基于广义似然比判决的混沌信号重构方法

由于传感器网络的自身特征和节点的资源受限,使得对观测信号的处理必须考虑量化和能耗等因素,而引入的量化噪声同时增加了系统整体噪声的复杂性.针对传感器网络中整体噪声统计特性难以准确数学建模的特点,提出了一种基于代价参考粒子滤波的混沌信号重构算法.算法采用容积点变换以获得相对准确的更新粒子,并将局部重构信号的代价增量构建为广义似然比函数,用来选择传感器网络中的有效工作节点.仿真结果表明:所提算法可实现混沌信号的有效重构,且在噪声统计特性未知时性能要优于容积卡尔曼粒子滤波算法;算法同时能够通过选择不同的广义似然比阈值,实现网络能耗和重构精度的折中.     

二次谐波的变分模态分解和小波阈值函数降噪

针对利用可调谐半导体激光器吸收光谱学(TDLAS)技术测量气体浓度过程中二次谐波谱线存在的外界噪声干扰问题,提出一种基于变分模态分解和小波阈值函数复合算法的二次谐波降噪方法。首先对二次谐波含噪信号进行分解,得到有用固有模态函数(IMF)并进行重构,再对重构信号进行小波阈值函数降噪处理。讨论了变分模态分解中最佳平衡参数的选取,得出最佳平衡参数与含噪信号中噪声成正比的结论。通过改变小波变换的阈值函数改变高频小波系数,以更好地抑制噪声。对实际测量曲线的降噪结果表明,所提出的降噪方法可以在信噪比较低的情况下有效抑制噪声,提取有用的二次谐波信号。     

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.     

超声医学图像降噪处理中的软阈值方法

通过二维离散小波变换将超声医学图像投影到小波变换域 ,利用Donoho软阈值技术方法进行降噪处理 ,可快速有效地去除图像的斑点噪声     

基于相空间邻域的混沌时间序列自适应预测滤波器(Ⅰ)线性自适应滤波

提出了一种基于相空间邻域的线性自适应滤波算法，将时间域变换到高维重构矢量空间，使 得不可能实现的线性预测变成了可能.实验结果表明：这种基于相空间邻域的线性自适应预 测滤波器能够有效预测一些混沌序列，能够检测到一些混沌载波中的信号，具有去混沌噪声 的能力. 关键词： 混沌时间序列 重构矢量 自适应预测     

一种基于非完整二维相空间分量置换的混沌检测方法

由于混沌时间序列和随机过程具有很多类似的性质, 因而在实际中很难将两者区分开来. 混沌信号检测与识别是混沌时间序列分析中一个重要的课题. 混沌信号是由确定性的混沌映射或混沌系统产生的, 相比于高斯白噪声序列, 其在非完整的二维相空间中表现出更加丰富的结构特性. 本文通过研究混沌时间序列和高斯白噪声序列在非完整二维相空间中的分布特性, 利用混沌信号的非线性动力学特性, 提出了一种基于非完整二维相空间分量置换的混沌信号检测方法. 该方法首先由接收序列得到非完整的二维相空间, 基于第一维分量大小关系实现对第二维分量的置换与分组, 进一步求得F检验统计量. 然后利用混沌系统的局部特性, 获取非完整二维相空间的动力学结构信息, 实现对混沌序列的有效检测. 在高斯白噪声条件下对多种混沌信号进行了信号检测的数值仿真. 仿真结果表明: 相比置换熵检测, 本文所提算法所需数据量小、计算简单以及具有更低的时间复杂度, 同时对噪声具有更好的鲁棒性.     

高光谱遥感图像微分域三维混合去噪方法

高光谱遥感图像是一种三维数据,由二维空间信息和一维光谱信息组成。普通的对二维静态图像或一维光谱信息去噪的算法忽视了高光谱图像强烈的谱间相关性和图谱合一的特点,无法取得令人满意的效果。同时现代的高光谱遥感图像噪声级别相对较低,噪声方差随波段不同而不同。针对以上特点,提出一种微分域三维混合去噪方法。首先将高光谱遥感图像变换到光谱微分域,使细微的噪声变得显著。然后在微分域中,对二维空间域采用基于小波的非线性阈值去噪BayesShrink算法。为克服噪声方差不同的特点,对光谱维不再采用小波阈值去噪方法,而采用Savitzky-Golay滤波进行平滑。最后对微分域去噪平滑处理后的图像进行光谱积分,并进行积分修正,消除光谱积分中引入的积累误差。对信噪比为600∶1的机载可见红外成像光谱仪数据(AVIRIS)实验表明,该算法能有效地降低噪声,将信噪比提高到2 000∶1以上。     

