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...     

改进阈值提升小波和自适应滤波器的开放光路红外光谱去噪

大气污染物的主要组成成分为挥发性有机物(VOCs),傅里叶变换红外光谱技术(FTIR)是现阶段应用广泛的挥发性有机物在线测量方法。开放光路获取到的大气红外光谱(OP-FTIR)易受各种噪声污染,如何有效、快速的去除红外光谱中的噪声是大气在线实时监测系统研究的热点。综合利用提升小波变换结构简单、运算量低的优点以及最小均方误差自适应滤波器的自动调节参数以达最优化滤波的性能,提出了一种改进阈值提升小波结合自适应滤波的红外光谱去噪算法。该算法先通过改进阈值小波系数的提升小波去噪,在去噪的同时保留更多光谱特征信息,然后使用提升小波变换分解出的高频系数重构出噪声相关信号,将其作为最小均方误差自适应滤波器的参考输入进行二次滤波处理,最终获得的去噪信号很好的去除了与特征光谱频谱重叠的噪声信号。分别对人工添加噪声的标准红外光谱和合肥市市区上空实测开放光路红外光谱进行去噪处理,结果显示使用该算法处理后的光谱信噪比(SNR)较离散小波传统阈值去噪方法高出3db,均方根误差(RSME)平均减少30%左右,运行时间减少46%。表明该算法计算简单、运行速度快,对于大气环境监测实时消噪系统具有重要的实际应用意义。     

互补型自适应滤波器在心磁信号处理中的应用

将心磁信号从干扰噪声中加以提取并有效地消除噪声干扰是心磁信号处理中尤为重要的环节 .从改进算法的角度出发，提出互补型自适应滤波器结构以实现心磁信号的消噪处理.该滤波器针对心磁这类非平稳信号进行设计，有效地解决了常规自适应滤波器应用于心磁信号处理时收敛速度和稳态误差的矛盾.通过仿真实验和心磁实验结果表明，该算法能有效地消除心磁信号的背景噪声和工频干扰噪声.同时该算法也可用于其他非平稳信号的消噪处理. 关键词： 自适应滤波 心磁图 最小均方误差     

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。     

基于FPGA的光纤陀螺自适应LMS滤波算法研究

光纤陀螺仪的精度严重制约着以其为核心的惯性导航系统精度,为进一步提高系统精度须对光纤陀螺进行滤波处理。本文在自适应LMS滤波算法的基础上,以FPGA实现光纤陀螺数据的采集和滤波处理。以光纤陀螺的延时信号作为参考值,实时自适应调整陀螺不同时刻输出的权值来实现对噪声的滤除。在FPGA中,利用有限状态机的方式来完成该滤波算法的实现,同时完成权值系数的更新和信号采集等模块的功能。结果表明,经过FPGA采集并滤波后的光纤陀螺信号中的噪声分量明显降低,滤波延时远小于采样周期,完全满足工程实际需要。     

基于NLMS滤波器的荧光检测苯并(a)芘光谱信号的去噪研究

根据苯并(a)芘在特定光的照射下能够发出荧光的特性,采用紫外荧光法检测苯并(a)芘的浓度,构建了检测苯并(a)芘浓度的实验系统。为了精确地检测出苯并(a)芘的浓度,需要将实验中所得数据中所包含的噪声滤除掉,得到有效的荧光信号。将归一化最小均方自适应滤波(NLMS)的原理应用到光谱数据的噪声处理中,并将其与小波去噪的效果相比较,用Matlab仿真出去噪效果图,从不同的角度分析去噪效果。经过对比得出,用归一化最小自适应滤波能够继续保持信号的非平稳特性,达到更加理想的去噪效果,去噪性能更优,此种方法适用于荧光法检测物质浓度的信号处理中。     

基于中值预滤波的航空图像小波去噪算法研究

结合航空图像的噪声来源与图像特性,提出一种基于中值预滤波的图像小波去噪算法.图像首先经中值滤波器进行预滤波,滤除随机的脉冲式噪声,然后对处理后的图像进行小波变换,与给定阈值相比,对可明显判为信号或噪声的系数进行相应处理;对不确定为信号或噪声的系数进行多尺度上的相关性追溯,判别其归属后进行处理.实验结果表明:该方法客观上提高了图像的信噪比,主观上使去噪后的图像纹理分明,能更好地适合人眼的视觉特性,有利于航空图像的分析、判读.     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。     

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。     

基于NLMS自适应滤波的近红外光谱去噪处理方法研究

为了去除直接采集的近红外(NIR)光谱中含有的噪声,将归一化最小均方(NLMS)自适应滤波方法引入到NIR光谱去噪领域中。以51份土壤样品的NIR光谱为研究对象,探讨NLMS自适应滤波方法在NIR光谱预处理中的应用,并将处理后的结果与土壤中有机质的含量相关联,建立模型。结果表明,通过NLMS自适应滤波去噪后的光谱,预测集的相关系数r由处理前的0.8284提高至0.9654,预测均方根误差(RMSEP)由处理前的0.3385降至0.1606。由此可见,NLMS自适应滤波对NIR光谱的去噪有显著效果,可以有效地提高光谱的分析精度和模型的稳健性,为NIR光谱的预处理提供了一种新方法。     

