受污染混沌信号的协同滤波降噪

根据混沌吸引子的自相似分形特性,提出了一种利用协同滤波重构受污染混沌信号的降噪算法.所设计的降噪算法通过对相似片段的分组将一维混沌信号的降噪转化为一个二维联合滤波问题;然后,在二维变换域用阈值法衰减噪声;最后,通过反变换获得原始信号的估计.由于分组中的相似片段具有良好的相关性,与直接在一维变换域做阈值降噪相比,分组的二维变换能获得原信号更稀疏的表示,更好地抑制噪声.仿真结果表明,该算法对原始混沌信号的重构精度和信噪比的提升都优于小波阈值、局部曲线拟合等现有的混沌信号降噪方法,对相图的还原质量也更好.     

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.