氢气拉曼光谱压缩感知方法分析研究

气体监测与我们的生活息息相关,氢气作为一种理想的研究模型更是受到广泛关注。拉曼光谱作为一种气体分析手段,具有无损非接触等优点。气体拉曼光谱测量存在的一个主要问题是拉曼散射信号弱。在一些特定场景下,需要信号采集时间较短,因此获得的拉曼光谱信噪比低。压缩感知方法作为一种新发展起来的信号处理手段,不仅可以压缩采样,缩短采样时间,而且可以降噪,提高信噪比,以更好地实现原始信号的恢复和重建。该研究以氢气和氘气为测量对象,分别采用洛伦兹函数设计原子构建字典OMP（orthogonal matching pursuit）算法重构和傅里叶变换滤波后多个正交基构建正交基字典OMP重构两种压缩感知方法分析氢同位素气体的拉曼光谱。通过对仿真数据和实际测量数据的处理,比对了两种压缩感知分析与小波软阈值、小波硬阈值和SG（Sawitzky-Golay）滤波处理的谱峰强度效果以及信噪比和均方根误差,证明洛伦兹函数设计原子构建字典OMP算法重构可以用于氢气拉曼光谱降噪。     

基于二维空间的语音分形处理算法

提出了一种二维空间的语音分形增强算法。算法对已加窗、模块化的语音数据进行二维傅里叶变换。以分形维数构成自适应滤波器,降低噪声,增强语音,得到清晰的信号。研究表明,分形算法可以弥补传统线性分析方法的不足,二维自适应滤波前后语音的包络形状较好地保持了原始语音信号的特征,算法减小了由于非平稳噪声的影响,并有效抑制了音乐噪声。     

连续混沌信号的离散余弦变换域二次实时滤波预测

提出了少参数二阶Volterra滤波器的一种离散余弦变换(DCT)域二次滤波实现结构及其NLMS自适应算法，并用这种DCT域二次滤波预测器研究了三种连续混沌信号的非线性实时多步预测性能. 仿真研究结果表明：(1) 这种DCT域二次滤波预测器比少参数二阶Volterra滤波器的一步预测均方误差性能提高了100倍，表明这种实现结构简单、易实现，且具有更好的收敛性能；（2）采用这种滤波预测器对三种连续混沌时间序列的实时多步预测性能明显优于局域法的多步预测性能. 关键词： 混沌 实时预测 NLMS自适应算法     

软门限去噪法在X射线能谱分析中的应用

从函数空间的剖分和理想滤波器组的角度分析了多分辨率信号的分解与重构，提出了一种X射线能谱去噪的方法，即应用Mallat算法对谱信号进行小波分解，然后应用一个非线性软门限函数在小波域内将噪声抑制和消除，最后重构得到去噪后的能谱。该方法明显改善了能谱定量分析的结果。     

混沌信号的压缩感知去噪

对非线性时间序列进行噪声抑制是从中提取有效信息的前提. 混沌信号的去噪算法不仅要使滤波后的信号具有较高的信噪比, 也要具有较好的不确定性. 从压缩感知的角度出发,提出了一种新的噪声抑制方法. 该方法包括估计噪声方差, 以及依据动态的稀疏度将观测值往确定的过完备字典上投影. 仿真实验表明, 该方法比常用的小波阈值法和局部曲线拟合法具有更高的输出信噪比, 而原始信号的混沌特性也能得到较大程度的恢复.     

Blind Extraction of Chaotic Signals by Using the Fast Independent Component Analysis Algorithm

We report the results of using the fast independent component analysis （FastICA） algorithm to realize Mind extraction of chaotic signals. Two cases are taken into consideration： namely, the mixture is noiseless or contaminated by noise. Pre-whitening is employed to reduce the effect of noise before using the FastICA algorithm. The correlation coefficient criterion is adopted to evaluate the performance, and the success rate is defined as a new criterion to indicate the performance with respect to noise or different mixing matrices. Simulation results show that the FastICA algorithm can extract the chaotic signals effectively. The impact of noise, the length of a signal frame, the number of sources and the number of observed mixtures on the performance is investigated in detail It is also shown that regarding a noise as an independent source is not always correct.     

