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。     

EMD阈值滤波在光纤陀螺漂移信号去噪中的应用

光纤陀螺(FOG)的漂移输出经常淹没在噪声中,直接建模补偿漂移信号非常困难,提出基于经验模态分解(EMD)的阈值滤波方法(EMD-T)对漂移信号预处理。为了提高EMD分解的精确度,基于噪声传播模型引入一种有界噪声辅助分析的方法,将漂移信号中幅值小、频率高的噪声信息压缩至低阶本征模态函数中。为了验证算法的有效性,采集一款干涉型FOG的静态漂移输出作为测试信号,将EMD-T与基于小波包变换(WPT)和常规EMD(CEMD)的阈值滤波方法进行了对比分析。仿真结果及Allan方差分析表明,EMD-T较WPT和CEMD滤波性能有显著的改善,经EMD-T处理后,漂移信号的量化噪声(Q)和角度随机游走(N)分别由0.7862μrad和4.58×10-3(°)·h-1/2下降至0.1340μrad和9.03×10-4(°)·h-1/2。     

自适应直达波抑制方法在前向散射宽带信号中的应用

介绍了前向声散射目标探测的基本原理,并提出了基于自适应滤波的直达波抑制(DBS-AF)方法。将DBS-AF方法扩展到线性调频(LFM)信号中,把信号的包络视为一种广义"波形"并输入自适应滤波器。利用该方法分析了湖试数据,并得到了随观测时间变化的检测输出曲线。在曲线上直达波对应了曲线的背景输出而目标引起的接收声场畸变则对应了曲线的峰值起伏。单个通道的直达波抑制效果可以达到-5 dB左右;引入去均值化预处理能够增强直达波抑制效果,再利用多通道的接收信息,直达波被抑制到-10 dB以下。影响算法性能的主要因素是训练权值时段内接收信号的起伏和信直比。      

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.     

SINS初始对准中光纤陀螺EMD滤波

为了实现低成本SINS初始对准,降低对准过程复杂程度,提高系统对准精度,缩短对准时间,本文引入了EMD滤波技术。首先,采集IMU输出信号,根据EMD算法将信号分解为IMF簇,按照CMSE标准对信号进行重构,完成信号滤波处理;接着,按照AR模型对经EMD滤波前后的数据噪声进行建模;然后,分别利用原始信号和EMD降噪后信号进行SINS姿态粗对准;最后,根据IMU模型和SINS误差模型,采用零速对准方式,完成SINS精对准。实验结果表明:经EMD降噪后的信号粗对准精度为1.3°,精对准精度为0.87 mrad,精对准收敛时间为200 s。     

基于EMD-DISPO的Mie散射激光雷达回波信号去噪方法研究

激光雷达回波信号是典型的非稳态、非平稳信号,用传统的滤波方法难以对其进行有效地处理.利用经验模式分解方法(EMD)将信号按照不同的特征时间尺度分解为不同的IMF分量,将含有噪声的高频IMF分量剔除,可达到去噪的目的.但如果简单地将高频分量直接剔除,有可能造成有效信号的损失.可提出将EMD方法与Savitzky-Gola...     

激光气体分析仪中数字滤波器的设计

由于基于可调谐二极管激光吸收光谱（TDLAS）技术的激光气体分析仪的二次谐波信号中存在较大的系统噪声,本文利用有限长单位冲激响应（FIR）,提出了激光气体分析仪的二次谐波在线滤波方法。在分析FIR数字滤波器原理的基础上,利用MATLAB窗函数设计了适合本激光气体分析仪的数字滤波器。然后,将仿真的FIR数字滤波算法移植到激光气体分析仪嵌入式系统中。最后,比较了滤波前后二次谐波信号波形,说明了在激光气体分析仪嵌入式系统中采用基于FIR数字滤波器滤波算法的可行性。实验结果表明：FIR数字滤波器对一组二次谐波信号进行滤波的运算时间为230ms,滤波后的二次谐波信号波形获得了较好的去噪效果,能够满足激光气体分析仪对含有噪声的二次谐波信号进行平滑去噪的要求,且滤波算法结构简单、运算时间短、可移植性强。     

