基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在 1/f噪声中的有用信号恢复问题 ,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法 ,并设计出多尺度Wiener滤波器 .首先 ,利用双正交小波变换将带有 1/f噪声的信号分解成多尺度的子带信号 ,通过小波变换对 1/f噪声的白化作用 ,消除了 1/f噪声的非平稳性、自相似性和长程相关性 .其次 ,在小波域内 ,利用Wiener滤波 ,实现了噪声和有用信号的分离 ,估计出了各子带中的有用信号 .最后 ,利用双正交小波的精确重构性 ,较好地恢复出淹没在 1/f噪声中的有用信号 .仿真实验表明 ,该滤波器能有效的抑制分形噪声 。

Wiener滤波器分解织物图像在织物疵点自动检测中的应用

首先介绍了 Wiener滤波器的算法和织物图像经 Wiener滤波后的分解 ,然后对分解后的经向和纬向子图像划分为 6 4个矩形块 ,对每个矩形块提取灰度极差作为特征值 ,再对特征值进行分析以实现对疵点的自动检测。实验证明了该方法的简单有效性 ,对素色织物的常见疵点具有快速。

多传感器单通道信息融合Wiener滤波器

应用现代时间序列分析方法,对于带白色观测噪声的单通道ARMA信号,基于ARMA新息模型,提出了多传感器线性最小方差最优信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题。同单传感器情形相比,可提高滤波精度、算法简单、便于实时应用。一个跟踪系统的仿真例子说明了其有效性。

两传感器信息融合最优白噪声反卷积Wiener滤波器

应用现代时间序列分析方法和白噪声估计理论,提出了两传感器最优信息融合白噪声反卷积Wiener滤波器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数。一个仿真例子说明了其有效性。

基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的仿真例子说明了其有效性.

多通道ARMA信号的三种多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带白色观测噪声的多通道ARMA信号,在线性最小方差最优信息融合准则下,提出了统一的和通用的按矩阵加权、按标量加权和按对角阵加权的多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题．提出了计算局部估计误差方差和协方差的公式,它们被用于计算最优加权．同单传感器情形相比,可提高滤波精度．一个目标跟踪仿真例子说明了其有效性,且说明了三种加权融合滤波器的精度无显著差异,因而利用按标量加权融合滤波器以轻微的精度损失提供一种快速融合估计算法,便于实时应用．

小波域Wiener滤波器信号的去噪方法

提出采用小波域上的经验Wiener滤波器对信号进行去噪,得到优于小波阈值法的去噪效果.引入平移不变小波,较好地抑制了信号中的伪吉伯斯震荡.结果表明,将小波域上的经验维纳滤波器与平移不变小波相结合进行去噪,所得到的效果是最佳的.

ARMA信号自校正信息融合Wiener滤波器

对于带多传感器的含有未知模型参数和噪声统计的ARMA信号,应用现代时间序列分析方法,基于ARMA新息模型的在线辨识,提出了多传感器自校正信息融合Wiener滤波器。它具有渐近最优性,且可统一处理滤波、平滑和预报问题。一个跟踪系统的仿真例子说明了其有效性。

多通道ARMA信号信息融合Wiener滤波器

应用Kalman滤波方法,基于白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多通道ARMA 信号的两传感器信息融合稳态最优Wiener滤波器、平滑器和预报器;给出了最优加权阵和最小融合误差方差阵。与单传感器情形相比,可提高滤波精度。一个雷达跟踪系统的仿真例子说明了其有效性。

状态输入估计两段解耦Wiener滤波器

运用现代时间序列分析方法,基于ARMA模型和白噪声估值器,对一类控制输入存在不确知性的随机系统,提出了状态输入估计两段解耦Wiener滤波新算法,仿真例子说明了其有效性。

小波变换域的局部自适应Wiener滤波器设计方法研究

小波阈值去噪方法被广泛地用在信号去噪中,这个方法在很多信号空间上是近似最优的。但在MSE意义上最优的信号估计是Wiener滤波器,鉴于传统小波变换域Wiener滤波器的缺点,本文设计了小波域局部自适应Wiener滤波器。实验仿真验证本方法具有较好的去噪效果。