基于改进非局部均值的CPMG信号去噪算法

采用低场核磁共振技术进行检测时,接收到的回波信号微弱且信噪比低,真实的信号容易淹没在背景噪声中,严重影响到后续的反演等操作的准确性．针对这一问题,提出利用非局部均值滤波算法对CPMG(Carr Purcell Meiboom Gill)回波信号进行降噪的方法．首先,对算法中至关重要的参数选择的方法进行分析,提出了利用Stein无偏风险估计的自适应参数选取方法;然后,根据回波信号的特性对算法进行改进,即利用信号点数据方差的不同,自适应地求取各点进行非局部均值滤波时的相似窗宽度;最后,求取利用最优参数进行降噪后的CPMG回波信号．对仿真数据和真实数据的反演结果对比分析表明,该改进的非局部均值滤波算法能够取得更好的滤波效果,能够获得较优的反演谱．     

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.     

Optimizing chaos-based signals for complex radar targets

There has been interest in the use of chaotic signals for radar, but most researchers consider only a few chaotic systems and how these signals perform for the detection of point targets. The range of possible chaotic signals is far greater than what most of these researchers consider, so to demonstrate this, I use a chaotic map whose parameters may be adjusted by a numerical optimization routine, producing different chaotic signals that are modulated onto a carrier and optimized for different situations. It is also suggested that any advantage for these chaos-based signals may come in the detection of complex targets, not point targets, and I compare the performance of chaos-based signals to a standard radar signal, the linear frequency modulated chirp. I find that I can optimize a chaos-based signal to increase the cross-correlation with the reflection from one complex target compared to the cross-correlation with the reflection from a different target, thus allowing the identification of a complex target. I am also able to increase the cross-correlation of the reflection from a complex target compared with the cross-correlation with the reflection from spatially extended clutter. I show that a larger output signal-to-noise ratio is possible if I cross-correlate with a reference signal that is different from the transmitted signal, and I justify my results by showing how the ambiguity diagram for a chaos-based signal can be different than the ambiguity diagram for a noise signal.     

基于信号子空间增强和端点检测的大地电磁噪声压制

为了进一步保留大地电磁低频段的有用信息、提高矿集区复杂噪声环境下大地电磁测深深部探测能力,在形态滤波的基础上结合信号子空间增强和端点检测做二次信噪分离处理.首先,针对形态滤波预提取的噪声轮廓运用信号子空间增强分离出信号子空间和噪声子空间.然后,将信号子空间和重构信号相结合并将噪声子空间置零.最后,借鉴端点检测做后处理,以识别波形突变的起止点.仿真结果表明,卡尼亚电阻率曲线在低频段的数据质量得到了明显改善、视电阻率值相对稳定;有效地补偿了形态滤波处理过程中损失的低频有用信号,其结果更加真实地反映了测点本身所固有的大地电磁深部构造信息.     

一种基于人工蜂群算法的混沌信号盲分离方法

混沌信号所固有的非周期、宽带频谱和对初值极度敏感等特性使得对这类信号进行盲分离极为困难. 针对这一问题, 提出一种新的盲分离方法, 该方法通过相空间重构来构造代价函数, 将混沌信号的盲分离转化为一个无约束优化问题, 并利用人工蜂群算法进行求解. 不同于现有的独立成分分析方法仅使用混合信号的统计特性来解决分离问题, 该方法能充分利用混合信号内在的动态特性, 因而在处理混沌信号这种确定性信号时能获得更好的分离效果. 此外, 正交矩阵的参数化表示有效地降低了盲分离问题的复杂性, 使优化过程能快速收敛. 实验结果表明, 该方法具有较快的收敛速度和较高的数值精度, 在分离混沌信号时其整体性能优于现有的几种盲分离方法. 同时, 在分离混沌-高斯混合信号的实验中该方法也展现出优异良好的性能, 这表明该文的方法有应用潜力.     

Chaotic signal denoising algorithm based on sparse decomposition

Denoising of chaotic signal is a challenge work due to its wide-band and noise-like characteristics. The algorithm should make the denoised signal have a high signal to noise ratio and retain the chaotic characteristics. We propose a denoising method of chaotic signals based on sparse decomposition and K-singular value decomposition(K-SVD) optimization. The observed signal is divided into segments and decomposed sparsely. The over-complete atomic library is constructed according to the differential equation of chaotic signals. The orthogonal matching pursuit algorithm is used to search the optimal matching atom. The atoms and coefficients are further processed to obtain the globally optimal atoms and coefficients by K-SVD. The simulation results show that the denoised signals have a higher signal to noise ratio and better preserve the chaotic characteristics.