CN109743750B - 一种视频泄漏信号去噪算法及装置 - Google Patents

一种视频泄漏信号去噪算法及装置 Download PDF

Info

Publication number
CN109743750B
CN109743750B CN201811562520.6A CN201811562520A CN109743750B CN 109743750 B CN109743750 B CN 109743750B CN 201811562520 A CN201811562520 A CN 201811562520A CN 109743750 B CN109743750 B CN 109743750B
Authority
CN
China
Prior art keywords
signal
wavelet
spectrum
denoising
calculating
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.)
Active
Application number
CN201811562520.6A
Other languages
English (en)
Other versions
CN109743750A (zh
Inventor
石珺
苏钰琦
王蕊
叶雪洁
吕博
周阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Electronic and Information Technology of CETC
Original Assignee
China Academy of Electronic and Information Technology of CETC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Electronic and Information Technology of CETC filed Critical China Academy of Electronic and Information Technology of CETC
Priority to CN201811562520.6A priority Critical patent/CN109743750B/zh
Publication of CN109743750A publication Critical patent/CN109743750A/zh
Application granted granted Critical
Publication of CN109743750B publication Critical patent/CN109743750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Picture Signal Circuits (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种视频泄漏信号去噪算法及装置，本发明通过基于小波系数对计算机电磁泄漏信号进行去噪，通过与传统去噪算法相比，本发明可以对计算机电磁泄漏信号进行去噪，提高信号的信噪比。

