基于稀疏分解的信號去噪方法研究.pdf

1、信號去噪是信號處理領域一個經(jīng)典的基本課題。由于是在冗余字典上分解帶噪信號,基于稀疏分解的去噪方法實現(xiàn)了更加簡潔、全面地表示有用信號有效分離噪聲和信號的目的,因此引起了眾多學者的關注和研究。稀疏分解方法在語音信號、圖像信號、醫(yī)學信號、地震信號、雷達信號和超聲信號等諸多信號去噪中得到廣泛應用。
　　本文主要針對稀疏分解去噪方法展開深入研究,從提高信號去噪效果、降低計算復雜度入手,研究具有某些稀疏特性的特殊信號的去噪方法,分別對塊稀疏信

2、號、樹型稀疏信號以及具有信號相關性的多通道信號研究稀疏分解去噪方法,仿真實驗驗證了本文所述去噪方法的優(yōu)越性和有效性。
　　本文主要研究內(nèi)容如下:
　　1.總結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行了比較實驗,仿真實驗表明稀疏分解去噪方法具有明顯優(yōu)勢。
　　2.研究基于信號模型的稀疏分解去噪方

3、法,針對目前稀疏分解去噪未考慮信號自身稀疏特性的問題,分別提出了面向塊稀疏信號和面向樹型稀疏信號的匹配追蹤類稀疏分解去噪方法。首先把塊稀疏信號的簇類結構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,仿真實驗驗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)點非零則父節(jié)點非零的特點以及最優(yōu)小波樹存在孤立大系數(shù)的特點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,仿真實驗表明所提的樹型算法的去噪效果有明顯改善。
　　3.研究基于信號相關性的多通道信號的稀疏分解去噪方法,針對稀疏分解去噪未涉及多通道信號聯(lián)合去噪的問題,結合實際應用場景建立兩種多通道信號的相關性模型(CorrelationModels,CMs),即CM1和CM2模型,接著針對兩模型分別研究匹配追蹤類稀疏分解去噪方法。首先針對CM1模型各信號具有公共稀疏部分的相關特性,把單個信號作為先驗知識