一种基于SVD降噪和CNN分类的无线信号调制识别方法

针对低信噪比下噪声干扰导致的调制信号识别精度不足的问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)降噪和卷积神经网络(Convolutional Neural Network,CNN)分类的无线信号调制识别方法SVD-CNN。该方法提出了基于SVD的信号降噪模块来对输入信号进行降噪,设计了一维符号级CNN架构来直接识别信号特征并分类。针对高斯、瑞利信道下的调制仿真数据集,将提出的方法与典型调制识别方法如CNN识别方法、瞬时特征-全连接神经网络(Instantaneous Characteristic-Fully Connected Neural Network,IC-FCNN)识别方法进行了对比实验。实验结果表明,所提方法在低信噪比下具有更高的识别精度,在信噪比为0 dB时平均识别准确率提升近38%~49%。

基于小波阈值去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,该函数不仅易于计算,而且具有优越的数学特性和清晰的物理意义。实验结果表明,该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。

基于结构风险最小化原则的奇异值分解降噪研究

针对奇异值分解降噪中矩阵有效秩的阶次难以确定的问题,提出了利用结构风险最小化原则来确定矩阵的有效秩阶次的新方法。该方法依据统计学习理论,把有效秩阶次的选择看作是一个学习过程,利用结构风险最小化原则来代替传统的经验风险最小化,从而自动得到奇异值分解降噪中矩阵的有效秩。仿真表明,该方法不但具有较好的降噪精度和算法稳定性,而且降低了消噪模型算法的复杂度。

小波阈值去噪和FAR建模结合的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种小波阈值去噪和函数系数自回归FAR建模结合的MEMS陀螺数据处理方法。采用小波阈值去噪法对MEMS陀螺输出信号去噪,提高其信噪比;为克服常用的自回归AR模型无法解决MEMS陀螺随机漂移存在的非线性问题,引入FAR模型对MEMS陀螺的随机漂移进行建模。实验结果表明,此数据处理方法可有效抑制MEMS陀螺输出噪声,且与AR模型相比,FAR模型能更精确地对MEMS陀螺随机漂移进行建模及预测。

基于奇异值差分谱降噪与经验模式分解的滚动轴承故障特征提取方法

针对滚动轴承振动信号含有大量噪声且具有非线性、非平稳特性致使故障特征难提取的问题,提出一种基于奇异值差分谱降噪与经验模式分解(EMD)相结合的滚动轴承故障特征提取方法。首先,将滚动轴承振动信号在相空间重构的基础上利用奇异值差分谱完成降噪;其次,将降噪后的信号经EMD筛分为多个含有信号局部特征的本征模式分量(IMF);最后对与原信号相关度最大的IMF进行Hilbert包络解调,进而提取故障特征频率。实验结果表明:该方法不仅有效去除信号噪声,而且准确提取滚动轴承的故障特征。

用于含噪二值图像的改进NAS-RIF图像盲复原算法

D.Kunder等提出的 NAS-RIF图像盲复原算法在无噪情况下 ,能够得到好的结果 ,但算法对噪声敏感。针对此特点 ,Michael K.Ng等提出了 NAS-RRIF算法 ,它主要是对逆滤波器进行正则化 ,以避免噪声过分放大 ,但所得结果没有大的改善。二值图像的盲复原也是有其应用价值的 ,本文将二值图像所具有的更多先验信息用于NAS-RIF算法 ,采用新的非线性函数 ,并结合后续处理 ,提出一种用于含噪二值图像的改进算法。实验表明 ,在噪声情况下 ,所提出的算法可以得到满意的结果。算法还考虑了背景灰度值非零情况。文章给出了实验结果 ,另外还考虑并解决了

基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤波相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号。研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征。

无线信道下Turbo码的信噪比估值新算法

该文基于高阶统计量的分析提出了用于Nakagami-m衰落信道下信噪比估值的新算法,它比已有算法更加简单有效,同时通过进行信噪比估值对Turbo码译码精度的灵敏性仿真测试证明了新算法的有效性。