Description

一种视频泄漏信号去噪算法及装置
技术领域
本发明涉及计算机技术领域，特别是涉及一种视频泄漏信号去噪算法及装置。
背景技术
计算机作为非常重要的信息处理设备，是电磁泄漏问题的典型设备。计算机会通过电磁泄漏信号泄漏显示器显示的内容，攻击者可以截获该信号并进行重建，造成严重的失密风险。因此，对于攻击者和保护着来说，检测视频泄漏信号是至关重要的。然而，由于我们周边存在着环境噪声和大量人为噪声，从而使得视频泄漏信号的信噪比(SNR)通常较低，这将严重影响视频泄漏信号的检测。
发明内容
本发明提供了一种视频泄漏信号去噪算法及装置，以解决现有技术中由于环境噪声和人为噪声使得检测到的降低视频泄漏信号的信噪比较低的问题。
一方面，本发明提供了一种视频泄漏信号去噪算法，包括：
将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i为信号段数；
计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure GDA0003896504560000011
计算延迟τi的频谱
Figure GDA0003896504560000012
通过小波分解，计算信号频谱
Figure GDA0003896504560000013
的小波系数
Figure GDA0003896504560000014
信号频谱
Figure GDA0003896504560000015
为小波级数：
其中，
Figure GDA0003896504560000021
为小波函数，
Figure GDA0003896504560000022
为小波系数，利用Mallat算法来计算
Figure GDA0003896504560000023
利用多分辨率分析的双尺度方程，即
Figure GDA0003896504560000024
其中
Figure GDA0003896504560000025
为尺度函数，
Figure GDA0003896504560000026
对某整数J≥0，设x[n]是使得
Figure GDA0003896504560000027
的
Figure GDA0003896504560000028
的抽样信号，而
Figure GDA0003896504560000029
则对j≤J，有
Figure GDA00038965045600000210
Figure GDA00038965045600000211
通过预设阈值法处理小波系数
Figure GDA00038965045600000212
所述预设阈值
Figure GDA00038965045600000213
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；
通过硬阈值去噪法处理小波系数：
Figure GDA00038965045600000214
根据处理后的小波系数
Figure GDA00038965045600000215
重构信号频谱
Figure GDA00038965045600000216
优选地，所述延迟时间大于噪声的相关半径τ0，且小于信号的相关半径。
优选地，在延迟时间τ＞τ0时，x(t)和x(t+τ)不相关，所述分段数据是：xi(t)＝x(t-τi),i＝1,2,......,mτi＝(i-1)τ,i＝1,2,......,m。
优选地，通过小波分解，计算信号频谱
Figure GDA00038965045600000217
的小波系数
Figure GDA00038965045600000218
利用多分辨率分析的双尺度方程，
Figure GDA00038965045600000219
其中
Figure GDA00038965045600000220
为尺度函数，
Figure GDA00038965045600000221
Figure GDA00038965045600000222
对某整数J≥0，设x[n]是使得
Figure GDA00038965045600000223
的
Figure GDA00038965045600000224
的抽样信号，而
Figure GDA0003896504560000031
则对j≤J，有
Figure GDA0003896504560000032
Figure GDA0003896504560000033
优选地，所述小波系数为二阶的Haar小波。
本发明另一方面，提供一种视频泄漏信号去噪装置，包括：
分段单元，用于将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i为信号段数；
处理单元，用于计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure GDA0003896504560000034
计算延迟τi的频谱
Figure GDA0003896504560000035
通过小波分解，计算信号频谱
Figure GDA0003896504560000036
的小波系数
Figure GDA0003896504560000037
信号频谱
Figure GDA0003896504560000038
为小波级数：
Figure GDA0003896504560000039
其中，
Figure GDA00038965045600000310
为小波函数，
Figure GDA00038965045600000311
为小波系数，利用Mallat算法来计算
Figure GDA00038965045600000312
由多分辨率分析的双尺度方程，即
Figure GDA00038965045600000313
其中，
Figure GDA00038965045600000314
为尺度函数，
Figure GDA00038965045600000315
Figure GDA00038965045600000316
对某整数J≥0，设x[n]是使得
Figure GDA00038965045600000317
的
Figure GDA00038965045600000318
的抽样信号，而
Figure GDA00038965045600000319
则对j≤J，有，
Figure GDA00038965045600000320
通过预设阈值法处理小波系数
Figure GDA00038965045600000323
所述预设阈值
Figure GDA00038965045600000321
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；通过硬阈值去噪法处理小波系数：
Figure GDA00038965045600000322
根据处理后的小波系数
Figure GDA0003896504560000041
重构信号频谱
