CN113272897A - 用于信号处理的降噪滤波器 - Google Patents
用于信号处理的降噪滤波器 Download PDFInfo
- Publication number
- CN113272897A CN113272897A CN201980088717.7A CN201980088717A CN113272897A CN 113272897 A CN113272897 A CN 113272897A CN 201980088717 A CN201980088717 A CN 201980088717A CN 113272897 A CN113272897 A CN 113272897A
- Authority
- CN
- China
- Prior art keywords
- data set
- intensity values
- data
- signal
- differential
- 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
- 230000009467 reduction Effects 0.000 title abstract description 55
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 abstract description 14
- 238000005070 sampling Methods 0.000 abstract description 6
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 230000000717 retained effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1785—Methods, e.g. algorithms; Devices
- G10K11/17853—Methods, e.g. algorithms; Devices of the filter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1787—General system configurations
- G10K11/17873—General system configurations using a reference signal without an error signal, e.g. pure feedforward
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0211—Frequency selective networks using specific transformation algorithms, e.g. WALSH functions, Fermat transforms, Mersenne transforms, polynomial transforms, Hilbert transforms
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0283—Filters characterised by the filter structure
- H03H17/0286—Combinations of filter structures
- H03H17/0291—Digital and sampled data filters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L2021/02087—Noise filtering the noise being separate speech, e.g. cocktail party
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
使用两个正交坐标来实施数据信号的降噪滤波器,所述两个正交坐标包括从对所述数据信号进行采样和排序而生成的强度和差分强度值。加权函数用于放大或减少使用所述强度和差分强度值生成的数据集分布的不同部分。所述加权函数还可以包括标量常数以进一步增强所述降噪滤波器的能力。所述降噪滤波器可以用于减少噪声数据信号的噪声分量或增加所述噪声数据信号的有用信号分量,由此提高信噪比并且还提高频谱分辨率。所述降噪滤波器也可以用于其中所述噪声数据信号的强度和频率频谱重叠的特殊情况。所述降噪滤波器可以用于包括光谱学和图像处理等等的各种应用中。
Description
相关申请的交叉引用
本申请要求于2018年11月19日提交的美国临时申请号62/769,174和于2019年2月14日提交的美国非临时专利申请号16/275,978的优先权,所述申请的全部内容特此通过引用的方式并入本文中。
技术领域
本文描述的各方面总体上涉及信号处理。更具体地,本文描述的各方面提供了一种改进的降噪滤波器,以改进噪声数据信号的信噪比,并且潜在地提高信号分辨率。
背景技术