改进的小波图像阀值去噪方法

阐述了基于小波变换的多分辨分析阀值去噪理论及其算法实现,提出了一种阀值估计的改进方法,该方法较传统阀值去噪方法能更准确的估计阀值,从而改善去噪效果,实现了阀值估计方法用于传统小波阀值去噪,仿真结果表明,该方法比传统的阀值去噪方法无论在峰值信噪比还是主观视觉效果上都有明显的改善。

新的信噪比估值方法及其在Turbo译码中的应用

Turbo码的MAP(最大后验概率)译码算法需要估值信噪比,否则会有一定的信噪比损失.本文基于高阶统计量的分析提出了Turbo码信噪比估值的新算法,它比已有算法更加简单有效,并且能从高斯信道推广到瑞利信道的一般情况,同时通过进行信噪比估值对Turbo码译码精度的灵敏性仿真测试证明了新算法的有效性.

核磁共振测井回波信号小波阀值去噪方法

MRT6910核磁共振测井仪采集的信号属于微弱信号,在高背景噪声下回波信号信噪比低、信号强度弱,影响反演效果及测井解释准确性。通过仿真分析,考察小波去噪方法和小波分解层数对去噪效果的影响,引入去噪效果评价指标,提出一种适合于核磁共振测井回波信号的小波阀值自动去噪法。模拟结果表明,小波去噪后信噪比增强,T2谱反演精度大幅度提高。

基于小波变换的图像阀值去噪算法

针对传统的基于图像消噪的方法存在的问题,即在低信噪比的情况下,传统的滤波方法消噪效果得不到有效的改善,甚至图像在处理之后变得模糊。基于小波变换的图像阀值去躁算法,利用小波变换的特性,可以有效的去除噪声,最大程度的保留图像的有效信息。利用Matlab仿真实验结果表明,与传统的滤波方式相比,基于小波变换的图像阀值去噪算法使处理之后的图像更加接近于原始图像,且处理后图像模糊程度比传统算法大大减小。

基于极大重叠小波系数方差分析的混沌时间序列去噪方法研究

自然界中观测到的混沌现象一般都混有噪声,存在的噪声会使得对混沌时间序列的预测产生较大的误差。小波阈值去噪具有多分辨率分析的特点,计算量较小,同时去噪效果较好,但传统的消噪方法存在重信号而轻噪声特征的情况,噪声水平的估计也常常以第1层小波系数的中值变差为依据,同时阈值的选取又与噪声水平和信号长度相关。如果能准确估算混沌信号的水平,并确定各层小波分解系数上的噪声方差,便可提高去噪效果。因此,构建了近似仿真Lorenz混沌含噪信号,并通过极大重叠离散小波对信号进行了分解,分析噪声方差在各层小波系数上的分布规律,并由此确定小波系数各层不同的阈值系数。通过该方法可以得到相对较优的结果。算例结果表明,采用所提方法可以减少预测产生的误差,验证了该方法的有效性。

ISVD降噪和重排谱图在烟机信号HHT时频谱分析中的应用

针对基于希尔波特黄变换(HHT)的时频谱存在受噪声影响大、高频部分时频分辨率低的缺点,提出将迭代奇异值分解(ISVD)降噪和重排谱图应用于HHT时频谱分析中。首先对噪声对HHT时频谱的影响进行了分析,含噪实测信号经过经验模式分解(EMD)得到的基本模式分量(IMF)中含有很强的噪声成分,从中提取的瞬时参数不具有物理意义,构成的HHT时频谱混乱而不准确;然后利用ISVD降噪对实测信号进行了降噪处理,有效地去除了噪声,降噪后信号EMD分解得到的IMF分量其Renyi信息接近于0,是近似平稳的单分量信号,从中可以提取到准确的瞬时参数,构成特征清晰、分布合理的HHT时频谱;最后对HHT时频谱中高频部分所对应的IMF分量进行了重排谱图分析,实现了其时频特征的准确定位。结果表明,该方法可以有效地提高烟气轮机信号HHT时频谱分析的准确率,为故障诊断提供可靠的特征依据。

