基于稀疏分解的信號(hào)去噪方法研究.pdf

1、信號(hào)去噪是信號(hào)處理領(lǐng)域一個(gè)經(jīng)典的基本課題。由于是在冗余字典上分解帶噪信號(hào),基于稀疏分解的去噪方法實(shí)現(xiàn)了更加簡(jiǎn)潔、全面地表示有用信號(hào)有效分離噪聲和信號(hào)的目的,因此引起了眾多學(xué)者的關(guān)注和研究。稀疏分解方法在語(yǔ)音信號(hào)、圖像信號(hào)、醫(yī)學(xué)信號(hào)、地震信號(hào)、雷達(dá)信號(hào)和超聲信號(hào)等諸多信號(hào)去噪中得到廣泛應(yīng)用。
　　本文主要針對(duì)稀疏分解去噪方法展開深入研究,從提高信號(hào)去噪效果、降低計(jì)算復(fù)雜度入手,研究具有某些稀疏特性的特殊信號(hào)的去噪方法,分別對(duì)塊稀疏信

2、號(hào)、樹型稀疏信號(hào)以及具有信號(hào)相關(guān)性的多通道信號(hào)研究稀疏分解去噪方法,仿真實(shí)驗(yàn)驗(yàn)證了本文所述去噪方法的優(yōu)越性和有效性。
　　本文主要研究?jī)?nèi)容如下:
　　1.總結(jié)稀疏分解去噪理論及其主要的稀疏分解去噪算法,首先研究稀疏分解基本模型和稀疏分解去噪的數(shù)學(xué)描述,然后研究主要去噪算法的步驟和理論分析,并與正交分解方法和小波軟硬閾值法進(jìn)行了比較實(shí)驗(yàn),仿真實(shí)驗(yàn)表明稀疏分解去噪方法具有明顯優(yōu)勢(shì)。
　　2.研究基于信號(hào)模型的稀疏分解去噪方

3、法,針對(duì)目前稀疏分解去噪未考慮信號(hào)自身稀疏特性的問(wèn)題,分別提出了面向塊稀疏信號(hào)和面向樹型稀疏信號(hào)的匹配追蹤類稀疏分解去噪方法。首先把塊稀疏信號(hào)的簇類結(jié)構(gòu)特性融入匹配追蹤類稀疏分解去噪方法,提出一類塊稀疏匹配追蹤稀疏分解去噪算法,該類算法提高了匹配速率和精度,仿真實(shí)驗(yàn)驗(yàn)證了所提算法的去噪效果優(yōu)于現(xiàn)有匹配追蹤類稀疏分解去噪算法;然后把貪婪小波樹子節(jié)點(diǎn)非零則父節(jié)點(diǎn)非零的特點(diǎn)以及最優(yōu)小波樹存在孤立大系數(shù)的特點(diǎn)融入匹配追蹤類稀疏分解去噪算法,提出

4、一類樹型稀疏匹配追蹤稀疏分解去噪算法,仿真實(shí)驗(yàn)表明所提的樹型算法的去噪效果有明顯改善。
　　3.研究基于信號(hào)相關(guān)性的多通道信號(hào)的稀疏分解去噪方法,針對(duì)稀疏分解去噪未涉及多通道信號(hào)聯(lián)合去噪的問(wèn)題,結(jié)合實(shí)際應(yīng)用場(chǎng)景建立兩種多通道信號(hào)的相關(guān)性模型(CorrelationModels,CMs),即CM1和CM2模型,接著針對(duì)兩模型分別研究匹配追蹤類稀疏分解去噪方法。首先針對(duì)CM1模型各信號(hào)具有公共稀疏部分的相關(guān)特性,把單個(gè)信號(hào)作為先驗(yàn)知識(shí)