CN102195903A - 一种信号去噪方法及其信号去噪放大器 - Google Patents
一种信号去噪方法及其信号去噪放大器 Download PDFInfo
- Publication number
- CN102195903A CN102195903A CN2010101240150A CN201010124015A CN102195903A CN 102195903 A CN102195903 A CN 102195903A CN 2010101240150 A CN2010101240150 A CN 2010101240150A CN 201010124015 A CN201010124015 A CN 201010124015A CN 102195903 A CN102195903 A CN 102195903A
- Authority
- CN
- China
- Prior art keywords
- signal
- denoising
- unit
- amplifier
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Amplifiers (AREA)
Abstract
本发明公开了一种信号去噪方法及其信号去噪放大器。本发明的信号去噪方法包括以下步骤:(1)将包含噪声的信号以步长为单位进行多次平移,步长小于信号的周期的四分之一;(2)将多次平移后的所述信号相叠加得到新的信号。本发明的信号去噪放大器包括延时器单元以及信号求和单元,延时器单元将包含噪声的信号以步长为单位进行多次平移,步长小于信号的周期的四分之一,并且信号求和单元将多次平移后的信号相叠加得到新的信号。本发明无需进行参数优化,省时省力,在数学计算上更为简单快速,并且能够实现有效的去噪效果,大幅提高信号的信噪比。
Description
技术领域
本发明是关于一种信号处理的方法及装置,特别是关于一种对携带噪声的信号进行去噪放大的方法及装置。
背景技术
目前在电子信息技术领域中,大部分信号去噪的方法都是基于小波变换进行的。小波变换具有低熵性、多分辨率等特性,并且具有去相关性和基函数的选择灵活等特点,这些特点使其在声音信号和图像信号的降噪方面得到广泛的应用。
例如,一个信号f(n)被噪声污染后成为s(n),那么基本的噪声模型就可以表示为如下形式:
公式(1):s(n)=f(n)+σe(n)
上述公式中:e(n)为噪声;σ为噪声强度。在最简单的情况下,e(n)为高斯白噪声,且σ=1。小波变换就是要抑制e(n)以恢复f(n),从而达到去除噪声的目的。
小波去噪的方法很多,下面以小波阈值去噪为例进行说明,其通常通过以下3个步骤来实现:
步骤(1):小波分解;
步骤(2):设定各层细节的阈值,对得到的小波系数进行阈值处理;
步骤(3):小波逆变换重构信号。
中国发明专利申请第200480027380.2号公开了一种对视频信号进行去噪声的方法,按照该方法,小波变换器在空间上将视频序列的各个帧变换成二维频带,随后在时间方向上对这些二维频带进行分解,以形成空间-时间子频带。空间变换可以包括应用低频带平移方法来产生平移不变运动参考帧。二维频带的分解可以包括对各个二维频带使用一个运动补偿时间滤波器。然后例如使用诸如软阈值处理、硬阈值处理和小波维纳滤波器之类的小波去噪声技术从各个空间-时间子频带中消除添加性噪声。
中国发明专利申请第03803093.4号公开了一种在以因噪声产生的损失最小的情况从接收信号中提取信息的方法和系统,该系统包括:变换器,用于使接收信号与小波函数相关,并产生小波分解系数;以及阈值电路,其响应接收信号,用于根据信号类型应用预定阈值。该系统还包括滤波器,该滤波器连接到变换器和阈值电路,用于利用阈值电路应用的阈值,改变变换器产生的小波分解系数,以产生改变的小波系数,从该改变的小波系数以降低的噪声重构该接收信号。
小波阈值去噪的关键在于如何选择阈值和如何利用阈值来处理小波系数,这将直接影响到小波去噪的结果。小波去噪的数学计算比较复杂,处理过程繁复。
因此,提供一种新型的信号去噪方法及其信号去噪放大器成为业界需要解决的问题。
发明内容
本发明所要解决的技术问题是提供一种能够有效去除信号中的噪声、提高其信噪比的信号去噪方法及其信号去噪放大器。
本发明的一种技术方案是这样实现的:提供一种信号去噪方法,所述信号去噪方法包括以下步骤:(1)将包含噪声的信号以步长为单位进行多次平移,其中所述步长小于所述信号的周期的四分之一;(2)将多次平移后的所述信号相叠加得到新的信号。
优选地,上述步长的数值取尽可能小的正值。
可选地,上述信号周期为2T,上述步长等于0.005T,T为任意变量值。
或者,上述信号周期为2T,上述步长等于0.05T。
可选择地,上述信号周期为2T,上述步长等于0.01T或0.02T。
特别地,上述平移次数为50次或者10次。
另外,本发明还提供了一种信号去噪放大器,其包括信号输入单元以及信号输出单元,包含噪声的信号通过上述信号输入单元输入,并且经过去噪处理后的信号通过上述信号输出单元输出,上述信号去噪放大器还包括延时器单元以及信号求和单元,上述延时器单元将包含噪声的上述信号以步长为单位进行多次平移,其中上述步长小于上述信号的周期的四分之一,并且上述信号求和单元将多次平移后的上述信号相叠加得到新的信号。
优选地,上述延时器单元包括多个延时器。