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。     

非线性时间序列的小波分频预测

基于噪声的小波变换特点，结合小波包分解和模极大重构来抽取含噪信号的主分量，提出了一种基于最佳尺度分解和Volterra自适应滤波的分频预测算法，使用较少的模型训练样本，同时具有强的抗噪能力.该算法克服了传统小波分解尺度选取的盲目性及单纯Volterra预测器抗噪性能的不足，数值仿真表明，针对含强噪声的非线性信号可进行有效预测. 关键词： 小波分解 Volterra自适应滤波器 分频预测     

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。     

基于自适应耦合PDE模型的车牌图像去噪研究

针对车牌识别预处理中的图像去噪问题,提出一种自适应耦合偏微分方程(PDE)去噪模型;该模型在各项异性扩散模型的基础上,构造一种新的去除椒盐噪声的扩散项,能够根据噪声图像特点自适应控制扩散速度,有效抑制椒盐噪声,并将新的扩散项与各向异性扩散模型进行耦合,并提出一种新的耦合系数计算方法,根据图像信息自适应计算耦合系数,使得新模型能够在新的扩散项和各项异性扩散模型间自适应转换,有效去除车牌图像中的混合噪声;为了抑制去噪引起的图像边缘模糊问题,引入振动滤波进行逆滤波,增强图像的边缘信息;实验结果表明,自适应耦合PDE模型能更有效去除车牌图像中的混合噪声,保护图像的边缘信息,提高图像的峰值信噪比(PSNR);去噪后的图像更有利于后续的字符分割与识别,有效提高车牌图像的识别准确率。     

利用经验模态分解的高频水声信号滤波方法*

研究了一种高频水声信号的滤波问题,提出了一种改进的经验模态分解加小波阈值滤波方法。首先对信号进行带通滤波处理,再进行经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法对这些频域信号进行滤波,最后对信号进行重构,并转换为时域信号。经数值仿真与试验数据验证表明此方法是可行有效的,与原基于经验模态分解的小波阈值滤波方法相比,本方法滤波效果较好:对不同输入信噪比的仿真信号进行滤波后,本方法的输出信噪比最大提高17.41 d B,滤波后所得信号与加噪前纯信号的相关系数最大提高0.90;对实验数据进行滤波后,不同时间段信号的相关系数最大提高0.62。     

自适应格形联合滤波噪声抵消器及优化步长

自适应噪声抵消方法(ANC)能有效地增强被加性噪声干扰的信号。鉴于传统的采用LMS横向滤波器(TF)的ANC(TFANC)有其缺点,本文研究了采用格形联合滤波器(LF)的ANC(LFANC),证明了它具有基本上不依赖于输入的优异收敛性能。另外,针对前人工作的不足,我们从理论上着重研究导出了LFANC的失调的解析表达式并进行了实验验证,从而得到失调随滤波器级数呈指数增长的重要结论。我们还成功地将优化步长用于多级LF,这样就能在几乎不增加运算量的前提下大大加快LF的收敛,将以上方法用于对真实含噪语音的处理,取得了较好的效果。     

基于小波变换的Stark展宽算法的优化研究

为了提升Stark展宽计算等离子体电子密度的准确性,基于小波阈值去噪处理方法,对EAST氘原子光谱信号进行了处理,以信噪比(SNR)和均方根误差(RMSE)作为滤波效果的评价依据,通过对比确定了最优小波基db4,最优小波分解4层。根据噪声估计值计算适合的阈值参数进行信号重构,并将经过去噪处理后的数据应用到后期Stark展宽算法计算等离子体密度的分析过程中。结果表明,小波硬阈值去噪能够有效提高光谱信号信噪比、降低均方根误差,在消除光谱信号中噪声的同时,最大程度保留了有用的光谱细节特征信息,进而有利于光谱数据的建模效果,获得更为准确的等离子体电子密度。     

基于FPGA与Matlab的数字正交解调器的设计

为有效提取测控系统输入信号的幅度和相位信息,设计了基于FPGA与Matlab的信号数参考文献6文献类型、文献出处、年份字正交解调器。在Matlab/Simulink环境中产生一路调幅信号,并在此环境下利用5个直接I型的4阶FIR滤波器节搭建了20阶FIR滤波器;利用FPGA查表法实现数控振荡器(NCO),并控制1路调幅信号与正交的正、余弦信号分别进行数字混频处理;对经FPGA数字混频处理后的两路倍频分量和基频分量信号进行滤波处理,经处理后的信号在FPGA的控制下进行相加处理。最后在硬件平台上进行了仿真测试实验,验证了该方案的正确性和可行性。     

自适应滤波器在机载武器测试系统中的应用

针对飞机机载武器设备特点和测试维修要求,在分析了自适应滤波器的结构、最优评估等特性基础上,根据现场可编程门阵列(FPGA)的设计过程,构建了基于最小均方误差(LMS)算法的横向自适应滤波器.仿真结果和使用表明:设计实现的自适应滤波器,在FPGA中开辟512 kB的随机存储器(RAM)存储空间,能够实现权值系数向量的自动调节,且适应信号变化的特性,滤波后的信号测试误差不大于5%,且LMS算法在0.1 ms内可收敛到最优,满足数据处理的实时性和机载武器系统测试的要求.     

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.