發(fā)布時(shí)間：2018-01-30 16:23

  本文關(guān)鍵詞： 經(jīng)驗(yàn)?zāi)B(tài)解 小波變換 隨機(jī)內(nèi)插 自相關(guān) ICA 低信噪比 子空間　出處：《電子科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：在通信系統(tǒng)中,信號從產(chǎn)生到傳輸,再到處理整個(gè)過程中都會(huì)受到噪聲的干擾,這些噪聲污染了真實(shí)信號,對后續(xù)的分析,判斷,識(shí)別工作產(chǎn)生一定的干擾,因此,信號去噪一直是該領(lǐng)域中的重要研究課題,當(dāng)前的信號去噪方法中,大多假設(shè)信噪比較高,但在實(shí)際通信中,常是噪聲強(qiáng)于信號甚至?xí)霈F(xiàn)信號完全淹沒在噪聲中,此時(shí),基于先前假設(shè)的去噪方法性能下降甚至無法進(jìn)行。本文研究了常用的幾種去噪算法,并對它們在較低信噪比下的去噪可行性進(jìn)行了深入研究。本文首先介紹幾種常用的信號去噪方法,接著重點(diǎn)探討了這些算法的去噪原理及性能,并將之應(yīng)用于較低信噪比下,分析對比兩種情況下的去噪性能。在經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)中,研究了低階系數(shù)舍棄、連續(xù)均方誤差準(zhǔn)則去噪方法,分別仿真分析了這兩種算法在較高和較低信噪比下的去噪性能。信噪比較高條件下,均取得較好的去噪效果,但在信噪比較低時(shí),經(jīng)由EMD分解得到的IMF分量中,一些分量之間能量的差異并不大,此時(shí)采用低階系數(shù)舍棄法由于K值的選取不當(dāng),會(huì)引起混疊效應(yīng);基于連續(xù)均方誤差準(zhǔn)則的EMD去噪為界值K的選取提供了理論依據(jù),但在信噪比較低的情況下,即使存在某個(gè)分量的能量是局部最小值,但不一定是噪聲與信號主導(dǎo)區(qū)間的分界點(diǎn),某些極端情況下,甚至找不到全局最小值,這時(shí)該算法完全無效。在小波變換中,分析對比軟、硬閾值去噪性能,在較高信噪比下,性能較優(yōu)。但在較低信噪比下由于閾值較大,此時(shí),會(huì)將信號部分的小波系數(shù)視為噪聲,誤剔除,影響去噪性能,故在較低信噪比下不宜采用傳統(tǒng)的小波去噪方法。通過分析、對比噪聲自相關(guān)函數(shù)和信號自相關(guān)函數(shù)的數(shù)學(xué)特征,提出一種基于自相關(guān)EMD與自適應(yīng)小波閾值聯(lián)合去噪方法,通過計(jì)算IMF分量的自相關(guān)函數(shù),選取噪聲信號分界點(diǎn),對界點(diǎn)之前的分量進(jìn)行門限處理,重構(gòu)后的信號作為下一級小波分析的輸入。信號的不連續(xù)會(huì)造成吉布斯效應(yīng),影響去噪性能,針對此提出一種基于隨機(jī)鄰域內(nèi)插的信號去噪算法,該算法通過隨機(jī)的鄰域插值,改變信號特征和小波基函數(shù)之間的匹配條件,達(dá)到去噪目的。基于ICA的信號去噪算法,在較高輸入信噪比下,可以很好的完成去噪工作,但在較低信噪比下,信號的自相關(guān)矩陣可能會(huì)出現(xiàn)零特征值,即此時(shí),自相關(guān)陣為奇異矩陣,無法完成白化過程,此時(shí)基于ICA的去噪方法失效,研究了一種基于子空間投影的ICA分析。
[Abstract]:In a communication system, signal transmission from generation to will be disturbed by the noise in the whole process, the noise pollution of the true signal, judgment of the subsequent analyses, certain interference, so the identification work, signal denoising has been the important research topic in the field, the current signal denoising methods, assuming high SNR, but in the actual communication, is often stronger than the noise signal or even signal submerged in noise, at this time, the previously assumed denoising method based on performance degradation or even unable to. This paper studies several common denoising algorithms, and their in low SNR denoising feasibility is studied. This paper introduces several common signal denoising method, and then discusses the algorithm's principle and performance, and applied in low SNR analysis Than the denoising performance under two kinds of situations. In the empirical mode decomposition (EMD), the low order coefficients of renunciation, denoising method of continuous mean square error criterion, respectively analyzed the two algorithms of denoising performance at high and low SNR at high SNR conditions. Both have good denoising effect, but when the SNR is low, can be obtained through the EMD decomposition of the IMF component, some components of energy between the difference is not large, the low order coefficient method because the selected K value up properly, will cause aliasing effect; denoising provides a theoretical basis for the selection of K as the boundary value for mean square error criterion based on the EMD, but in the low SNR case, even if there is a component of the energy is a local minimum, but not necessarily is the dividing point of the noise and signal leading interval, some extreme cases, even can not find the global minimum, then the algorithm. All invalid. In wavelet transform, comparative analysis of soft and hard threshold denoising performance at high SNR, the performance was better. But when the SNR is low because the threshold is larger, at this time, will be regarded as part of the wavelet coefficients of signal noise, false rejection, affect the denoising performance, so in the low SNR should not adopt the traditional wavelet denoising methods. Through the analysis, comparison of noise autocorrelation function and signal mathematical characteristics of autocorrelation function, we propose a self correlation EMD and adaptive wavelet threshold denoising method based on joint, by calculating the autocorrelation function of the IMF component, select the noise signal cut-off point. The point before the component threshold. The reconstructed signal analysis as the next level of input signal. Wavelet discontinuity will cause the Gibbs effect, effect of denoising performance, put forward a random signal de-noising algorithm based on neighborhood interpolation, the algorithm By random interpolation, changing the matching condition between the signal characteristics and the wavelet function, achieve denoising. ICA denoising algorithm based on a signal at high SNR, can complete a very good denoising, but in low SNR, the correlation matrix of the signals may be zero eigenvalue, i.e., autocorrelation matrix is singular, unable to complete the whitening process, based on ICA denoising method of failure, a subspace projection based on ICA analysis.