并且,上述延时器的数量为50个或者10个。
另外,上述信号周期为2T,上述步长为0.005T或者0.01T或者0.02T或者0.05T。
本发明的有益效果是:(1)本发明的信号去噪方法无需进行参数优化,省时省力,与小波去噪相比,在数学计算上更为简单快速;(2)本发明的信号去噪放大器不需要设置复杂的计算单元,结构简单,操作方式简便易行,制造成本低廉,适用范围广泛;(3)本发明的信号去噪方法及其信号去噪放大器,能够实现有效的去噪效果,大幅提高信号的信噪比。
以下结合附图和实施例,来进一步说明本发明,但本发明不局限于这些实施例,任何在本发明基本精神上的改进或替代,仍属于本发明权利要求书中所要求保护的范围。
附图说明
图1是未加噪声的信号f(n)。
图2是加入噪声的信号s(n)。
图3是经过本发明处理后的信号s’(n)(平移50次,平移大小为0.01)。
图4是本发明的部分实验结果。
图5是现有技术中用小波对s(n)进行一维信号自动降噪的处理结果。
图6是本发明的信号去噪放大器的结构示意图。
具体实施方式
本发明根据在听觉神经元上所观察到的信息整合规律,提供一种信号去噪方法及其信号去噪放大器。本发明的信号去噪放大处理是这样实现的:
基本的噪声模型表示为如下形式:
公式(1):s(n)=f(n)+σe(n)
假设的噪声模型是当公式(1)中的σ=1,e(n)为高斯白噪声时的噪声模型,即表示为如下形式:
公式(2):s(n)=f(n)+e(n)
设信号s(n)周期为2T,将s(n)平移步长L(L<T/2),平移N次,再将N次平移后的信号叠加起来,得到新的信号s’(n),该信号s’(n)与原信号s(n)相比,信噪比得到提高,从而实现了去噪放大作用。
下面以正弦波信号f(n)为例来解释本发明的信号去噪方法。
如图1所示,f(n)为周期为2的正弦波信号(原始信号),图2所示为在f(n)中加入噪声的信号s(n),s(n)为信号f(n)与高斯白噪声之和。如图3所示,将s(n)信号平移步长L,平移N次,优选的是L的值尽量小,但不等于0,可以取L=0.05或者L=0.01或者L=0.005等等。在图3所示的实施方式中,L=0.01,N=50。然后将N次平移后的信号叠加起来,得到新的信号s’(n)。将图3与图2相比较可见,信号噪声变弱。对s(n)和s’(n)的信噪比进行计算,s(n)的信噪比为9.8393,而s’(n)的信噪比提高到25.8695,SNR明显提高。
图4表示了本发明的部分实验结果。从该表格可见,平移的大小(即步长L)越小,降噪后所获得信噪比越大,即去噪效果更好。另外,平移的次数对降噪效果的影响也具有一定规律性。
图5是表示现有技术中用小波对s(n)进行一维信号的自动降噪处理的结果。其中采用极大极小原理选择阈值,未对阈值作调整,去噪后的信号大体上显示了原始信号的形状,基本上去除了噪声引起的干扰,信噪比由9.8034提高到18.8346,但是与图3所示的经过本发明的信号去噪方法进行信号处理后所获得的信噪比相比较,仍然存在一定差距。本发明的信号去噪方法可以获得更佳的信噪比,明显优于小波去噪的方式。
如图6所示,本发明的信号去噪放大器运用了本发明的信号去噪方法,其包括以下四个部分:信号输入单元11、延时器单元13、信号求和单元15以及信号输出单元17。延时器单元13包括N个延时器,图6中示出了延时器1、2、3...N。可以根据需要选择延时器的个数N。首先,加入噪声的信号s(n)通过信号输入单元11输入本发明的信号去噪放大器;随后延时器单元13将s(n)信号平移步长L,并平移N次,例如平移步长L选择0.05,而平移次数为50次;然后,信号求和单元15将N次平移后的信号叠加起来,得到去噪后的新的信号s’(n);最后信号输出单元17将新的信号s’(n)输出。
本发明的有益效果在于:(1)本发明的信号去噪方法无需进行参数优化,省时省力,与小波去噪相比,在数学计算上更为简单快速;(2)本发明的信号去噪放大器不需要设置复杂的计算单元,结构简单,操作方式简便易行,制造成本低廉,适用范围广泛;(3)本发明的信号去噪方法及其信号去噪放大器,能够实现有效的去噪效果,大幅提高信号的信噪比。
Claims (8)
1.一种信号去噪方法,其特征在于,所述信号去噪方法包括以下步骤:
(1)将包含噪声的信号以步长为单位进行多次平移,其中所述步长小于所述信号的周期的四分之一;
(2)将多次平移后的所述信号相叠加得到新的信号。
2.如权利要求1所述的信号去噪方法,其特征在于,所述步长的数值取尽可能小的正值。
3.如权利要求1或2所述的信号去噪方法,其特征在于,所述信号周期为2T,所述步长等于0.005T、0.01T、0.02T或0.05T。
4.如权利要求1或2所述的信号去噪方法,其特征在于,所述平移次数为50次或者10次。
5.一种信号去噪放大器,其包括信号输入单元以及信号输出单元,包含噪声的信号通过所述信号输入单元输入,并且经过去噪处理后的信号通过所述信号输出单元输出,其特征在于,所述信号去噪放大器还包括延时器单元以及信号求和单元,所述延时器单元将包含噪声的所述信号以步长为单位进行多次平移,其中所述步长小于所述信号的周期的四分之一,并且所述信号求和单元将多次平移后的所述信号相叠加得到新的信号。
6.如权利要求5所述的信号去噪放大器,其特征在于,所述延时器单元包括多个延时器。
7.如权利要求6所述的信号去噪放大器,其特征在于,所述延时器的数量为50个或者10个。
