小波变换阈值滤波在光纤陀螺信号处理中的可行性,并验证了针对某型号光纤陀螺静态输出信号,采用长度对数阈值滤波的优越性,对光纤陀螺信号处理具有参考价值.     

一种基于小波域系数收缩的图像降噪改进算法

本文根据小波变换中分解级数与噪声在小波域中的特性,利用具有平移不变性的稳态小波分解方法,将Donoho的小波系数收缩算法用于局部小波系数的处理,并提出了一种具有自适应特性的阈值设定方法.这种方法由于考虑到了局部小波系数的变化特点和图像中信息分布的不均匀性,对加性高斯白噪声的去除具有很好的效果.     

基于小波变换的压电陀螺类噪声滤波器设计

1/fγ类随机噪声是影响压电陀螺精度的主要因素之一,其中随机信号包括白噪声和分形噪声.由于分形噪声具有长期相关性和自仿射性,采用传统的低通滤波方法难以达到有效的滤波效果.本文利用分形噪声在小波变换域的特性采用小波变换域参数估计的方法获得噪声参数,通过小波白化的方法消除分形噪声的长期相关性和自仿射性,最后应用小波软阈值的滤波方法去噪.经过对某型号压电陀螺信号进行滤波实验,结果表明这种基于小波分析的滤波方法是有效的.     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。