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 靳永東;孫渝生;;激光外差測振中信噪比的實(shí)驗(yàn)研究[J];應(yīng)用激光;1987年04期

2 宋正方;;干涉法測量中的信噪比[J];激光技術(shù);1993年03期

3 葛建軍，，曹小元;低信噪比信號下A／D量化的影響分析[J];電訊技術(shù);1995年06期

4 郭誠忠;;檢波后測量檢波前射頻信噪比的方法[J];無線電工程譯文;1974年01期

5 孔俊寶;;用微處理機(jī)控制的語言碼信噪比的自動(dòng)測量系統(tǒng)[J];電訊技術(shù);1988年05期

6 李泰楨;淺談?wù){(diào)頻立體聲[J];電聲技術(shù);1981年01期

7 小蟲子;;你的信噪比有多大?[J];中國計(jì)算機(jī)用戶;2007年42期

8 寧鐸;提高信噪比的有效方法——飽和放大法[J];西北輕工業(yè)學(xué)院學(xué)報(bào);1996年04期

9 馬宗峰;張春熹;張朝陽;顏廷洋;;光學(xué)外差探測信噪比研究[J];光學(xué)學(xué)報(bào);2007年05期

10 汪毅;陳曉冬;李海峰;李喬;郁道銀;;單探測器偏振相干層析系統(tǒng)結(jié)構(gòu)對信噪比影響的研究[J];傳感技術(shù)學(xué)報(bào);2010年03期

