球坐标系下小波收缩去噪方法的改进

通过分析球坐标系下的小波收缩去噪法,对阈值函数进行修正,提出了一种较优的收缩判据.与传统的小波收缩去噪方法相比,该判据具有算法简单、工作量小等特点.仿真结果表明,改进的方法提高了图像的信噪比,去噪效果良好。     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

基于NSCT和全变差模型的医学图像去噪

分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像.然后,采用全变差模型对初次去噪图像进一步处理得到最终去噪图像.实验结果表明:该方法可以很好地保留图像细节,无论在客观上的峰值信噪比还是主观上的视觉效果都优于其他去噪方法.     

基于Shearlets变换的SAR图像去噪

在合成孔径雷达(SAR)相干噪声模型基础上提出了一种基于剪切波(Shearlets)变换的SAR图像去噪算法. Shearlets变换继承了Curvele变换和Contourlet 变换的优点,既有灵活的方向选择性又易于实现,并且对于包含C2 奇异曲线或曲面的高维信号具有最优逼近特性. 该文采用Shearlets逼近SAR图像,再用基于贝叶斯估计
理论的双变量阈值函数对Shearlets变换系数进行处理得到去噪图像. 仿真结果表明,相比使用同级Contourlet双变量阈值去噪,该算法峰值信噪比提高2 dB;相比使用非下采样Contourlet变换双变量阈值算法去噪,该算法去噪后图像不仅峰值信噪比有所提高,而且更平滑,计算时间也大大减少.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于遗传算法的输油管道压力信号自适应滤波

通常检测到的输油管道压力信号存在着信噪比较低的问题,通过应用实数编码的改进遗传算法对最小均方误差(LM S)自适应滤波器的权值向量W进行寻优,避免了收敛步长μ选择不当所引起的误差;遗传算法的并行操作也有效地防止了W在递推过程中收敛于局部最优解.仿真结果表明,该方法简单,运行时间短,去噪效果良好,可为泄漏检测和定位提供可靠的数据.     

基于小波变换的自适应图像去噪研究

小波域的信息处理有多分辨率分析的特性,图像经一系列小波变换就可以得到不同尺度下的图像特征,并能较好地刻画图像的非平稳性,在图像去噪方面有着传统去噪方法无法比拟的优势.本文,笔者阐述了图像小波去噪的原理,分析了影响去噪的关键因素、阈值函数的构造、阈值的选取及小波的分解层数等,并给出了优化的自适应图像去噪方案.     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

应用光电二极管阵列的SPR生物传感器微弱信号检测

该文以提升表面等离子共振生物医学传感器的检测能力为目标,用高性能光电二极管阵列为光电转换器件,论证并实现一种可高效抑制噪声的检测方法. 利用光电二极管阵列器件可输出参考噪声信号的特性,通过相干消噪结合小波软阈值消噪,使SPR传感器输出信噪比从40 dB 左右提高到52 dB以上. 用SPR传感器检测人体免疫球蛋白(IgG)分子特异性结合的实验表明,该方法显著提高了SPR传感器的分辨率,使之可精确检测样液中IgG含量10?3mg/mL量级的微弱变化,精度和分辨率提升一个数量级以上.     

小波变换应用于信号去噪研究

分别对小波分解与重构法去噪法、非线性小波变换阈值法去噪法以及小波变换模极大值去噪法的原理进行了阐述，并比较了这几种小波去噪方法的优缺点，通过计算机仿真结果表明有效可行。     

双阈值小波域降噪的微粒群优化

为了改进滤波效果,提高降噪质量,该文在分析目前被广泛应用的软阈值和硬阈值方法的基础上,提出利用微粒群算法对双阈值进行优化. 采用Donoho提出的固定阈值作为上阈值,而把极大极小原理得到的阈值作为下阈值,再利用微粒群算法进行优化,得到最优双阈值进行降噪. 实验结果表明,该方法在降噪中可有效克服采用硬阈值法引起的伪吉布斯（伪Gibbs）现象和软阈值法导致过度光滑使信号失真等缺点,减少了信号的损失. 在提高信噪比的同时明显减小了均方根误差.     

飞机尾流雷达探测的时-频-空域联合处理

针对相参多普勒雷达,提出了一种表征飞机尾流时-频-空域特性的雷达回波信号模型. 导出了飞机尾流最佳似然比检测器及其在大脉冲数、小信噪比条件下的准最佳形式,证明了后者为时-频-空域联合处理结构,并具有不依赖于信号功率的恒虚警特性. 导出了准最佳检测器检测概率和虚警概率的解析表达式及其近似形式. 实验结果表明,时-频-空域联合处理技术可有效增强飞机尾流的雷达探测性能.     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

利用循环谱和参数统计的数字调制信号识别

该文利用决策理论识别常用数字信号调制方式. 该识别方法基于接收信号的循环谱和参数统计法,采用谱相关测量的频率平滑法分析数字信号在循环频率轴上的特征谱,运用参数统计法提取统计参数,用于数字调制信号识别. 最后利用决策理论,给出信号识别流程图及判决门限. 实验表明,在信噪比为5 dB的条件下,对预期调制信号2ASK, 4ASK, 2FSK, 4FSK, 4PSK, 8PSK的识别率可达90%, 说明该方法在低信噪比下识别效果良好.     

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.     

改进的小波阈值函数在超声波无损检测信号中的应用

针对小波阈值降噪中,软、硬阈值函数的缺点,提出了一种改进的阈值处理函数方法.将新阈值函数用于超声检测信号去噪仿真实验中,仿真结果表明,新阈值函数能够克服软硬阈值的不足,并且选取参数N=30时降噪效果最佳.     

认知无线电加权软合并联合频谱感知算法

为了提高认知无线电的频谱感知性能,提出了对认知无线电用户的检测信息进行加权软合并的联合频谱感知算法. 该算法通过降低对授权用户的干扰和提高认知无线电吞吐量,分别使用最小化干扰加权和最大化吞吐量加权. 算法为信噪比高的用户或者到合作中心信道增益低的用户分配较大的权重,能够提高高信噪比用户的检测信息在合作检测中所占的比例,同时补偿信道衰落对检测信息带来的损失. 仿真表明：该算法的性能比基于信噪比加权或非加权的算法更好,能够降低干扰并提高吞吐量,同时能够降低信道衰落对联合频谱感知性能带来的影响.