混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

一种参数优化的混沌信号自适应去噪算法

针对非线性自适应混沌信号去噪算法的参数优化问题, 考虑到最优滤波窗长受到不同因素的影响, 为提高该算法的自适应性, 提出一种滤波窗长自动最优化的判决准则. 依据混沌信号和噪声自相关函数的不同, 首先采用不同窗长对含噪混沌信号进行去噪, 然后计算每个窗长对应的残差自相关度(RAD), 最后通过对最小RAD所对应的窗长进行一定比例收缩实现窗长的最优化. 仿真结果表明, 该判决准则能够在不同条件下对滤波窗长进行有效的自动最优化, 提高了混沌信号去噪算法的自适应性.     

基于EMD的拉曼光谱去噪方法研究

经验模态分解(EMD)方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。文章在介绍EMD分解方法的基础上,结合EMD的多尺度滤波特性,提出了一种新的拉曼光谱去噪方法——EMD阈值去噪法。该方法首先对含噪的拉曼光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加得到重构的信号,即去噪信号。通过处理对二甲苯的拉曼光谱信号,分析了在不同噪声水平上不同去噪方法的处理效果。实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势,在拉曼光谱去噪中有很好的应用前景。     

一种多算法融合的实时滤波在光纤陀螺中的应用

根据光纤陀螺输出信号的特点和应用环境的要求,在Mallat小波变换的基础上,研究了一种多算法融合的实时滤波算法.该算法在光纤陀螺刚启动,数据量偏少时,通过IIR滤波器进行滤波|采样数据量足够多时,通过施加滑动数据窗来实现小波实时去噪,采用周期对称延拓的方法去除小波去噪的边界问题,可有效去除光纤陀螺输出信号中高频部分的噪音,提高滤波效果,抑制陀螺的随机漂移.通过实验验证了该方法对陀螺输出信号进行滤波的可行性和有效性.     

一种多算法融合的实时滤波在光纤陀螺中的应用

根据光纤陀螺输出信号的特点和应用环境的要求,在Mallat小波变换的基础上,研究了一种多算法融合的实时滤波算法.该算法在光纤陀螺刚启动,数据量偏少时,通过IIR滤波器进行滤波;采样数据量足够多时,通过施加滑动数据窗来实现小波实时去噪,采用周期对称延拓的方法去除小波去噪的边界问题,可有效去除光纤陀螺输出信号中高频部分的噪音,提高滤波效果,抑制陀螺的随机漂移.通过实验验证了该方法对陀螺输出信号进行滤波的可行性和有效性.     

基于Bandelets变换的红外图像去噪

提出了一种基于Bandelets变换的红外图像模糊阈值去噪方法,该方法结合了Bandelets变换和模糊阈值在去噪方面的优点.对红外图像进行Bandelets变换的同时,对系数进行模糊阈值处理,实现了图像去噪;同时针对图像去噪问题提出了Bandelets变换中压缩率阈值的选取方法.结果表明,与正交小波硬阈值去噪方法相比,该方法具有良好的去噪性能,并且在去除红外图像噪音的同时,能够获得很好的边缘保持效果.     

脉冲星信号的经验模态分解模态单元比例萎缩消噪算法

针对脉冲星信号的消噪问题, 提出了一种基于模态单元比例萎缩的经验模态分解(EMD)消噪方法. 利用经验模态分解将含噪脉冲星信号分解为一组内蕴模态函数(IMF), 将IMF中两个过零点间的部分定义为模态单元, 以模态单元为基本单位构造最优比例萎缩因子, 对IMF中的每个模态单元进行比例萎缩去噪, 进而建立基于模态单元比例萎缩的脉冲星信号滤波模型.对含噪脉冲星信号进行了消噪实验分析, 实验结果表明, 与小波硬阈值消噪法、比例萎缩小波消噪法和基于模态单元阈值的EMD消噪法相比, 该方法可以更有效地去除脉冲星信号中的噪声, 同时更好地保留了原信号中的有用细节信息. 关键词： 经验模态分解 脉冲星信号 模态单元比例萎缩 消噪     

基于希尔伯特-黄变换的激光云高仪后向散射信号去噪方法

基于希尔伯特-黄变换(HHT)和Savitzky-Golay滤波,提出了一种结合HHT时频分析的半导体激光云高仪后向散射信号去噪方法.该方法在对云高仪后向散射信号的噪声特性及传统去噪方法的缺陷进行研究的基础上,选择截止分量阶一定的自适应时变时空滤波器组(TFB)结构并辅助Savitzky-Golay滤波抑制噪声,最后利...     