Figure GDA0003896504560000042
优选地，所述延迟时间大于噪声的相关半径τ0，且小于信号的相关半径。
优选地，所述处理单元还用于，在延迟时间τ＞τ0时，x(t)和x(t+τ)不相关，所述分段数据是：
Figure GDA0003896504560000043
优选地，所述处理单元还用于，多分辨率分析的双尺度方程，
Figure GDA0003896504560000044
其中
Figure GDA0003896504560000045
为尺度函数，
Figure GDA0003896504560000046
Figure GDA0003896504560000047
对某整数J≥0，设x[n]是使得
Figure GDA0003896504560000048
的
Figure GDA0003896504560000049
的抽样信号，而
Figure GDA00038965045600000410
则对j≤J，有
Figure GDA00038965045600000411
Figure GDA00038965045600000412
再一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有信号映射的计算机程序，所述计算机程序被至少一个处理器执行时，以实现上述中任意一种所述的视频泄漏信号去噪算法。
本发明有益效果如下：
本发明是基于小波系数对计算机电磁泄漏信号进行去噪，通过与传统去噪算法相比，本发明可以对计算机电磁泄漏信号进行去噪，提高信号的信噪比。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例的视频泄漏信号去噪算法的流程示意图；
图2是本发明实施例的WCAF算法结构示意图；
图3是本发明实施例的.实验环境搭建示意图；
图4是本发明实施例的原始信号频谱示意图；
图5是现有的小波去噪后的频谱图示意图；
图6是本发明实施例的WCAF算法处理的信号频谱图示意图；
图7是本发明实施例的SNR与QSNR的关系示意图；
图8是本发明实施例的WCAF算法和传统小波去噪算法比较示意图；
图9是本发明实施例的视频泄漏信号去噪装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明第一实施例提供了一种视频泄漏信号去噪算法，参见图1，包括：
S101、将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i信号段数；
S102、计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure GDA0003896504560000051
计算延迟τi的频谱
Figure GDA0003896504560000052
S103、通过小波分解，计算信号频谱
Figure GDA0003896504560000053
的小波系数
Figure GDA0003896504560000054
信号频谱
Figure GDA0003896504560000055
为小波级数：
Figure GDA0003896504560000056
其中，
Figure GDA0003896504560000057
为小波函数，
Figure GDA0003896504560000058
为小波系数，利用Mallat算法来计算
Figure GDA0003896504560000059
由多分辨率分析的双尺度方程，即
Figure GDA0003896504560000061
其中
Figure GDA0003896504560000062
为尺度函数，
Figure GDA0003896504560000063
对某整数J≥0，设x[n]是使得
Figure GDA0003896504560000064
的
Figure GDA0003896504560000065
的抽样信号，而
Figure GDA0003896504560000066
则对j≤J，有
Figure GDA0003896504560000067
S104、通过预设阈值法处理小波系数
Figure GDA0003896504560000068
所述预设阈值
Figure GDA0003896504560000069
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；
S105、通过硬阈值去噪法处理小波系数：
Figure GDA00038965045600000610
S106、根据处理后的小波系数
Figure GDA00038965045600000611
重构信号频谱
Figure GDA00038965045600000612
也就是说，本发明实施例是基于小波系数对计算机电磁泄漏信号进行去噪，通过与传统去噪算法相比，本发明可以对计算机电磁泄漏信号进行去噪，提高信号的信噪比。
需要说明的是，本发明实施例的延迟时间大于噪声的相关半径τ0，且小于信号的相关半径。
在延迟时间τ＞τ0时，x(t)和x(t+τ)不相关，所述分段数据是：xi(t)＝x(t-τi),i＝1,2,......,mτi＝(i-1)τ,i＝1,2,......,m。
本发明实施例中，通过小波分解，计算信号频谱
Figure GDA00038965045600000613
的小波系数
Figure GDA00038965045600000614
包括；
多分辨率分析的双尺度方程，
Figure GDA00038965045600000615
其中
Figure GDA00038965045600000616
为尺度函数，
Figure GDA0003896504560000071
对某整数J≥0，设x[n]是使得
Figure GDA0003896504560000072
的
Figure GDA0003896504560000073
的抽样信号，而
Figure GDA0003896504560000074
则对j≤J，有
Figure GDA0003896504560000075
Figure GDA0003896504560000076
本发明实施例所述小波系数为二阶的Haar小波。
为了解决时域相干积累问题，提高小波去噪方法的性能，本发明提出了一种基于频域相干累积的视频泄漏信号去噪算法，即WCAF算法，具体如图2所示，本发明输入是一维视频泄漏信号x(t)。
具体地，本发明首先，我们将x(t)分段为具有时间延迟τ的不同信号段xi(t)。延迟时间大于噪声的相关半径，但小于信号的相关半径。相关半径τ0的定义是当τ＞τ0时，x(t)和x(t+τ)不相关。分段数据是：
xi(t)＝x(t-τ),i＝1,2,......,m
τi＝(i-1)τ,i＝1,2,......,m
其中，m是段的长度。其次，我们计算信号段xi(t)的频谱Yi(ω)。然后，将Yτi(ω)定义为时间延迟τi的信号Yi(ω)。
