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。     

基于小波阈值去噪的改进方案

在D.L.Dohono提出的软、硬阈值去噪方法的基础上,提出了两种新的阈值函数,并对小波阈值的去噪算法进行仿真实验研究。首先分析软、硬阈值去噪法及最新的阈值改进算法,在此基础上提出两种改进小波阈值去噪算法,然后用提到的各种小波阈值去噪算法对指定图像进行去噪仿真研究,最后基于实验结果进行对比分析。新阈值函数在图像去噪方面要优于传统的软、硬阈值函数。能更好的保留原始图像信息,提高峰值信噪比并降低均方误差。     

采用外部数据扩充样本的协同表示去噪算法

针对滤波算法利用内部数据很快达到滤波性能极限、在噪声密度较大时无法满足滤波要求的问题,提出采用外部数据扩充样本的协同表示去噪算法。通过协同表示寻找到与待滤波图像相似的外部数据图像,并利用该图像生成虚拟图像,扩充数据库纹理信息;通过匹配待滤波图像与外部数据图像的相似碎片信息,完成滤波过程。实验结果表明,所提出算法对高密度噪声图像的滤波效果较BM3D算法有大幅度的提升,并具有较好的鲁棒性,可获得高质量的滤波图像。     

基于LMS的自适应滤波器典型应用的MATLAB实现

介绍了自适应滤波器的原理和最小均方(LMS)算法,并且利用MATLAB实现了自适应系统辨识和自适应干扰抵消.     

一种快衰落信道中OFDM系统的Kalman信道估计方法

针对频率选择性快衰落信道的多径干扰和较大的多普勒频率扩展,提出了一种基于导频的低维Kalman滤波算法用于正交频分复用(OFDM)系统信道估计.为了简化计算,采用一阶自回归(AR)过程对时变信道进行建模.利用复杂度大大降低的一维Kalman滤波算法进行单个子载波的并行信道估计,并采用基于导频的最小平方(LS)算法估计时变的信道衰减因子a.为了同时跟踪信道的频域相关性,采用了最小均方误差(MMSE)线性合并器对Kalman信道估计结果进行修正.在5.5 GHz频段上的仿真表明了这种基于导频的低维Kalman信道估计方法,降低了传统的Kalman滤波结构的复杂度,能够跟踪信道的时频变化,并且在一定程度上可以接近于理想信道估计的误码率性能.     

基于小波优化阈值的图像滤噪研究

小波阈值滤噪是小波域滤噪的主要方法之一.该文描述了小波图像的滤噪原理和阈值的选取.针对图像滤噪在软、硬阈值的基础上进行了优化,给出了一种修正后的算法并在matlab7.9平台上对图像分别进行硬阈值、软阈值和软硬阈值修正算法滤噪的仿真实验,结果表明软硬阈值修正算法的滤噪效果更优.     

基于独立分量分析的MMSE多用户检测

将独立分量分析，即ICA应用于DS-CDMA系统的多用户检测中，提出了基于ICA后处理的最小均方误差MMSE多用户检测方法。该方法用MMSE检测的输出来初始化独立分量分析的迭代．既利用了信源的独立性，又充分利用了已知扩频码的信息，从而提高了多用户检测器的性能。仿真结果表明：此方法在高信噪比的情况下，误码性能得到了较大改善。     

基于符号检测辅助的MMSE与LS干扰对齐算法研究

干扰对齐（IA）是一种有效消除干扰的管理机制。为了彻底消除干扰信号对期望信号的影响,通过预编码技术处理使干扰在接收端重叠,使接收端的干扰信号与期望信号有效分开。在传统最小均方误差（Minimum Mean Square Error,MMSE）算法和最小二乘（least square,LS）算法基础上,提出基于符号检测辅助的最小均方误差（Symbol Detection Aided Minimum Mean Square Error,SDA-MMSE）算法和最小二乘（Symbol Detection Aided Least Square,SDA-LS）算法。分别基于传统算法和改进算法进行迭代计算,通过仿真可看出SDA-MMSE算法的MSE较SDA-LS算法的MSE降低约20%。理论分析与仿真结果表明,改进算法较传统算法具有更好的系统性能,且SDA-MMSE算法系统性能最优。     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