相關(guān)會(huì)議論文 前10條

1 楊偉剛;賀振華;黃德濟(jì);;信噪比對小波相關(guān)性去噪效果的影響[A];中國地球物理學(xué)會(huì)第22屆年會(huì)論文集[C];2006年

2 萬芷君;明媚;王婷;栗麗兵;;基因預(yù)測中的信噪比計(jì)算問題[A];廣西計(jì)算機(jī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文集[C];2012年

3 張廣智;印興耀;吳國忱;;應(yīng)用部分KL變換在小波域壓制噪聲[A];1998年中國地球物理學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];1998年

4 徐穎;金曉雷;包紅林;李博;;低信噪比資料的去噪技術(shù)[A];油氣地球物理實(shí)用新技術(shù)——中國石化石油勘探開發(fā)研究院南京石油物探研究所2004年學(xué)術(shù)交流會(huì)論文集[C];2004年

5 萬福永;袁震東;;變信噪比信號的去噪[A];第二十四屆中國控制會(huì)議論文集（下冊）[C];2005年

6 龐亞軍;王春暉;;平衡外差探測信噪比特性的實(shí)驗(yàn)研究[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

7 雷蕾;林靜然;彭啟琮;;GPS信號捕獲中信噪比提高的研究[A];2009年通信理論與信號處理學(xué)術(shù)年會(huì)論文集[C];2009年

8 萬敏;蘇毅;楊銳;鄭捷;冷杰;鄭為民;胡曉陽;;提高白天觀測星體信噪比的方法研究[A];第七屆全國激光科學(xué)技術(shù)青年學(xué)術(shù)交流會(huì)專輯[C];2003年

9 丁官中;潘增壽;;基于FFT的音頻信噪比測量[A];《IT時(shí)代周刊》論文專版（第300期）[C];2014年

10 盧青;;低信噪比時(shí)的影片數(shù)據(jù)處理[A];第六屆全國運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)會(huì)議論文摘要匯編[C];1988年

相關(guān)重要報(bào)紙文章 前1條

1 山西 王成保;放大器技術(shù)指標(biāo)與音質(zhì)的關(guān)系（二）[N];電子報(bào);2007年

相關(guān)博士學(xué)位論文 前5條

1 王永志;脈沖信噪比單次測量技術(shù)的系統(tǒng)集成與工程應(yīng)用[D];復(fù)旦大學(xué);2014年

2 滿欣;低信噪比條件下迭代接收關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

3 王爽;大孔徑靜態(tài)干涉光譜成像儀信噪比研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2013年

4 王兆湖;復(fù)雜區(qū)低信噪比地震資料處理方法研究[D];吉林大學(xué);2010年

5 張志民;數(shù)字通信信號調(diào)制方式自動(dòng)識(shí)別研究及實(shí)現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 趙世穎;偏振天氣雷達(dá)定標(biāo)及小信噪比下的偏振量測量方法研究[D];南京信息工程大學(xué);2015年

2 何佳;地表環(huán)境對GNSS數(shù)據(jù)質(zhì)量的影響分析[D];長安大學(xué);2015年

3 程林;低信噪比條件下的雷達(dá)信號檢測技術(shù)研究[D];中國艦船研究院;2015年

4 黃飛翔;低信噪比突發(fā)通信中信號捕獲的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

5 劉艷陽;微通道板信噪比檢測中微弱電流檢測技術(shù)研究[D];長春理工大學(xué);2014年

6 魏元澤;低信噪比混響環(huán)境下聲測定位方法的實(shí)現(xiàn)[D];電子科技大學(xué);2014年

7 謝東;較低信噪比下信號去噪方法研究[D];電子科技大學(xué);2015年

8 牛聰;地震記錄信噪比估算方法研究[D];成都理工大學(xué);2006年

9 王紅玲;地震記錄信噪比估算方法研究[D];成都理工大學(xué);2007年

10 于同翡;遼河外圍盆地低信噪比地區(qū)激發(fā)技術(shù)研究[D];中國地質(zhì)大學(xué)（北京）;2009年

本文編號：1476679