8.如权利要求5-7之一所述的信号去噪放大器,其特征在于,所述信号周期为2T,所述步长为0.005T、0.01T、0.02T或者0.05T。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101240150A CN102195903A (zh) | 2010-03-11 | 2010-03-11 | 一种信号去噪方法及其信号去噪放大器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101240150A CN102195903A (zh) | 2010-03-11 | 2010-03-11 | 一种信号去噪方法及其信号去噪放大器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102195903A true CN102195903A (zh) | 2011-09-21 |
Family
ID=44603309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101240150A Pending CN102195903A (zh) | 2010-03-11 | 2010-03-11 | 一种信号去噪方法及其信号去噪放大器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102195903A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944215A (zh) * | 2012-11-26 | 2013-02-27 | 昆山北极光电子科技有限公司 | 一种多通道机械形变测量方法 |
CN105024757A (zh) * | 2015-06-04 | 2015-11-04 | 深圳市中兴微电子技术有限公司 | 一种强滤波补偿的方法及装置 |
CN110149286A (zh) * | 2015-05-11 | 2019-08-20 | 蒋华丽 | 加性噪声环境下数字通信的提高信噪比的信号处理方法 |
CN114722885A (zh) * | 2022-06-09 | 2022-07-08 | 山东山矿机械有限公司 | 托辊搬运小车运行异常智能检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6304133B1 (en) * | 1999-02-26 | 2001-10-16 | Oki Electric Industry Co., Ltd. | Moving average filter |
CN101496420A (zh) * | 2005-06-08 | 2009-07-29 | 加利福尼亚大学董事会 | 利用信号处理算法改善语音清晰度和听力舒适度的方法、设备和系统 |
-
2010
- 2010-03-11 CN CN2010101240150A patent/CN102195903A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6304133B1 (en) * | 1999-02-26 | 2001-10-16 | Oki Electric Industry Co., Ltd. | Moving average filter |
CN101496420A (zh) * | 2005-06-08 | 2009-07-29 | 加利福尼亚大学董事会 | 利用信号处理算法改善语音清晰度和听力舒适度的方法、设备和系统 |
Non-Patent Citations (2)
Title |
---|
胡松等: "《滑动平均滤波在微弱脉冲信号检测中的应用》", 《计算机与数字工程》, vol. 35, no. 10, 31 October 2007 (2007-10-31) * |
雍世和: "《用滑动平均滤波法消除测井曲线上的毛刺干扰》", 《华东石油学院学报》, 31 January 1983 (1983-01-31) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944215A (zh) * | 2012-11-26 | 2013-02-27 | 昆山北极光电子科技有限公司 | 一种多通道机械形变测量方法 |
CN110149286A (zh) * | 2015-05-11 | 2019-08-20 | 蒋华丽 | 加性噪声环境下数字通信的提高信噪比的信号处理方法 |
CN105024757A (zh) * | 2015-06-04 | 2015-11-04 | 深圳市中兴微电子技术有限公司 | 一种强滤波补偿的方法及装置 |
WO2016192310A1 (zh) * | 2015-06-04 | 2016-12-08 | 深圳市中兴微电子技术有限公司 | 一种强滤波补偿的方法及装置、计算机存储介质 |
CN105024757B (zh) * | 2015-06-04 | 2017-10-24 | 深圳市中兴微电子技术有限公司 | 一种强滤波补偿的方法及装置 |