基于深度学习的图像去噪研究

由于设备的不完善,图像在传输过程中会被噪声污染而失去原始图像的细节特征,为了使噪声图像变得清晰且其特征明显,本文提出一种基于深度学习的图像去噪方法,构建了基于卷积神经网络的图像去噪网络结构,并对卷积神经网络中的反向传播算法进行优化,从而加快模型的训练速度,有效地提高去噪效果。最后通过与经典算法实验的对比来进一步说明本研究取得了较好的去噪效果。     

基于Curvelet变换和均值滤波的图像去噪方法

针对图像中的高斯噪声干扰,提出一种改进的图像去噪方法．首先利用Curvelet变换将含噪声图像分解成多个子频带,再根据子带系数的高斯分布特性,利用阈值去噪和加权平均滤波相结合的方法对高频子带进行去噪处理,最后利用Curvelet反变换得到去噪后的图像．为了验证该方法的有效性,与传统的硬阈值、软阈值、基于小波变换的方法相比较,实验结果表明,该方法能够获得较好的峰值信噪比和视觉特性,保留较多的细节信息．同时也说明了Curvelet变换比小波变换能够得到更好的去噪效果．     

基于Hankel矩阵SVD算法的去噪研究

针对奇异值分解(SVD)算法对非水平同相轴去噪效果不佳的问题,提出一种基于Hankel矩阵的SVD去噪算法,构造二维地震数据模型对此算法进行验证。将此算法与传统SVD算法进行比较,可知Hankel矩阵算法明显改善了非水平同相轴去噪效果,可以用于实际数据处理。但此算法在处理混合数据时也会对水平同相轴造成一定伤害。     

基于改进阈值函数的小波去噪算法研究

为更好地消除心电信号（ECG）处理过程中存在的基线漂移、工频干扰和肌电干扰等噪声,提出一种基于改进小波阈值的去噪算法。该算法选定 coi5 作为小波基进行分解,选取分解尺度为 8 层,使用改进的阈值选取方法对每一层信号系数进行去噪。该阈值函数不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差,同时具有良好的自适应性。实验结果表明,该方法与传统阈值法相比,信噪比提高了24.26%,均方误差降低了 21.42%;与当前国际上先进的去噪算法相比,信噪比提高了 2.01%,均方误差降低了6.9%,去噪效果显著提升,验证了该算法的有效性。     

基于最大能量熵的小波阈值去噪法研究

分析了现有的软阈值、硬阈值以及软硬折衷阈值三种小波阈值去噪方法的优缺点,在此基础上,提出了一种基于最大能量熵的小波阈值去噪方法,根据最大能量熵的理论确定了改进型阈值函数中的加权因子。用三种阈值函数分别对Blocks、Bumps、Droppler信号进行滤波处理中,结果表明,基于最大能量熵的小波阈值去噪方法各项性能指标均优于另外两种方法,具有良好的去噪效果。     

基于小波分析的图像去噪

针对图像去噪展开研究,结合均值滤波技术和小波分析技术,提出了使用高斯平滑滤波与小波局部阈值处理相结合的方法。首先对图像进行高斯平滑滤波,然后选取适当的小波阈值对小波系数进行处理、重构得到新的图像,并将去噪图像的峰值信噪比作为性能指标,仿真实验结果表明文中所用的方法去噪效果更佳,图像有着更好的视觉效果。     

基于小波变换的地动数据去噪研究

地动资料处理的重点在于地动信号记录中噪声的有效消除,它在地动信号的解释和后期处理中有着十分重要的地位．高质量的地动资料去噪算法在降低噪声的同时,可以完整地保留图像的边缘信息．     

基于卡尔曼滤波的数据融合在无线传感器网络中的研究

为了减少节点传输数据量和网络总能量的消耗,本文针对特定应用模型,提出了基于卡尔曼滤波的数据融合算法,并用MATLAB工具进行仿真实验,证明该融合方法提高数据精确度和可信度.