基于NABEMD的飞行参数噪声能量估计与消除

飞参系统(Flight Data Recorder,简称FDR)记录的飞行参数采样率低、噪声与野值混杂且呈非线性非平稳性的特点使得传统噪声处理方法难以适用,因而提出一种基于噪声辅助复数据经验模态分解(Noise Assisted Bivariate Empirical Mode Decomposition,简称NABEMD)的噪声能量估计与消除方法,用于飞行参数的降噪问题。该方法首先利用飞行参数和高斯白噪声构造复数据并进行BEMD分解,然后根据虚部各层内禀模态函数(Intrinsic Mode Function,简称IMF)的能量来估计实部IMF包含的噪声能量,最后根据噪声能量估计值对IMF进行分层处理得到降噪后的信号。仿真结果表明,本文方法相对于现有方法具有一定优势,可以进一步提高飞行参数的降噪精度。

基于离散多方向小波变换估计噪声能量的正则化虹膜图像恢复方法

针对定焦虹膜采集设备采集的离焦降质虹膜图像,提出一种基于正交离散多方向小波变换的正则化虹膜图像恢复算法,并对提出的算法进行了系统检验.结果表明,所提出的改进算法对虹膜图像恢复的研究有一定的意义.

基于能量特征估计的电能质量扰动消噪方法研究

电能质量扰动识别过程中噪声的存在会增加误判,为了提高分类的正确率,消噪对于电能质量扰动识别是一项非常重要的工作。论文应用Daubechies小波时频分解的噪声能量保持特性来估计扰动信号中不同分解尺度上的噪声能量,从而由含噪声信号能量分布和所估计的噪声能量确定实际扰动信号的能量特征,完成了消噪,对消噪处理后电能质量扰动信号应用数据挖掘中的决策树算法进行识别。仿真计算表明,该消噪方法能提高识别精度,是一种非常有效的电能质量扰动信号消噪方法。

基于半软阈值法的图像小波去噪方法

研究了噪声能量的估计方法:MAD法及其改进方法,空域相关估计法.在传统阈值法的基础上,提出半软阈值法.仿真结果表明:半软阈值去噪方法有效地抑制了噪声,提高了信噪比,同时保留了图像细节,获得了最小的均方差,具有一定的应用价值.

基于CASA和谱减法的清音分离改进算法

现有的基于计算听觉场景分析(CASA)的单通道语音盲信号分离算法大多集中在对浊音分离的研究,对清音分离的研究甚少。针对清音分离的问题,对传统的基于CASA和谱减法的清音分离算法进行改进,改进算法通过估计语音onset/offset判别出可能存在清音的时频块,并利用相邻时频单元能量具有连续性的原理,对相应的时频块中每一时频单元分别进行噪声能量估计,使噪声能量估计更加精准。仿真实验结果表明,改进算法比传统算法运算量更小,对清音分离的有效性更高。

DNN与谱减法相结合的语音分离技术

针对传统DNN语音分离中噪声干扰的问题,提出了一种在DNN语音分离后期处理中结合DNN和谱减法的语音分离方法。首先提取语音声级特征,通过DNN学习带噪特征到分离目标语音的映射,得到分离目标语音;然后对分离目标语音中每一时频单元进行噪声能量估计;最后,通过快速傅里叶逆变换得到谱减后的分离语音波形信号。通过对不同类型的噪声和不同输入信噪比混合后的语音信号进行试验,结果表明,加入谱减法后分离的语音信号与只经DNN网络输出的语音信号相比,前者分离的语音可懂度和信噪比得到了显著提高,并且分离语音的信号更接近于纯净语音的信号。

基于噪声辅助非均匀采样复数据经验模态分解的混沌信号降噪

鉴于非均匀采样复数据经验模态分解(NSBEMD)相对传统分解方法的优势和噪声的NSBEMD特性,提出了一种基于噪声辅助NSBEMD的混沌信号自适应降噪方法.该方法首先以含噪混沌信号和高斯白噪声分别为实、虚部来构造复数据并进行NSBEMD,然后根据虚部各IMF的能量来估算实部各IMF中包含的噪声能量,最后根据噪声能量的估计值对实部IMF进行奇异值分解(SVD)降噪.噪声估计实验验证了噪声能量估计方法的可行性,而Lorenz信号和太阳黑子月平均数的降噪实验则表明,相对于现有EMD降噪方法,本文方法能够进一步消除噪声,更清晰地恢复出混沌吸引子的拓扑结构.

SC-FDE系统中频域均衡算法的改进

分析了单载波频域均衡系统中基于线性均衡技术的最小均方误差线性均衡算法,在此基础上提出了一种对白噪声能量的估计算法,并依此对SC-FDE系统中的均衡技术进行改进。在MATLAB下对提出的算法进行仿真验证,仿真结果表明,采用改进的频域均衡算法所得到的误码率和理论计算值非常吻合,并且使得星座图得到了很好的收敛,提高了通信系统的性能。