Figure GDA0003896504560000077
本发明提出了一种基于频域相干累积的视频泄漏信号去噪算法。在频域中提出了相干累积算法，并将该算法与小波去噪方法相结合。
首先，我们将x(t)分段为具有时间延迟τ的不同信号段xi(t)。延迟时间大于噪声的相关半径，但小于信号的相关半径。相关半径τ0的定义是当τ＞τ0时，x(t)和x(t+τ)不相关。分段数据是：
xi(t)＝x(t-τi),i＝1,2,......,m
τi＝(i-1)τ,i＝1,2,......,m
其中，m是分段信号的长度。其次，我们计算信号段xi(t)的频谱Yi(ω)。然后，将
Figure GDA0003896504560000081
定义为延迟τi的Yi(ω)。
Figure GDA0003896504560000082
接下来，令
Figure GDA0003896504560000083
经过小波滤波器，通过小波分解，计算
Figure GDA0003896504560000084
的小波系数，这里选择二阶的Haar小波。
Figure GDA0003896504560000085
可表为小波级数：
Figure GDA0003896504560000086
其中
Figure GDA0003896504560000087
为小波函数，
Figure GDA0003896504560000088
为小波系数，下面我们利用Mallat算法来计算
Figure GDA0003896504560000089
由多分辨率分析的双尺度方程，即
Figure GDA00038965045600000810
其中
Figure GDA00038965045600000811
为尺度函数，
Figure GDA00038965045600000812
对某整数J≥0，设x[n]是使得
Figure GDA00038965045600000813
的
Figure GDA00038965045600000814
的抽样信号。而
Figure GDA00038965045600000815
则对j≤J，有
Figure GDA00038965045600000816
Figure GDA00038965045600000817
接下来，用统一阈值法处理小波系数
Figure GDA00038965045600000818
阈值Thr为：
Figure GDA00038965045600000819
其中，N为数据长度，σ是噪声的标准差。
σ＝median|Det1|/0.6745
接下来，利用硬阈值去噪法处理小波系数：
Figure GDA00038965045600000820
最后，利用处理后的小波系数
Figure GDA0003896504560000091
重构信号频谱S(ω)
Figure GDA0003896504560000092
为了验证算法性能，将提出的WCAF算法应用于实验数据。实验环境搭建如图3所示。电脑液晶显示器的分辨率设置为1024×768。接收范围为30-3000MHz的对数周期天线(ZN30505E)被放置在被测电脑的前方，其高度与电脑显示屏中心的高度相同。我们将天线放置在距被测电脑1米到10米处以获得不同强度的信号。天线连接到数据采集设备，数据采集设备可以是数据采集卡，数字示波器或频谱分析仪。这里使用了频谱分析仪。关于采样频率，根据VESA标准，像素频率范围为31.5MHz至297MHz。当电脑分辨率为1024×768时，像素频率范围为44.9MHz～94.5MHz。考虑到这些视频接口信号包含基本信号频率的谐波，我们选择500MHz作为采样频率。
总体来说，本发明的步骤包括：
本算法的步骤为：
(1)将x(t)分段为具有时间延迟τ的不同信号段xi(t)。
(2)计算信号段xi(t)的频谱Yi(ω)。然后，将
Figure GDA0003896504560000093
定义为延迟τi的Yi(ω)。
Figure GDA0003896504560000094
(3)令
Figure GDA0003896504560000095
经过小波滤波器，通过小波分解，计算
Figure GDA0003896504560000096
的小波系数
Figure GDA0003896504560000097
(4)用统一阈值法处理小波系数
Figure GDA0003896504560000098
阈值Thr为：
Figure GDA0003896504560000099
其中，N为数据长度，σ是噪声的标准差。
σ＝median|Det1|/0.6745
(5)最后，利用以下重构公式，对处理后的小波系数进行重构。
Figure GDA00038965045600000910
其中，
Figure GDA00038965045600000911
和
Figure GDA00038965045600000912
分别是
Figure GDA00038965045600000913
和
Figure GDA00038965045600000914
的共轭转置矩阵。
原始信号频谱如图4所示。传统的小波去噪算法处理的信号频谱如图5所示。所提出的WCAF算法处理的信号频谱如图6所示，其中M＝10。可以看出，图4中的信噪比略高于图3中的信噪比。图5中的信噪比高于图3和图4中的信噪比。
为了评估本发明提出的算法，需要计算信噪比(SNR)，通常情况下信噪比的计算公式为
Figure GDA0003896504560000101
由于接收信号中掺杂着噪声，所以无法通过该公式分别计算信号和噪声的能量来计算信噪比。因此，本发明提出利用局部方差的最大值和最小值的比值来估计信噪比，称之为类信噪比(QSNR)，计算公式为，
Figure GDA0003896504560000102
其中，
Figure GDA0003896504560000103
其中，R为窗口长度，可以根据信号长度进行选择。μi为均值。
Figure GDA0003896504560000104
为了验证QSNR，我们通过仿真一个单纯信号加噪声的方式来比较QSNR和SNR。结果如图7所示，横轴为SNR，纵轴为QSNR。由图可知，SNR和QSNR是线性关系。由于我们只希望通过QSNR的变化值来评估算法的有效性，而不需要信噪比的绝对值。因此，通过QSNR来代替SNR对本算法进行评估的方式是可行的。
我们通过计算QSNR来估计图4，图5和图6的SNR。在实验之后，我们选择10作为窗口长度。表1显示了原始信号频谱和处理后的信号频谱的QSNR值。从该表可以看出，WCAF算法处理的信号的QSNR要高于原始信号的QSNR和小波算法处理的信号的QSNR。
表1.原始信号和处理后信号的QSNR值
Figure GDA0003896504560000111