数据信号的降噪在各个领域(例如,光谱学、数字图像处理、音频和语音处理、声纳、雷达和其他传感器阵列处理、频谱密度估计、统计信号处理、控制系统、生物医学工程和地震学,仅举几个非限制性示例)中都很有用。数据信号中的降噪通常涉及使用某种降噪滤波器从噪声数据信号中恢复有用的数据信号。
通常,噪声数据信号可以通过其强度和频率频谱分量来表征,所述强度和频率频谱分量可以被分类为表示有用数据信号的分量和表示不需要的噪声的分量。有用数据信号的强度与不需要的噪声的强度之比被称为信噪比(SNR)。降噪滤波器改进噪声数据信号的SNR。
噪声数据信号的强度和频率频谱分量可以采取多种形式。在其中有用数据信号的强度谱显著大于不需要的噪声的强度谱的情况下,可以使用对数据信号的简单阈值设定来实施降噪滤波器以改进噪声数据信号的SNR。在其中不需要的噪声的频率显著大于或低于有用数据信号的频率的情况下,可以分别使用简单的低通或高通滤波器来实施降噪滤波器以改进噪声数据信号的SNR。
然而,在其中有用数据信号和不需要的噪声的强度和频率频谱可能重叠的情况下,没有合适的降噪滤波器来在没有显著信号失真的情况下改进噪声数据信号的SNR。
发明内容
下文呈现了对本文描述的各个方面的简化概述。这种概述并非广泛概述,并且不旨在标识关键或重要要素或描绘权利要求的范围。以下概述仅以简化形式呈现一些概念以作为下面提供的更详细描述的介绍性序言。
为了克服上述现有技术中的限制并且为了克服在阅读和理解本说明书后将会明白的其他限制,本文描述的各方面是针对信号处理中或用于信号处理的降噪。
根据本公开的各个方面,可以使用接收器来接收数据信号。数据信号可以包括噪声分量和信号分量。可以基于所接收的数据信号来生成第一数据集。第一数据集可以包括数据信号的强度和差分强度值的有序对。可以基于强度和差分强度值对第一数据集进行排序。可以将加权乘法函数应用于排序后的第一数据集。加权的和排序的第一数据集可以被重新排列和重新排序以对应于第一数据集中的有序对的原始顺序。可以将强度值与重新排列的数据集中的对应差分强度值相加以生成第二数据集。可以通过将第一数据集的第一强度值插入到第二数据集的第一位置中来生成输出数据集。
根据本公开的另一方面,具有一个或多个处理器和存储器的计算机可以用于使用接收器来接收数据。数据信号可以包括噪声分量和信号分量。所述计算机还可以基于所接收的数据信号来生成第一数据集。第一数据集可以包括数据信号的强度和差分强度值的有序对。可以通过计算机基于强度和差分强度值对第一数据集进行排序。计算机处理器可以将加权乘法函数应用于排序后的第一数据集。计算机处理器可以重新排列加权的和排序的第一数据集以对应于第一数据集中的有序对的原始顺序。计算机处理器可以执行将强度值与其在重新排列的数据集中的对应差分强度值相加以生成第二数据集的指令。计算机处理器可以通过将第一数据集的第一强度值插入到第二数据集的第一位置中来生成输出数据集。
附图说明
在附图中通过示例而非限制地示出了一些特征。在附图中,相同的数字指代类似元件。
图1是描绘根据本文描述的说明性方面的信号处理系统的框图;
图2是描绘可以用于实施本公开的各个方面的示例性计算装置的框图;
图3是示出示例性降噪滤波器的组成以及示例性降噪滤波器可以如何抑制采样的数据信号中的噪声的功能框图。
图4是描绘根据本文描述的说明性方面的用于实施降噪滤波器的方法的流程图。
图5是描绘根据本文描述的说明性方面的生成差分强度数据集的方法的流程图。
图6是描绘根据本文描述的说明性方面的将第一数据集的第一强度值插入到第二数据集的第一位置中的方法的流程图。
图7A至图7H是描绘根据本公开的各种说明性方面的示例性信号的图形。
图8A至图8I是示出根据本公开的各种说明性实施方案的信号的图形。
图9A和图9B描绘了根据本公开的各种说明性实施方案的应用于照片的滤波器的结果。
图9C至图9E是描绘根据本公开的各种说明性方面的滤波的图形。
具体实施方式
描述了抑制噪声数据信号的噪声分量由此提高数据信号的信噪比(SNR)的降噪滤波器。在一些实施方案中,降噪滤波器可以使用与噪声数据信号的强度和差分强度值以及强度的二阶、三阶和更高阶(最高至五阶)差分相对应的两个正交坐标。另外,降噪滤波器还可以包括各种加权函数,所述加权函数可以进行调整以提供期望的滤波器输出响应。降噪滤波器可以用于抑制具有重叠强度和频率频谱特性的数据信号中的噪声贡献。然而,降噪滤波器是灵活的,并且还可以用于其中数据信号的强度和频率频谱特性不重叠的情况。降噪滤波器已使用假设性和真实世界噪声数据信号进行了测试,以示出其作为频谱处理工具的有效性以及对包括光谱学和图像处理的各种应用中使用的任何频谱处理软件工具箱的潜在有价值补充。
现在参考附图,图1是信号处理系统100的框图,所述信号处理系统包括频谱处理部件101(例如,光谱仪)和离散滤波系统108。光谱仪101输出噪声数据信号,例如,噪声输入信号106。噪声输入信号包括有用数据信号分量和不需要的噪声信号分量。尽管图1将信号处理部件101示出为光谱仪,但是应理解,任何适当的信号处理部件,例如,图像处理器、相机、无线电接收器,或者可以生成噪声数据信号并受益于如本文所述的滤波的任何仪器。
