一种生成高精度信噪比加噪信号的仿真方法研究

提出了一种应用于算法仿真的加噪信号的生成方法。在目前广泛使用的加噪信号方法中,产生的信噪比精度受无噪信号的影响很大,与之相比,新方法通过选择新的因子对信号进行归一化,剔除了无噪信号对产生的加噪信号的信噪比影响。理论分析和大量的仿真实验结果都证明了该方法较之传统方法的优越性。     

基于加窗非均匀采样周期信号重建改进方法

提出了一种基于窗函数正弦参数估计的重建非均匀采样周期信号迭代算法。该算法将非均匀采样值利用加窗正弦参数估计算法得到迭代初始值 ,然后利用最小化误差能量方法 ,求出迭代算法公式的自适应系数 ,最后重建原信号 ,可以在较少迭代次数下得到相当精确的结果。计算机仿真实验结果与已有算法比较证明了该方法的有效性和先进性     

基于EMD的混合信号盲分离方法

针对通信侦察中的共信道混合信号盲分离问题,提出了一种基于经验模式分解(EMD)的信号分离方法。首先求出混合信号的功率谱,其次利用EMD求出混合信号中单个分量的瞬时频率,判定混合信号中属于MFSK信号的谱峰,最后设计带通滤波器分离出单载波信号的谱峰,剩下的信号即为MFSK信号。详细地论述了此种分离方法的基本原理及实现过程。计算机仿真结果表明,该方法对于频谱不混叠的混合信号具有较好的分离效果。     

基于加窗PMF-FFT的扩频信号捕获算法研究

介绍了基于FFT的伪码捕获算法,分析了部分匹配滤波(partial matched filter,PMF)积分时间长度的选择依据.提出一种加窗PMF-FFT的伪码捕获改进算法,该算法在PMF过程中采用汉宁窗对数据加权后进行积分,然后做FFT谱分析.详细分析了改进算法的性能.理论分析和仿真结果表明,与原有的算法相比,改进算法在相同FFT峰值衰减时,能够有效增大PMF的积分时间长度,减少FFT运算量,而在相同PMF积分时间长度时,能够有效降低FFT输出的峰值衰减,减小频谱泄漏,从而提高捕获性能.     

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.     

锋电位检测信号的EEMD去噪方法研究

神经元锋电位(spike)是研究大脑信息编码的基础,因其宽带、小幅值等特点而极易受噪声干扰。针对spike信号的间歇性及非平稳性,采用经验模态分解(EMD,Empirical Mode Decomposition)的改进算法--整体平均经验模态分解(EEMD,Ensemble Empirical Mode Decomposition)对spike检测信号进行分解并结合小波阈值法进行去噪。EEMD能将信号中间歇性成分有效分离出来,解决了EMD产生的模态混叠问题。基于仿真和实测数据将其与EMD去噪方法及多元小波去噪法进行比较,结果表明:EEMD去噪方法不仅有效提高了spike检测信号的信噪比,而且降低了spike波形的畸变。在3种去噪方法中,EEMD去噪方法效果最为显著,对仿真信号的信噪比平均提高了4.177 2d B。为随后spike信号的分类和信息编码奠定了良好基础。     

基于子波变换的水声信号去噪方法研究

针对水声信号的低信噪比、非平稳性等特点，在对采集到的水声信号进行分析处理的基础上，提出了一种水声信号去噪的方法。该方法首先对采集到的低信噪比水声信号进行滑动取值，分别利用子波变换求功率谱，并进行统计平均，确定代表水声信号特征的频谱分量，去除不稳定的随机频谱分量；然后利用子波反变换将处理后的功率谱变换为时域信号；再利用子波软门限去噪方法去噪。通过仿真验证，获得了较好的效果。     

基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

我国股票市场行业间波动溢出效应研究——基于改进的EMD去噪方法

针对我国股市噪声交易能量较大、行业指数同步性较高的特点,提出改进的EMD(empirical mode decomposition,经验模态分解)去噪方法对行业数据进行处理,进而采用BEKK-GARCH模型分析金融危机前、金融危机期间、金融危机后三个阶段行业间波动溢出效应.研究表明,在降低股价同步性方面,改进的EMD去噪方法效果更佳;行业间波动溢出效应在金融危机期间显著上升,金融危机后回落;较之金融危机前,金融危机后传统制造业受产业链上游的波动溢出效应有所降低、受科研的波动溢出效应有增强的趋势.