本发明提出一种基于小波系数的计算机电磁泄漏信号去噪算法。该算法可以对计算机电磁泄漏信号进行去噪，提高信号的信噪比。本发明中提出的算法和传统的小波去噪算法进行了比较。我们测试了两百组数据，通过调节天线和计算机之间的距离来调节信噪比，信噪比随着距离的增加而减小。比较结果如图8所示。横轴是输入的QSNR，纵轴是输出的QSNR。由图8可知，WCAF算法比传统的小波去噪算法具有更好的去噪性能。
本发明第二实施例提供了一种视频泄漏信号去噪装置，参见图9，包括：
分段单元，用于将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i为信号段数；
处理单元，用于计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure GDA0003896504560000112
计算延迟τi的频谱
Figure GDA0003896504560000113
通过小波分解，计算信号频谱
Figure GDA0003896504560000114
的小波系数
Figure GDA0003896504560000115
信号频谱
Figure GDA0003896504560000116
为小波级数：
Figure GDA0003896504560000117
其中，
Figure GDA0003896504560000118
为小波函数，
Figure GDA0003896504560000119
为小波系数，利用Mallat算法来计算
Figure GDA00038965045600001110
由多分辨率分析的双尺度方程，即
Figure GDA00038965045600001111
其中，
Figure GDA00038965045600001112
为尺度函数，
Figure GDA00038965045600001113
Figure GDA00038965045600001114
对某整数J≥0，设x[n]是使得
Figure GDA00038965045600001115
的
Figure GDA00038965045600001116
的抽样信号，而
Figure GDA00038965045600001117
则对j≤J，有
Figure GDA00038965045600001118
Figure GDA00038965045600001119
通过预设阈值法处理小波系数
Figure GDA00038965045600001120
所述预设阈值
Figure GDA0003896504560000121
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；通过硬阈值去噪法处理小波系数：
Figure GDA0003896504560000122
根据处理后的小波系数
Figure GDA0003896504560000123
重构信号频谱
Figure GDA0003896504560000124
本发明是基于小波系数对计算机电磁泄漏信号进行去噪，通过与传统去噪算法相比，本发明可以对计算机电磁泄漏信号进行去噪，提高信号的信噪比。
需要说明的是，本发明实施例的延迟时间大于噪声的相关半径τ0，且小于信号的相关半径。
进一步地，本发明实施例所述处理单元还用于，在延迟时间τ＞τ0时，x(t)和x(t+τ)不相关，所述分段数据是：
Figure GDA0003896504560000125
具体实施时，本发明实施例中所述处理单元还用于，多分辨率分析的双尺度方程，
Figure GDA0003896504560000126
其中
Figure GDA0003896504560000127
为尺度函数，
Figure GDA0003896504560000128
对某整数J≥0，设x[n]是使得
Figure GDA0003896504560000129
的
Figure GDA00038965045600001210
的抽样信号，而
Figure GDA00038965045600001211
则对j≤J，有
Figure GDA00038965045600001212
Figure GDA00038965045600001213
本发明实施例的相关部分可参见系统实施例进行理解，在此不做详细赘述。
本发明第三实施例，提供一种提供计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i为信号段数；
计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure GDA0003896504560000131
计算延迟τi的频谱
Figure GDA0003896504560000132
通过小波分解，计算信号频谱
Figure GDA0003896504560000133
的小波系数
Figure GDA0003896504560000134
信号频谱
Figure GDA0003896504560000135
为小波级数：
其中，
Figure GDA0003896504560000136
为小波函数，
Figure GDA0003896504560000137
为小波系数，利用Mallat算法来计算
Figure GDA0003896504560000138
由多分辨率分析的双尺度方程，即
Figure GDA0003896504560000139
其中
Figure GDA00038965045600001310
为尺度函数，
Figure GDA00038965045600001311
对某整数J≥0，设x[n]是使得
Figure GDA00038965045600001312
的
Figure GDA00038965045600001313
的抽样信号，而
Figure GDA00038965045600001314
则对j≤J，有
Figure GDA00038965045600001315
Figure GDA00038965045600001316
通过预设阈值法处理小波系数
Figure GDA00038965045600001317
所述预设阈值
Figure GDA00038965045600001318
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；
通过硬阈值去噪法处理小波系数：
Figure GDA00038965045600001319
根据处理后的小波系数
Figure GDA00038965045600001320
重构信号频谱
Figure GDA00038965045600001321
本发明实施例的相关部分可参见本发明第一实施例进行理解，在此不做详细赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的分布式文件系统数据导入装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (4)