基于EMD的单通道信源数估计方法

为了获取单通道接收信号的信源数目,针对普通信源数估计方法不能直接用于单通道接收信号的问题,提出了基于经验模态分解(empirical mode decomposition, EMD)的信源数估计方法。将单通道信号通过EMD处理,得到多个固有模态函数(intrinsic-mode function, IMF),据此构造数据协方差矩阵。对所构造的协方差矩阵进行特征值分解,采用基于信息论的AIC和MDL准则估计信源数。为进一步提高算法估计性能,引入对角加载技术对矩阵特征值进行平滑处理。仿真实验结果表面,本文提出的方法能够适用于单通道信源数估计,对角加载技术能够显著提高算法检测性能。     

基于Boxcar滤波器的荧光检测二氧化硫信号的去噪研究

荧光法以物质发射的荧光强度与浓度之间的线性关系进行定量分析。当采用荧光法检测大气中的二氧化硫等有害气体时,由于光电探测器等光电元件在无荧光时,仍会产生暗电流噪声,使得本底噪声信号对测量结果有直接的影响。在分析Boxcar滤波算法的基础上,运用小波滤波、EMD滤波和Boxcar滤波三种算法对淹没在本底噪声中的荧光信号进行有效提取和恢复,较之前两种滤波方法,Boxcar滤波效果更佳,对本底噪声的抑制更强,并验证了取样次数影响着荧光信号的信噪比。     

利用小波多尺度分解算法实现混沌系统的噪声减缩

应用小波多尺度分解算法进行噪声减缩,从混沌背景中分离周期信号、噪声及其他混沌信号.小波多尺度分解算法能够区分不同尺度的信号是利用小波变换在时、频两域具有突出信号特征的能力以及小波变换是一线性变换的特点.提出的方法仅利用信号的尺度特性,克服了先前的噪声减缩要知道产生混沌信号的数学模型,并且要求叠加在混沌背景中的其他信号的幅度相对混沌背景信号的幅度很小的假定.给出了从Lorenz混沌背景中提取正弦信号、白噪声和Chua's电路产生的混沌信号的计算机模拟结果. 关键词：     

基于改进经验模态分解域内心动物理特征识别模式分量的心电信号重建

心电图(electrocardiogram,ECG)诊断心脏疾病的严格标准,要求有效地消除噪声并准确地重建ECG信号.经验模式分解(empirical mode decomposition,EMD)方法重建ECG信号中,模式混叠及重建采用模式分量的识别以经验为基础,导致重建ECG信号准确度降低,且方法不具有自适应和通用性.本文首先基于积分均值定理提出一种改进的EMD方法——积分均值模式分解(integral mean mode decomposition,IMMD)方法,经5000个高斯白噪声样本的蒙特卡罗法验证,IMMD方法比EMD具有更优多分辨率分析能力,能够有效地缓解模式混叠.其次,基于ECG信号内固有心动物理特征量识别重建ECG信号所采用的模式分量,具有现实物理意义,因此,方法具有自适应和通用性.经验证,提出方法重建47例ECG信号与原ECG信号的相关系数中:31例优于变分模式分解方法;33例优于Haar小波软阈值法;42例优于集总经验模式分解方法;45例优于EMD方法.相关系数均值为0.8904,方差为0.0071,表现稳定且最优.     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

345 GHz折叠波导行波管中电磁传输损耗的分析计算

利用电导率等效方法对345GHz折叠波导行波管中的电磁信号的传输损耗进行了仿真研究,考察了流通管孔径、加工粗糙度等对冷腔传输损耗的影响。结果表明,流通管孔径较大或加工粗糙度较大都会导致电磁信号传输严重衰减。模拟分析了热腔中电磁信号衰减对慢波结构净增益、带宽、最佳周期数等器件特征参数的影响,结果显示,电磁信号衰减会使得增益下降和带宽降低。     