US10411803B2 (en) | 2015-06-04 | 2019-09-10 | Sanechips Technology Co., Ltd. | Strong filter compensation method and device, and computer storage medium |
CN114722885A (zh) * | 2022-06-09 | 2022-07-08 | 山东山矿机械有限公司 | 托辊搬运小车运行异常智能检测方法及系统 |
CN114722885B (zh) * | 2022-06-09 | 2022-08-16 | 山东山矿机械有限公司 | 托辊搬运小车运行异常智能检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106233382B (zh) | 一种对若干个输入音频信号进行去混响的信号处理装置 | |
CN101904182A (zh) | 用于高度相关的混合物的增强型盲源分离算法 | |
JP2010523047A (ja) | 信号処理システムにおけるノイズを解析する方法及び装置 | |
CN102195903A (zh) | 一种信号去噪方法及其信号去噪放大器 | |
CN116013344A (zh) | 一种多种噪声环境下的语音增强方法 | |
CN112084845A (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN102685501A (zh) | 实现jpeg2000图像压缩的定点小波变换方法 | |
CN102236888B (zh) | 基于双树离散小波包的图像去噪方法 | |
Kaur et al. | A survey on implementation of discrete wavelet transform for image denoising | |
CN116682444A (zh) | 一种基于波形频谱融合网络的单通道语音增强方法 | |
Kumar et al. | Design of modified vedic multiplier and FPGA implementation in multilevel 2d-DWT for image processing applications | |
Chai et al. | Optimal design of multichannel equalizers for the structural similarity index | |
El-Khamy et al. | C9. a new wideband spectrum sensing technique based on compressive sensing, wavelet edge detection and parallel processing | |
Li et al. | New insights about interference suppression algorithm based on analog circuits and linear filtering method in ELF communication | |
CN114139586A (zh) | 基于多尺度分析二维特征提取的电能质量复合扰动识别方法 | |
Singh et al. | Analysis of Multispectral Image Using Discrete Wavelet Transform | |
Budhewar | Wavelet and Curvelet Transform based Image Fusion Algorithm | |
Vishwakarma et al. | De-noising of Audio Signal using Heavy Tailed Distribution and comparison of wavelets and thresholding techniques | |
Kong et al. | Application and optimization of wavelet threshold denoising algorithm in signal processing | |
Ma et al. | Research of the optimal wavelet selection on entropy function | |
Zhao et al. | Image denoising based on Gaussian and non-Gaussian assumption | |
WO2024099006A1 (zh) | 一种基于小波包分析的北斗海上多径干扰消除方法及装置 | |
Hamada | Digital signal processing: Progress over the last decade and the challenges ahead | |
Rong et al. | Adaptive Filtering Method Based on EMD | |
Shuang-ping | A combined image denoising method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110921 |