1.一种视频泄漏信号去噪方法，其特征在于，包括：
将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i为信号段索引，所述延迟时间大于噪声的相关半径τ0，且小于信号的相关半径；在延迟时间τ＞τ0时，x(t)和x(t+τ)不相关，所述分段数据是：
Figure FDA0003896504550000011
其中，m是段的长度；
计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure FDA0003896504550000012
计算延迟τi的频谱
Figure FDA0003896504550000013
通过小波分解，计算信号频谱
Figure FDA0003896504550000014
的小波系数
Figure FDA0003896504550000015
信号频谱
Figure FDA0003896504550000016
为小波级数：
Figure FDA0003896504550000017
其中，
Figure FDA0003896504550000018
为小波函数，
Figure FDA0003896504550000019
为小波系数，利用Mallat算法来计算
Figure FDA00038965045500000110
利用多分辨率分析的双尺度方程，即
Figure FDA00038965045500000111
其中
Figure FDA00038965045500000112
为尺度函数，
Figure FDA00038965045500000113
Figure FDA00038965045500000114
对某整数J≥0，设x[n]是使得
Figure FDA00038965045500000115
的
Figure FDA00038965045500000116
的抽样信号，而
Figure FDA00038965045500000117
则对j≤J，有
Figure FDA00038965045500000118
Figure FDA00038965045500000119
通过预设阈值法处理小波系数
Figure FDA00038965045500000120
所述预设阈值
Figure FDA00038965045500000121
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；
通过硬阈值去噪法处理小波系数：
Figure FDA0003896504550000021
根据处理后的小波系数
Figure FDA0003896504550000022
重构信号频谱
Figure FDA0003896504550000023
2.根据权利要求1所述的方法，其特征在于，
所述小波系数为二阶的Haar小波。
3.一种视频泄漏信号去噪装置，其特征在于，包括：
分段单元，用于将视频泄漏信号x(t)分段为具有延迟时间τ的不同信号段xi(t)，其中，i为信号段索引，所述延迟时间大于噪声的相关半径τ0，且小于信号的相关半径，在延迟时间τ＞τ0时，x(t)和x(t+τ)不相关，所述分段数据是：
Figure FDA0003896504550000024
其中，m是段的长度；
处理单元，用于计算各个信号段xi(t)的频谱Yi(ω)，计算公式如下：
Figure FDA0003896504550000025
计算延迟τi的频谱
Figure FDA0003896504550000026
通过小波分解，计算信号频谱
Figure FDA0003896504550000027
的小波系数
Figure FDA0003896504550000028
信号频谱
Figure FDA0003896504550000029
为小波级数：
Figure FDA00038965045500000210
其中，
Figure FDA00038965045500000211
为小波函数，
Figure FDA00038965045500000212
为小波系数，利用Mallat算法来计算
Figure FDA00038965045500000213
利用多分辨率分析的双尺度方程，即
Figure DA00038965045571618649
Figure FDA00038965045500000214
其中，
Figure FDA00038965045500000215
为尺度函数，
Figure FDA00038965045500000216
Figure FDA00038965045500000217
对某整数J≥0，设x[n]是使得
Figure FDA00038965045500000218
的
Figure FDA00038965045500000219
的抽样信号，而
Figure FDA00038965045500000220
则对j≤J，有
Figure FDA00038965045500000221
Figure FDA00038965045500000222
通过预设阈值法处理小波系数
Figure FDA00038965045500000223
所述预设阈值
Figure FDA0003896504550000031
其中，N为数据长度，σ是噪声的标准差，且σ＝median|Det1|/0.6745；通过硬阈值去噪法处理小波系数：
Figure FDA0003896504550000032
根据处理后的小波系数
Figure FDA0003896504550000033
重构信号频谱
Figure FDA0003896504550000034
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有信号映射的计算机程序，所述计算机程序被至少一个处理器执行，以实现权利要求1-2中任意一项所述的一种视频泄漏信号去噪方法。
CN201811562520.6A 2018-12-20 2018-12-20 一种视频泄漏信号去噪算法及装置 Active CN109743750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811562520.6A CN109743750B (zh) 2018-12-20 2018-12-20 一种视频泄漏信号去噪算法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811562520.6A CN109743750B (zh) 2018-12-20 2018-12-20 一种视频泄漏信号去噪算法及装置

