基于改进相关邻域模型的SAR图像RCS重构

提出了一种基于改进相关邻域模型的SAR图像RCS重构滤波器,特别对高分辨率的SAR图像具有很好的去斑效果。本算法虽然是一种RCS重构算法,但是通过采用非线性积累的方法,可明确地把图像划分为阴影、背景和目标区,直接达到SAR图像目标检测的结果。本算法在平滑图像的同时,克服了多视平滑降低图像分辨率的固有缺陷,并且能较好地保持图像的边缘信息,能极大地提高后续SAR图像解释的效率。     

混沌信号的马尔可夫模型降噪

基于马尔可夫模型的思想,提出了一种混沌信号的小波域统计降噪方法.利用对偶树复小波对信号进行小波分解,保留最高尺度上的尺度系数不变,对分解后的高频小波系数建立隐马尔可夫树模型.采用期望最大化算法估计该模型的参数,结合经验贝叶斯方法估计源信号的小波系数,再用对偶树复小波逆变换得到降噪后的混沌信号.该模型具有近似平移不变性,计算复杂度小且能够捕获小波系数邻域的统计特征.仿真中分别对叠加不同强度高斯噪声的Lorenz混沌信号及实测远红外激光器产生的混沌信号进行了研究.结果表明了该方法的有效性,且能够较好地校正相空间中点的位置,逼近真实的混沌吸引子轨迹.     

一种新型的速度和加速度估计器

将扩张状态观测器和递归线性平滑牛顿预测器相结合,形成了一种新型的速度和加速度估计器,它在跟踪位移和估计速度的同时能一并估计出加速度.虽然扩张状态观测器本身对量测噪声已经具有较好的滤波特性,但为了减小时间延迟,不能使滤波参数过大,这样会使估计出的加速度噪声稍高,需再用递归线性平滑牛顿预测器对加速度进行二次滤波.仿真结果表明,由扩张状态观测器和递归线性平滑牛顿预测器构成的滤波估计器在仅有位置量测信号且在噪声较大的情况下能有效地估计出速度和加速度,最终得到的速度和加速度估计信噪比高且时间延迟小.该估计器主要用于运动控制和机动目标跟踪中.     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。     

基于小波域性态分析的组合滤波

对信号和噪声在小波域的性态分析对于噪声的滤除具有重要的意义.推导出信号的样条二进小波变换系数幅值沿尺度的变化趋势依赖于信号的奇数阶导数,高斯白噪声的样条二进小波变换系数方差沿尺度逐渐衰减且衰减率越来越小.提出了一种基于小波城性态分析的组合滤波方法,仿真实验表明了算法的有效性.     

结合局部频率估计的小波域InSAR相位滤波新方法

干涉相位噪声的存在直接影响相位解缠的效果及最终干涉测量的精度。针对这一问题,本文提出了一种结合局部频率估计的小波域干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)相位滤波方法。根据局部频率估计可以判断出干涉相位小波系数中包含有用信息的子带。结合VisuShrink和NeighShrink两种小波阈值收缩方法分别具有去噪效果好和细节保持能力强的特点,对有用信息所在子带的小波系数利用NeighShrink方法进行阈值收缩,而对其他子带的小波系数则利用VisuShrink方法进行阈值收缩,从而尽可能地滤除噪声,同时保持干涉条纹的细节信息不被破坏。仿真和实测数据实验验证了本文提出的滤波方法的有效性。     

改进小波空域相关滤波的脉冲星微弱信号降噪

脉冲星信号具有极低信噪比,传统降噪算法难以在抑制噪声的同时保留微脉冲等细节信息。为此,提出一种基于改进小波空域相关滤波的脉冲星极弱信号降噪算法。从小波阈值和空域相关算法在极弱信号降噪中的缺陷出发,以保留细节信息和提高信噪比为目标,结合脉冲星辐射信号的严格周期性、相邻周期间的相关性、极低信噪比和窗口辐射等特性,改进了小波空域相关滤波算法。采用Parks射电天文台和罗希（Rossi）X射线时变探测器的脉冲星观测数据进行实验。结果表明,改进小波空域相关滤波算法可以保留更多微脉冲等细节信息,在提高信号的信噪比方面优于现有算法。     

基于小波域的运动估计方法的实现

基于块匹配的运动估计是降低视频序列图像帧间冗余度的一项关键技术,但巨大的运动估值运算量和块效应制约了它的实际应用。在小波域中,根据子图像之间的相关性,可以由对最低频子图像作运动估计获得的位移矢量去预测其余子图像的位移矢量,提高了检测精度并减少了运算量和块效应,实验结果证明了这种方案的有效性。     

一种带有忠诚项的张量扩散滤波方法

针时Weickert的张量扩散滤波模型在滤除噪声的同时虽然较好地保留了大的边缘信息,但对于一些细小边缘在扩散的过程中却被模糊掉了,在其扩散方程中添加了随时间尺度自适应变动的忠诚项,这样,扩散滤波与边缘保留这两者之间就得到一个较好的折衷,从而使得扩散去噪的同时尽可能多地保留了图像的边缘信息.另外,为了在不同区域进行不同方式的扩散,将边缘增强与相干增强两个模型结合起来,对扩散张量的两个特征值重新进行了设置.实验表明本方法在细小边缘信息的保留上有较明显的改进.     

变结构交互式多模型滤波和平滑算法

针对机动目标跟踪问题，提出了一种变结构交互式多模型滤波和平滑算法。首先，对多模型滤波和平滑问题进行了简单描述，并给出了前向交互式多模型滤波和后向交互式多模型平滑的数学模型；然后，建立了变结构交互式多模型算法的精确模型，模型子集之间并行独立运行，通过选取概率最高的模型子集的状态估计作为最终的估计结果；最后，对变结构交互式多模型算法的滤波数据进行平滑处理，得到了变结构交互式多模型滤波和平滑算法。所提算法将前向滤波和后向平滑相结合，提高了目标跟踪精度。仿真结果表明，变结构交互式多模型滤波和平滑算法的跟踪效果优于其他方法。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

基于提升静态小波变换的自适应消噪方法

基于离散小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了基于提升静态小波变换的自适应消噪方法,它首先根据DWT的提升方法,得到SWT的提升和对偶提升实现方法,然后通过SWT的提升方法将信号分解为多个子带,利用引入更多动量因子的权系数的迭代公式进行自适应匹配.并对匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。     

利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真，结果表明该方法除对噪声具有很好的拟制效果外，还有效地保留了目标回波波形特征，从中看到子波变换用于特征提取在雷达信号处理中是一个十分吸引人的新方法。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

基于小波窗口的模极大值去噪算法

在相关去噪和模极大值去噪的基础上,提出了一种基于小波窗口相关的模极大值去噪算法.即先用小波窗口相关法时最大尺度的小波系数进行预处理,再用模极大值法去除各层系数的噪声.该算法不仅克服了通常相关去噪算法中小渡系数对偏移敏感的缺点,避免了阙值选择受噪声影响的问题,同时,它也解决了模极大值算法中由于小尺度上噪声影响较大而造成的对信号小波系数定位不准的问题,减少了模极大值法的累积误差.仿真实验验证了新方法的有效性,特别是信噪比较低时,该方法的效果尤为显著.