基于经验模态分解的高光谱遥感数据去噪方法

经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。     

基于谱图分解的宽带通信信号智能检测算法

对于宽带通信信号检测问题,针对目前基于深度学习的信号检测算法不适应于处理大带宽和大时宽的宽带信号以及对信号时频参数估计存在的固有偏差问题,提出基于谱图分解的宽带通信信号智能检测算法,完成对大带宽接收信号中窄带信号的高效准确检测。首先将由宽带信号转化而来的灰度时频谱图通过谱图分解得到适合于目标检测网络输入大小的子谱图,然后使用改进的无锚框YOLOx目标检测算法对子谱图中的窄带信号进行检测,最后将子谱图的信号检测结果融合得到窄带信号的时频参数等检测结果。经过实验测试得出,该算法能够适应复杂的噪声环境,与其他深度学习算法和传统算法相比,具有较高的信号检测概率,较低的虚警概率,较小的信号参数估计平均误差,其检测精度更高,鲁棒性、实用性、通用性更强。     

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FPGA 的超导动态电感探测器频梳读出信号产生

超导动态电感探测器(Kinetic Inductance Detectors, KIDs) 作为一种新型的超导探测器, 在天文学等领域得到了广泛应用, 具有高灵敏度、 高能量分辨率等优点, 并且可以通过频域复用直接扩展到大型阵列. 然而, 为了支持上千像素的探测,KIDs 阵列需要产生复杂的频梳信号, 占用较大的信号带宽. 因此, 数模转换器件(Digital-to Analog Converter, DAC) 的采样率对于 KIDs 阵列的读出电路实现至关重要. 基于JESD204B 传输协议的高速 DAC相较于传统低电压差分信号(Low-Voltage Differential Signaling, LVDS) 协议的转换器具有更高的采样率和传输速率, 可用于频梳信号波形的产生. 为此, 本文提出了一种基于现场可编程门阵列(Field Programmable Gate Array, FPGA) 的设计, 以 Xilinx 公司 Kintex-7 系列 FPGA 为主控芯片, 通过高速串行接口JESD204B 和高速 DAC 芯片AD9136 实现高速数据传输,DAC 采样率为2 GSPS, 能生成带宽为1 GHz 的基带信号. 实验结果表明, 该设计能够有效地生成复杂的频梳信号, 具有较高的信号质量和灵活性, 解决了传统 DAC 及直接数字频率合成(Direct Digital Synthesizer, DDS) 器件难以产生复杂多变波形的难题, 有助于拓展 KIDs 阵列的工程应用.     

传感器网络基于特征值分解的信号被动定位技术

基于传感器网络的信号被动定位技术在电磁学、声学、声呐系统以及传热学等领域具有广泛的应用前景,当传感器网络节点所接收噪声强度不同或传输信道存在阴影衰落效应时,给出了目标信号到达距离比定位关联度量的估计方法与基于信号到达距离比的被动定位算法.将特征值分解技术引入到信号到达距离比定位关联度量估计中,通过接收信号协方差矩阵特征值分解技术估计各节点所接收噪声强度,并通过网络参考节点轮换与特征值分解方法消除阴影衰落效应所引入的定位误差,最后给出该算法的最小二乘定位解.该方法可较好的消除由于节点接收噪声强度不同以及阴影衰落效应等因素所带来的定位性能恶化.     

阵列信号源中的窄带噪声实时生成与时延控制技术研究

针对鱼雷声自导测试信号源中的目标辐射信号模拟问题,集中探讨窄带噪声的生成及其通道间时延控制算法。首先研究窄带噪声实时生成算法,基于线性同余法生成均匀噪声,以其作为查询噪声池的地址,产生宽带噪声,并通过带通滤波得到窄带噪声。为保证模拟目标的方位角精度,精确控制各个通道的时延量,提出适用于宽带信号的延时滤波算法,基于多采样率信号处理技术,通过对噪声信号进行插值、延迟、选抽、滤波等操作,提高时延控制精度。结合算法原理分析,得到延时滤波的简化算法。数字仿真表明,提出算法适用于窄带信号实时生成,时延控制精度高。     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差