Publications (2)

Publication Number Publication Date
CN109743750A CN109743750A (zh) 2019-05-10
CN109743750B true CN109743750B (zh) 2022-12-16

Family

ID=66360861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811562520.6A Active CN109743750B (zh) 2018-12-20 2018-12-20 一种视频泄漏信号去噪算法及装置

Country Status (1)

Country Link
CN (1) CN109743750B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353952A (zh) * 2011-06-03 2012-02-15 哈尔滨工程大学 一种频域相干累加的线谱检测方法
CN106301755A (zh) * 2016-08-12 2017-01-04 中国科学院信息工程研究所 一种基于小波分析的能量泄漏信号的降噪方法及系统
CN108830135A (zh) * 2018-04-25 2018-11-16 中国电子科技集团公司电子科学研究院 计算机电磁泄漏信号识别方法、装置及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7260272B2 (en) * 2003-07-10 2007-08-21 Samsung Electronics Co.. Ltd. Method and apparatus for noise reduction using discrete wavelet transform
DE602007009955D1 (de) * 2006-03-31 2010-12-02 Panasonic Corp Schaltung und verfahren zur lärmminderung

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353952A (zh) * 2011-06-03 2012-02-15 哈尔滨工程大学 一种频域相干累加的线谱检测方法
CN106301755A (zh) * 2016-08-12 2017-01-04 中国科学院信息工程研究所 一种基于小波分析的能量泄漏信号的降噪方法及系统
CN108830135A (zh) * 2018-04-25 2018-11-16 中国电子科技集团公司电子科学研究院 计算机电磁泄漏信号识别方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
软阈值小波消噪在电磁泄漏信号中的应用;赵德祥 等;《电子质量》;20081231;全文 *

Also Published As

Publication number Publication date
CN109743750A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
Zhang et al. Multicomponent microseismic data denoising by 3D shearlet transform
Singh et al. Analysis and effects of speckle noise in SAR images
Li et al. An adaptive method of speckle reduction and feature enhancement for SAR images based on curvelet transform and particle swarm optimization
CN107480619B (zh) 基于eemd和排列熵的探地雷达b扫描图像的降噪方法及系统
Zhao et al. Time–frequency domain SNR estimation and its application in seismic data processing
Liu et al. Synthetic aperture radar image de-noising based on Shearlet transform using the context-based model
Li et al. Rayleigh-maximum-likelihood bilateral filter for ultrasound image enhancement
Zhang et al. Random noise attenuation of non-uniformly sampled 3D seismic data along two spatial coordinates using non-equispaced curvelet transform
Gemechu et al. Random noise attenuation using an improved anisotropic total variation regularization
US8401330B2 (en) No-reference spatial aliasing measure for digital image resizing
CN109743750B (zh) 一种视频泄漏信号去噪算法及装置
Chumning et al. Edge preservation evaluation of digital speckle filters
Jain et al. Iterative solvers for image denoising with diffusion models: A comparative study
Serbes et al. Modified dual tree complex wavelet transform for processing quadrature signals
CN106023092B (zh) 一种图像去雾方法及装置
Qu et al. A novel denoising method based on Radon transform and filtered back-projection reconstruction algorithm
CN115980684A (zh) 基于谱线提取的多波束lofar处理方法、装置及存储介质
Fan et al. Fast and robust deblurring method with multi-frame images based on PSF estimation and total variation optimization
Tong et al. Synthetic Aperture Radar image nonlinear enhancement algorithm based on NSCT transform
CN108680958B (zh) 一种基于峰值变换的地震数据降噪方法
Choi et al. Information leakage and recovery from multiple LCDs
US10816584B2 (en) Spectrum extension edgeless gating for reduced time domain gating edge errors
Lu et al. Efficient narrowband interference suppression method for synthetic aperture radar-based on variational mode decomposition
Liu et al. Two-dimensional noise reduction in optical coherence tomography based on the shearlet transform
Shi et al. A new wavelet thresholding method based on cyclostationarity for enhancing the interception of computer video leakage signals

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant