GPS弱信号的自适应载噪比估计算法

载噪比是GPS接收机中的一个重要测量值和控制参数。针对高灵敏度GPS接收机中的载噪比测量,提出了一种自适应载噪比估计算法。该算法根据信号功率的大小自适应调整载噪比估计时间来获得准确且稳定的载噪比估计值。该算法已经在GPS接收机中实用,测试结果表明,载噪比大于40dB-Hz时,估计时间小于1s,估计值的标准差小于0.2dB,随着载噪比的降低,估计时间呈指数关系增加,载噪比为14dB-Hz时,更新时间为12.48s,估计值的标准差小于0.8dB。

小波域噪声估计的分块自适应降噪方法提升Φ-OTDR信噪比研究

相位敏感光时域反射计(Φ-OTDR)以激光器为探测光源进行光纤沿线振动信号的检测,但激光器的自发辐射现象会导致光场相位发生波动,直接影响相位解调信号的信噪比。针对此问题,提出了一种小波域噪声估计的分块自适应降噪方法。分析了激光器自发辐射导致的相位噪声特征,通过连续小波变换提取系统相位噪声在不同分解尺度下的噪声水平,结合无偏似然估计调整小波系数的分块长度和阈值,实现对不同输入信号的自适应降噪。实验证明,与未经本算法处理相比,在光纤4.5 km处,单频信号的信噪比从40.01 dB提升至54.60 dB,系统的应变分辨率从66.15 pε/√Hz优化至11.69 pε/√Hz;线性扫频信号的信噪比从18.31 dB提升至26.40 dB。与其他同领域的降噪算法相比,单频信号均方根误差低至0.0096,信噪比增益达到14.59 dB;线性扫频信号的均方根误差低至0.0809,信噪比增益达到8.09 dB。研究表明,该方法在保留有效信号的同时,抑制了相位噪声,提高了相位还原的精度。

GNSS系统中一种低复杂度的载噪比估计算法

为了找到一种复杂度低和适应性强的载噪比估计算法,本文在分析了宽窄带功率比值法和方差求和法两种典型算法的基础上,提出了一种载噪比估计算法。对I支路二阶矩分布和I、Q四阶矩分布进行了的推导,得到了载噪比估计的精确表达式;论证了两种不同推导方法的一致性;从估计偏差、算法实现复杂度、输出时延、适应性四个方面对本文的方法进行了理论仿真和实测数据验证。结果表明:本文提出的算法估计误差小于1 d B,同时解决了宽窄带功率比值法不能直接应用于BD系统以及方差求和法在实际应用时实现较复杂的问题。本文提出的算法在保证一定性能的前提下,极大地降低了算法实现复杂度和输出时延,提升了适应性,可广泛应用于北斗等GNSS系统中。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

基于APSO-SSD-SVD的特高压换流站OLTC振动信号降噪方法

随着中国特高压交直流换流站的大规模投运,有载分接开关(on-load tap changer, OLTC)已成为特高压换流站中发生故障较多的设备之一。针对强背景噪声环境下特高压换流站OLTC故障特征难以提取的问题,提出一种基于自适应粒子群算法优化奇异谱分解和奇异值分解的方法。首先,利用自适应粒子群优化(adaptive particle swarm optimization, APSO)算法对奇异谱分解算法中的模态参数进行优化,选取最优分解模态数。其次,基于最大峭度准则选取最佳奇异谱分量。然后,确定最佳重构阶数,通过奇异值分解重构信号,从而达到信号降噪的目的。将所提方法应用于仿真信号和实验信号,结果表明所提方法的信噪比达到23.302,均方根误差仅为0.004,并且波形相似参数高达0.998,优于其他降噪方法。所提方法能够更有效地实现对特高压换流站OLTC振动信号的降噪,为辅助运维人员诊断OLTC状态提供参考。

自适应跳频系统中的信道质量估计算法

跳频通信是抗多径衰落和干扰的一种有效的通信方式。实时检测出受干扰信道是 自适应跳频通信的前提,直接影响到通信的质量。以OFDM-MASK为调制方式的跳频系统为 模型,提出了一种基于导频的信道质量估计算法,并通过仿真得出了在不同信噪比情况下对信 道的估值曲线。该算法实现简单,可以较好的反映信道质量。

对角加载最小二乘法的时间延迟估计

最小二乘法是一种经典而有效的时间延迟估计算法,但由于最小二乘法矩阵求逆不稳定,在低信噪比情况下将失效。本文提出了对角加载最小二乘法(DL-LS),对求逆的矩阵加上一个正定阵,可以解决矩阵求逆不稳定的问题。并从正则化的角度分析了固定加载量的缺点一提高对低信噪比容忍性的同时降低了准确性,从而进一步提出了二次加载来解决这个问题。利用第一次估计的信道响应的倒数作为加载量,使得在回波到达的时刻加载量尽量小,其他时刻有一定加载量。最后,数值仿真和水池实验验证了对角加载对最小二乘法的改进效果。

最坏情况下的鲁棒自适应波束形成算法性能分析

研究了最坏情况下的鲁棒自适应波束形成算法,它通过对角加载提高波束对方向矢量误差的鲁棒性.给出了其最优对角加载因子的近似解析达式,揭示了各种因素如何影响最优加载因子.在此基础上,对该算法进行了性能分析,推导出了关于目标功率估计和信号干扰噪声比的近似表达式.计算机仿真验证了本文的分析.

基于软阈值和遗传自适应阈值的车辆制动信号的联合小波去噪

利用遗传算法改进基于自适应阈值的小波去噪方法,并验证了该去噪方法的有效性。通过小波分析和经典谱估计方法计算了某款车驾驶员耳旁声信号的能量分布,发现其信号能量主要集中于低频部分,据此提出了利用软阈值和基于遗传算法自适应阈值的联合小波去噪方法。去噪前后信号对比结果表明,该方法可快速衰减信号的高频噪声,降低信号的波动。

基于层间和层内相关性的局域自适应双变量收缩小波去噪(英文)

图像小波系数存在很大的相关性.该文考虑到小波系数层间相关性,引入双变量概率分布模型.基于贝叶斯估计理论,得到了相应的非线性阈值函数(双变量收缩函数).基于小波系数层内相关性,利用双变量收缩作者提出了局域自适应收缩去噪算法.在实验中,将该文去噪结果与Donoho'shardthresholding、BayesShrink和HMT作了比较.实验结果显示该文算法能获得更好的去噪效果.

一种极低载噪比高动态信号跟踪的线性预测器设计

针对深空通信高动态低载噪比微弱信号跟踪精度低、稳态均方性能差的问题，提出了一种高动态低载噪比信号跟踪的分级异构凸组合线性预测器算法，该算法将归一化最小均方算法（NLMS）和最小二乘算法（RLS）进行分级异构凸组合，给出了算法的结构、跟踪精度联合优化设计方案和最优参数选择的方法。在载噪比（CNR）为10—30dB．Hz、载波多普勒频移为一300～300kHz、多普勒频率变化率为一800～1200Hz／s、码速率为20bps条件下对分级异构凸组合线性预测器跟踪性能及跟踪精度指标（归一化均方根误差）进行了仿真。理论分析和仿真结果表明，该线性预测器与分级同构凸组合线性预测器相比，算法运算量减少、信号跟踪精度提高、收敛速度加快。因此，该新型结构线性预测有着良好的应用前景。

基于泊松-高斯混合噪声的最大似然改进算法

传统的图像复原算法仅针对高斯噪声进行处理,没有考虑高斯及泊松混合噪声污染。为此,引入泊松-高斯混合分布的成像模型,对基于混合模型的最大似然算法进行有效近似,在此基础上提出基于泊松-高斯混合噪声的最大似然改进算法,避免对噪声敏感性和PSF初始估计的依赖。实验结果表明,与原有算法相比,改进算法复原效果明显,且稳健性较好。