基于增广SVD-MWKF的激励识别与结构响应重构

针对传统卡尔曼滤波算法在结构响应重构应用中需要外部激励及测量噪声方差先验已知的问题,提出一种基于增广SVD-MWKF(Singular Value Decomposition-Moving Window Kalman Filter)的激励识别与结构响应重构方法。首先,引入奇异值分解降噪技术以优化移动窗口法对测量噪声方差的实时估计。随后使用基于增广状态空间方程的卡尔曼滤波算法并结合部分测点的加速度测量数据,实现对结构外部激励的识别及各位置的速度、加速度响应的重构。最后,对起重机桁架和简支梁分别进行数值模拟和试验分析,结果表明,相较于移动窗口法,所提方法对测量噪声方差估计更加准确,且对外部激励能进行有效识别。

小波消噪及其在传感信号处理中的应用

由于影响导弹安全分离因素的存在 ,所测得的导弹分离参数往往被外界噪声所淹没 ,利用噪声分离的非线性小波分析 ,重建信号几乎完好保留了信号中的突变、尖峰成分 ,有效地提取导发架行程末端的准确分离点 ;利用浮动阈值去噪算法 ,有效区分导弹俯仰角的有用信号和随机噪声 ,识别含噪传感信号中有用信号的发展趋势 ,结果证明小波分析方法在导弹安全分离中得以应用的有效性。

基于小波去噪半参数回归模型的卫星轨道测量数据预处理方法

由于卫星轨道测量数据中含有非线性误差,使用传统的最小二乘多项式拟合方法对其进行预处理必然会降低定轨精度。在半参数回归模型的基础上,应用小波阈值去噪算法估计并消除观测数据中存在的非线性误差,提出了基于小波去噪半参数回归模型的卫星轨道测量数据预处理方法,以提高数据预处理的精度。对某卫星USB跟踪数据应用该方法进行了仿真,仿真结果表明:该方法可以分离出观测数据中的白噪声和非线性误差,从而可以在观测数据中消除非线性误差的影响,提高数据预处理的精度。

一种新的条码图像去噪方法

针对条码图像处理中去噪问题,提出一种新的基于边缘检测技术下的小波阈值去噪方法,在去除噪声同时考虑与高频噪声分量相似的条码边缘信息,不仅达到去噪的目的,而且可以有效地保存了条码的边缘信息。实验表明该方法达到令人满意的效果。

独立分量分析结合小波去噪算法提取诱发电位信号的仿真实验

采用结合独立分量分析和小波去噪算法的方法提取诱发电位信号。首先使用扩展信息最大的独立分量分析算法分析仿真的脑电信号,分离出诱发电位信号,自发脑电信号,肌电干扰与高斯噪声,然后使用小波阀值收缩算法滤除诱发电位信号中残留的一些高频噪声。仿真实验表明,基于独立分量分析的算法可以将混合在诱发电位信号中的干扰信号分离开来,而结合方法的提取结果在波形、相关系数指标等方面均优于单独使用独立分量分析算法的提取结果,这为实际临床应用中诱发电位的有效提取提供了思路。

基于小波SVD的光纤光栅振动系统消噪算法

针对小波阀值法对噪声非均匀分布振动信号消噪差的缺点,提出了奇异值分解(SVD)结合小波阀值消噪的算法。采用截断法构造出包含信号信息及非均匀噪声的相关矩阵并进行SVD,得到一系列正交子空间,将非均匀噪声相对均匀地分解到子空间中。选取奇异值最大的子空间分量重构信号并对此信号进行了小波阀值消噪。结果表明,该方法适用于非均匀噪声干扰下的振动信号提取,与直接小波消噪相比,提取出的信号失真更小,信号有效成份更完整。