多传感器信息融合ARMA信号Wiener滤波器

应用现代时间序列分析方法,基于自回归滑动平均(autoregressive moving average,ARMA)新息模型和增广的状态空间模型,在线性最小方差按标量加权最优融合规则下,对带白色和有色观测噪声的单通道ARMA信号,提出了多传感器最优分布式融合Wiener滤波器。给出了计算局部滤波器误差方差和互协方差的公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高融合滤波器的精度。一个带三传感器的跟踪系统的仿真例子说明其有效性。

自校正信息融合Wiener滤波器及其收敛性

对带未知噪声统计的多传感器系统,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器,并提出了自校正Lyapunov方程。用现代时间序列分析方法,基于滑动平均(MA)新息模型的辨识,在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Wiener滤波器,并用动态误差系统分析(DESA)的方法证明了自校正Lyapunov方程的收敛性,进而证明了自校正融合Wiener滤波器收敛于最优融合Wiener滤波器,因而具有渐近最优性。它的精度比每个局部自校正Wiener滤波器精度都高,且算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。

线性最佳滤波Wiener滤波器研究

本文阐述了Wiener滤波器线性最佳滤波理论,并运用白化滤波器方法,建立信号模型,给出了物理可实现性的条件下维纳—霍夫方程的Z域解。

多通道Wiener滤波器设计新方法

应用现代时间序列分析方法 ,提出了多通道 Wiener滤波器设计的一种新的时域方法。它可统一处理滤波、平滑和预报问题 ,且可处理非平稳信号和噪声。

多传感器信息融合白噪声去卷Wiener滤波器和平滑器

应用现代时间序列分析方法和白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多传感器最优信息融合白噪声去卷W iener滤波器和平滑器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数.同单传感器情形相比,可提高融合估值器精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声去卷滤波器的仿真例子说明了其有效性.

Wiener滤波器设计新方法

应用现代时间序列分析方法，基于ＡＲＭＡ新息模型，提出了Ｗｉｅｎｅｒ滤波器设计新方法，它不要求解Ｒｉｃｃａｔｉ方程或Ｄｉｏｐｈａｎｔｉｎｅ方程。仿真例子说明了其有效性。

小波域Wiener滤波器的设计

讨论了基于小波的阈值去噪方法和 Wiener滤波方法在信号去噪中的应用 .其中 ,小波阈值去噪方法在许多信号空间上是近似最优的 ,而 Wiener滤波方法是最小均方误差意义上的最优估计 .在小波阈值去噪方法和经验Wiener滤波器基础上 ,设计了一种小波域 Wiener滤波器 .仿真结果表明 :文中提出的方法在均方误差和峰值信噪比性能两方面均优于传统的小波阈值去噪方法 .同时指出了进一步改善去噪效果的一种有效途径 .

分离随机偏差两段解耦Wiener滤波器

应用现代时间序列分析方法 ,基于ARMA新息模型和Wiener状态滤波器 ,对带随机偏差系统首次提出了分离随机偏差两段解耦Wiener滤波器 ,形成了一种新的偏差处理技术 .同传统的两段Kalman滤波器相比 ,具有如下优点 :1)可统一处理滤波、平滑和预报问题 ;2 )避免了Riccati方程的计算 ;3)具有最优性和渐近稳定性 ;4)实现了完全解耦 ;5 )便于实时应用 .两个仿真例子说明了其有效性 .

多传感器信息融合Wiener滤波器和平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广状态空间模型,应用标量加权最优融合准则,对于带白色和有色观测噪声的ARMA信号,提出了多传感器分布式最优信息融合Wiener滤波器和平滑器,其中给出了计算局部平滑误差方差和互协方差的计算公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高平滑器的精度。一个三传感器目标跟踪系统的仿真例子说明其有效性。