基于BM3D的钢板表面图像自适应去噪方法

为了解决传统BM3D算法的距离阈值选取无法自适应去除钢板图像中的噪声以改善图像质量的问题,提出了一种基于噪声估计和阈值函数的自适应BM3D去噪算法(TFBM3D)。先采用网格搜索法得到不同钢板缺陷图像在不同噪声强度下基础估计和最终估计的最佳阈值,再通过对比不同函数的拟合效果,最终确定基础估计的二次曲线阈值函数和最终估计的四次多项式阈值函数,并将噪声估计作为新算法前处理阶段。最后将新BM3D算法、原BM3D算法以及一些其他最新的去噪算法进行比较,试验结果表明,该算法在复原缺陷图像边缘和细节纹理上效果显著,在噪声标准差为30的条件下各缺陷图片去噪效果的PSNR值在33 dB以上、SSIM值在0.85以上,且残余图像中残余的存留细节更少,本文算法优于其他算法。

基于噪声估计的自适应块匹配和三维滤波降噪算法

针对经典的块匹配和三维滤波(BM3D)降噪算法中最为核心的噪声水平(方差)参数在使用中需要人工手动设置极大影响了降噪效果并限制了它的应用,提出了一种新的基于自然场景统计(NSS)的噪声水平特征矢量和支持向量回归(SVR)技术的快速噪声水平估计算法并应用于经典BM3D算法中,使之转变为自适应降噪算法(Adaptive BM3D)。本文算法首先利用小波变换对图像进行不同尺度和不同方向的分解,提取各子带滤波系数并用通用高斯分布模型(GGD)建模,以模型参数构成反映噪声图像噪声水平的特征矢量;然后用SVR方法在大量噪声图像样本上进行训练获得图像噪声水平预测模型。实验表明:改进后的ABM3D算法实际图像降噪效果比BM3D算法获得进一步提升,并且仍然保持了非常高的执行效率,相对于当前各主流算法具有明显的竞争力。

基于小波局部统计特性的图像去噪方法

本文提出一种利用图像在小波域上局部统计特性的自适应去噪方法。首先在LMMSE准则下,推导出小波系数在局部区域的恢复公式。为进一步精确地估计理想小波系数的局部方差,本算法提出利用尺度间和子带内的相关性,即利用粗尺度下小波系数的局部方差预测精细尺度下相应位置的小波系数为噪声成分的概率,以及常规估计下的小波系数的局部方差是否小于某个门限值判断其是否为噪声成分。然后以这些局域窗内非噪声成分系数估计理想小波系数局部方差。实验结果表明,本算法与传统算法相比,对图像质量有进一步地改善,尤其是对细节丰富的图像表现地更为突出。

样本熵改进小波包阈值去噪的轴承故障诊断

为了准确诊断出轴承故障,提出了样本熵改进小波包阈值去噪算法的轴承故障诊断方法。分析了样本熵与噪声大小、数据长度、信号固有特征的关系,得出了样本熵可以很好表征噪声大小、与数据长度、信号固有特征相关性极小的结论。使用样本熵从三个方面改进了小波包阈值去噪算法:提出了自适应阈值函数,使阈值函数随噪声分布情况进行自适应调整;以噪声信号样本熵值最大为依据,提出了最优阈值估计方法,使阈值随噪声大小自适应调整;以相邻分解层数的样本熵均值差值为依据,提出了分解层数确定方法。将样本熵改进小波包阈值去噪算法应用于轴承故障信号去噪中,去噪信号功率谱中轴承转动频率及倍频、外圈故障特征频率及倍频、两者的调制频率显露明显,能够明确判处出轴承为外圈故障,体现了极好的去噪效果。