闪电瞬态电场信号波形去噪方法

 通过对传统数字滤波和Birge-Massart小波阈值法的比较，对闪电瞬态电场信号进行了去噪研究。构建了双指数衰减脉冲信号并在其上叠加了高斯白噪声信号来仿真闪电瞬态电场实测波形，通过计算去噪前后信号的均方误差和幅值误差，比较了加权平滑滤波、FIR数字低通滤波器和小波阈值法的去噪效果，从处理仿真波形和实测波形结果可以发现，小波阈值去噪方法明显优于另外两种传统滤波方法。通过比较仿真信号由不同小波分解层数去噪结果的均方误差和幅值误差，确定在对闪电电场实测信号的去噪过程中，小波系数分解层数应选5~7。     

基于小波域可导阈值函数与自适应阈值的脉冲星信号消噪

脉冲星辐射信号具有极低的信噪比, 传统降噪方法难以在抑制噪声的同时保留其细节信息. 为此, 提出了一种小波域脉冲星信号消噪方法. 在小波域, 利用一种可导的阈值函数和一种自适应阈值选取方法, 对含噪脉冲星信号进行小波域阈值去噪处理, 并利用信噪比(SNR)、 均方根误差(RMSE)、 峰值相对误差(REPV) 以及峰位误差(EPP) 四项指标来对去噪效果进行评价. 实验结果表明, 与软阈值与硬阈值法相比, 该方法能在有效去除含噪脉冲星信号中的噪声、 显著提高其信噪比的同时, 更有效地保留原始信号中的有用信息, 同时可以获得更小的均方根误差、 脉冲峰值相对误差与峰位误差.     

基于多尺度形态学滤波器的图像融合新方法

提出了一种保持图像细节和高抗噪性的图像融合新方法。这种方法首先对源图像进行多尺度形态学开闭滤波,得到源图像的低频平滑图像;然后应用多尺度Top-hat变换和Bottom-hat变换来提取小于相应尺度的图像细节特征。因为在较小的尺度特征中包含噪声颗粒的可能性较大,据此修正了Top-hat变换和Bottom-hat变换的相应系数;最后对以上两步骤得到的低频平滑图像和多尺度高频细节图像分别进行图像融合,应用形态学重建过程生成融合图像。实验表明,这种融合方法具有图像细节保持完整和噪声消除效果好的优点,处理效果优于传统的图像融合方法。     

一种新颖的Contourlet域中子辐射图像降噪方法

由于受CCD相机、中子散射及控制电路等因素的影响,数字中子照相系统所获图像常被噪音污染,抑制噪音对于提高数字中子照相系统图像质量具有重要意义.利用多尺度几何分析能捕获图像几何结构的特性,提出一种新颖的基于contourlet变换的图像去噪方法通过计算方差一致性测度（VHM）,确定局部自适应窗口,从而最优估计contourlet系数的阈值萎缩因子,对contourlet系数进行萎缩,实现降噪功能.该方法将阈值去噪法与基于子带相关的图像去噪法相结合,充分利用在同一方向子带中沿边缘或轮廓contourlet系数的相关性,它能实现"去噪"和"保留信号"之间的平衡.实验结果表明,该方法在峰值信噪比指标上优于传统的contourlet系数硬阈值处理方法及维纳滤波方法,能有效地抑制图像噪音,同时适合于中子辐射图像的处理.     

Variational Bayesian-Based Improved Maximum Mixture Correntropy Kalman Filter for Non-Gaussian Noise

The maximum correntropy Kalman filter (MCKF) is an effective algorithm that was proposed to solve the non-Gaussian filtering problem for linear systems. Compared with the original Kalman filter (KF), the MCKF is a sub-optimal filter with Gaussian correntropy objective function, which has been demonstrated to have excellent robustness to non-Gaussian noise. However, the performance of MCKF is affected by its kernel bandwidth parameter, and a constant kernel bandwidth may lead to severe accuracy degradation in non-stationary noises. In order to solve this problem, the mixture correntropy method is further explored in this work, and an improved maximum mixture correntropy KF (IMMCKF) is proposed. By derivation, the random variables that obey Beta-Bernoulli distribution are taken as intermediate parameters, and a new hierarchical Gaussian state-space model was established. Finally, the unknown mixing probability and state estimation vector at each moment are inferred via a variational Bayesian approach, which provides an effective solution to improve the applicability of MCKFs in non-stationary noises. Performance evaluations demonstrate that the proposed filter significantly improves the existing MCKFs in non-stationary noises.     

