针对拖尾噪声的中值滤波—小波消噪算法分析

与高斯噪声相比,拖尾噪声有更多的异常值,利用传统的小波阈值方法不能对其有效消噪。提出利用中值滤波一小波消噪方法进行处理,首先利用中值滤波抑制异常值,然后利用小波阈值方法消除残留噪声,并给出了适合拖尾噪声的消噪效果评价准则。基卜提出的准则,通过实验比较了小波阈值方法与中值滤波一小波消噪方法的消噪效果,结果表明所提出的方法能更好的消除拖尾噪声,具有较好的鲁棒性。

一种针对拖尾噪声的消噪效果衡量准则

文中由于拖尾噪声有更多的异常值,利用传统的消噪效果评价标准不能客观地评价不同消噪方法对拖尾噪声的抑制能力,文中提出利用信噪比提高值和最大误差值两个量来衡量不同方法的消噪效果,并给出了具体计算公式。实验结果表明,与传统的评价方法相比,文中所提的量化方法能更客观地评价不同方法对拖尾噪声的抑制能力。

一种拖尾噪声环境中的稳健常数模盲均衡新算法

为了改善拖尾噪声环境中盲均衡器的性能,提出了一种稳健常数模盲均衡算法,修改了原常数模算法的误差函数,并进行非线性变换,有效地抑制了拖尾噪声的影响。采用浅海水声信道,在分别叠加高斯噪声与拖尾噪声的情况下,对算法进行了计算机仿真。结果表明:在高斯噪声环境中,新算法具有更快的收敛速度与更低的剩余码间干扰;在拖尾噪声环境中,原算法很不稳定,而新算法则性能稳健,能够稳定地收敛于较低的剩余码间干扰。

一种针对拖尾噪声的鲁棒神经网络信号检测算法

与高斯噪声相比,拖尾有更多的异常值,利用传统的神经网络不能有效的检测信号。该文提出一种基于中值滤波的鲁棒神经网络进行处理,首先利用中值滤波抑制异常值,进一步利用BP(Back Propagation)神经网络消除残留噪声,检测目标信号。基于误差分析的实验结果表明,与传统神经网络相比,所提出的方法不仅能更好地消除拖尾噪声,有效检测信号,而且能有效检测高斯噪声中的目标信号,具有很好的鲁棒性和自适应特性。

拖尾噪声中基于WVD-Hough变换的LFM信号检测算法

线性调频信号(LFM)已经在雷达中得到了广泛的应用,在高斯白噪声环境下,通过WVD-Hough变换可以非常有效的估计线性调频信号的参数。但在拖尾噪声环境下,使用WVD-Hough变换估计线性调频信号的参数就显得无能为力,因为拖尾噪声相对高斯白噪声含有更多的异常值。为此,论文首先对拖尾噪声的时频域特点进行了分析,并在此基础上提出了基于WVD-Hough变换的遮掩处理方法,该方法能有效抑制拖尾噪声,检测线性调频信号。仿真实验也表明该方法的有效性。

一种有效的拖尾噪声处理复合算法

为有效地去除拖尾噪声,研究了拖尾噪声的消噪方法.针对拖尾噪声的特点,提出了中值滤波B样条经验模态分解算法.仿真实验结果表明,与处理拖尾噪声的传统算法相比,该算法可行有效,而且去噪效果更好.

基于广义高斯混合模型的图像加权平均滤波去噪方法

基于直方图的模糊滤波方法对图像的拖尾噪声去噪会导致图像模糊、残留的噪声较多等问题,本文提出一种新的基于广义高斯混合模型的图像去噪方法.首先,建立图像的广义高斯分布及其有限混合模型;其次,通过像素周围点特征值的变化范围确定噪声数据;最后,利用广义高斯函数构建一个加权平均滤波器进行图像去噪.对基于直方图的滤波方法、经典的偏微分方程和本文方法进行比较实验,结果表明本文方法具有更好的去噪效果.

基于小波鲁棒阈值的雷达信号检测方法性能分析

针对雷达信号中存在的不同于高斯分布的拖尾分布噪声,基于ε污染的正态分布族获得一种鲁棒阈值处理方法。仿真实验表明,与基于高斯噪声的经典阈值方法相比,鲁棒阈值能更好地消除雷达信号中的拖尾分布噪声,且在未知ε精确取值的情况下仍能到达很好的消噪效果。实验结果进一步表明软阈值比硬阈值更适合于小波鲁棒阈值的处理。