公路场景去雾技术研究

提出了一种应用单目机器视觉技术并结合Hough变换消失线检测和边界检测技术来构建距离深度图的方法,并应用衰减-空气光去雾模型对图像进行了恢复。结果表明,采用该方法恢复的道路图像色彩自然,模型与实际道路完全匹配,对于不同距离的景物都具有良好的恢复效果。     

稀疏孔径光学系统成像恢复算法研究

分析了传统小波阈值去噪方法,给出改进去噪算法.先对稀疏孔径光学系统含噪成像,通过改进小波阈值去噪,提高信噪比,最大程度得到较为理想成像结果,参考修正维纳滤波方法,对去噪结果经过修正维纳滤波实现成像恢复.在实验中,考虑结构非冗余性,利用光学设计软件ZEMAX设计Golay6结构不同填充因子的稀疏孔径光学系统,以本算法进行成像恢复.实验结果表明本文算法优于单独使用维纳滤波或修正维纳滤波方法.     

不同滤波方法在去趋势波动分析中去噪的应用比较

研究了连续噪声和尖峰噪声对去趋势波动分析的影响,发现噪声的存在使得双对数曲线在尺度较小时发生了"转折"现象.针对这一问题,文中采用三种不同滤波方法对理想时间序列进行了实验,结果表明,多级Vondrak滤波得到的高频序列与真实噪声序列无论是在强度还是在演变趋势上都展现出惊人的一致性,低频滤波序列的去趋势波动分析结果与真实信号十分接近,多级Vondrak滤波基本上能够消除由于噪声所引起的"转折"现象,而且这一研究结果对于滤波周期阈值的依赖性并不太大.多点滑动加权平均滤波虽然能够在一定程度上减轻噪声对于去趋势波动的影响,但不能从根本上消除由于噪声所引起的"转折"现象.快速傅里叶滤波在选择合适的滤波周期阈值时,能够基本消除噪声对去趋势波动分析的影响,但是由于其滤波结果对于滤波周期阈值的依赖较大,在实际应用中滤波周期阈值的选取比较困难.因此,多级Vondrak滤波是消除噪声对去趋势波动分析结果影响的一种有效的途径. 关键词： 多级Vondrak滤波 去趋势波动分析 多点滑动加权平均滤波 快速傅里叶滤波     

Toward the detection of gravitational waves under non-Gaussian noises I. Locally optimal statistic

After reviewing the standard hypothesis test and the matched filter technique to identify gravitational waves under Gaussian noises, we introduce two methods to deal with non-Gaussian stationary noises. We formulate the likelihood ratio function under weakly non-Gaussian noises through the Edgeworth expansion and strongly non-Gaussian noises in terms of a new method we call Gaussian mapping where the observed marginal distribution and the two-body correlation function are fully taken into account. We then apply these two approaches to Student’s t-distribution which has a larger tails than Gaussian. It is shown that while both methods work well in the case the non-Gaussianity is small, only the latter method works well for highly non-Gaussian case.     

载波傅里叶分析法中干涉图的预处理技术研究

提出了一种基于旋滤波法的干涉条纹预处理方法,并将其应用到载波傅里叶分析法中。该方法能较好地处理各种噪声而不会使条纹变模糊。实验证明该方法能有效地去除相干噪声、随机噪声、椒盐噪声、由于光照不均匀引起的较大面积的亮斑或暗斑等噪声,能较好地提高载波傅里叶分析法的精度和重复性。     

辐射图像脉冲去噪方法

为去除辐射图像中的脉冲噪音,建立了一种先进行脉冲噪音检测再进行噪音数据修复的联合去噪音方法.首先采用测地膨胀方法从减灰度图像出发对原图像进行形态学灰度重构,再采用灰度阈值法从原图像与重构图像的差值图像中分割检测出脉冲噪音,然后采用改进非本地均值方法对噪音数据进行修复.改进非本地均值方法对相似像素的选择范围进行了限制,从原理上避免了传统非本地均值方法用于去除辐射图像脉冲噪音时易发生的以错纠错问题,本文对其进行了数学表述.实验证明,该方法对不同类型辐射图像的脉冲噪音均具有较好滤除效果,表现出良好的噪音数据修复和图像细节保护能力.     

An adaptive speech enhancement method for siren noise cancellation

Siren noises usually severely disturb the intelligibility of voice communication inside the cabs of police, paramedic and fire vehicles. It is often desired that such unwanted noise can be removed from the speech signal. In this paper, a new method is proposed to adaptively cancel siren noises and enhance speech signals. Based on the characteristics of siren noises, an anti-speech filter and a time delayer are employed in the single and dual channel noise cancellation systems to reduce the siren noises. Experiment results demonstrate that the effectiveness of the proposed method for canceling the siren noises and the performance of the enhanced speech signal is satisfying.