离散滤波系统108用于对光谱仪101的输出执行采样和滤波操作,以生成滤波后的输出信号107。离散滤波系统108使用降噪滤波器104来降低噪声数据信号的噪声信号分量并生成滤波后的输出信号107。滤波后的输出信号107的信噪比大于噪声输入信号106的信噪比。如图1所示,离散滤波系统108还可以包括接收器102,所述接收器被配置为接收噪声数据信号106并将它转换为连续的时变或空变信号,所述信号可以使用其强度和频率频谱来表征。采样器103可以被配置为从接收器102接收输出,并通过对信号进行采样来将连续噪声信号转换为离散数据信号。根据一些实施方案,采样器103可以使用采样频率或频率间隔来生成具有N个采样数据点的离散数据信号。
离散滤波系统108还可以包括计算机105,所述计算机被配置为与降噪滤波器104进行通信。根据各种实施方案,计算机105可以被配置为处理和存储在降噪滤波器104的实施期间使用的信息。下面关于图2描述示例性计算机。
图2是描绘计算装置200的示例的框图。根据一些实施方案,计算装置200可以用于实施系统100的一个或多个部件。例如,计算装置200可以用于实施图1中描绘的接收器102、采样器103、降噪和计算机105部件中的一者或多者。计算机105可以被配置为执行在降噪滤波器104的实现方式中使用的指令。如图2所示,计算机105包括处理器201、存储器,所述存储器包括只读存储器ROM 202和随机存取存储器RAM 203。计算机104还包括存储装置,所述存储装置包括硬盘驱动器205和可移除介质204。此外,计算机105还具有装置控制器207和网络输入/输出(网络I/O)接口206。处理器201、ROM 202、RAM 203、硬盘驱动器205、可移除介质204、装置控制器207和网络I/O 206中的每一者均使用各种总线互连,并且可以安装在通用主板上或者酌情地通过其他方式安装。
处理器201可以处理来自降噪滤波器104的指令以在计算机105内执行,所述指令包括存储在ROM 202和RAM 203或硬盘驱动器205和可移除介质204中的指令。在其他实现方式中,可以酌情地使用多个处理器和/或多根总线以及多个存储器。而且,可以连接多个计算装置以形成多处理器系统,每个装置提供必要操作的各部分。
包括ROM 202和RAM 203的存储器将信息存储在计算机105内。在一些实现方式中,存储器是易失性存储器。在其他实现方式中,存储器是非易失性存储器。存储器也可以是另一种形式的计算机可读介质,诸如磁盘或光盘。
包括硬盘驱动器205和可移除介质204的存储装置可以为计算机105提供大容量存储。可移除介质可以包含计算机可读介质,诸如软盘装置、硬盘装置、光盘装置、磁带装置、快闪存储器或其他类似的固态存储器装置,或装置阵列(包括存储区域网络或其他配置中的装置)。
在降噪滤波器中使用的指令可以存储在信息载体中。指令在由一个或多个处理装置(例如,处理器201)执行时执行如上文描述的方法。指令还可以由一个或多个存储装置(诸如ROM 202、RAM 202、硬盘驱动器205或可移除介质204)存储。
装置控制器207是计算机105的一部分,所述部分控制去往和来自处理器201的信号。装置控制器207使用二进制和数字代码。装置控制器207具有本地缓冲器和命令寄存器,并且通过中断与处理器201进行通信。网络I/O 206用于允许计算机105访问远程计算机或服务器上的信息。装置控制器207用作连接到计算机105的装置(诸如网络I/O 206接口)与处理器201之间的桥接器。
如前所述,用于执行降噪滤波器104的滤波功能性的指令可以由计算机中的处理器来执行。图3是根据各种实施方案的可以用于实施滤波功能性的功能框图。系统300可以包括滤波部件310。根据各种实施方案,滤波部件310可以用于实施例如图1中所描绘的降噪滤波器104。如图3所示,滤波部件310可以包括具有越来越高阶的差分分析部件(例如,二阶部件301-2至N阶部件301-N),以及相应的幅度排序器部件(例如302-1至302-N)、原则上是不同的加权乘法器(例如303-1至303-N),相应的逆排序部件(例如304-1至304-N)、求和部件305以及移位部件306。尽管未示出,但是应理解,本文描述的滤波功能性可以与其他已知的滤波器和/或平滑例程相结合来实现。可以将高阶差分添加到算法中,而不改变其在图3中描绘原理。例如,如针对一阶和二阶差分明确示出的,可以通过连续地和/或级联地应用多个差分分析部件301来生成更高阶差分。
如上文所讨论的,采样器102可以用于对输入数据信号进行采样以生成输入数据信号的强度值集{Y}。强度数据集{Y}可以包括N-1个采样数据点,所述采样数据点是从离散噪声数据信号获得的,使得{Y}={y1,y2,…,yN-1}。差分分析部件301-2可以用于生成强度值集中的相邻元素之间的差的差分值集{dY}。例如,使用差分分析部件301-2可以获得具有N-1个采样数据点的差分强度数据集{dY}。集合{dY}可以包括离散噪声数据信号的第n个强度值与第n-1个强度值之间的差,使得{dY}={y2-y1,y3-y2,…yN-yN-1}。这两个集合{Y}和{dY}在本文中可以被称为正交或规范集合。
如图3所示,系统300还可以包括用于对这两个集合{Y}和{dY}进行排序的排序器302-1和302-2。在一些实施方案中,排序器302-1和302-2可以用于以递增顺序对这两个集合{Y}和{dY}进行排序,以形成两个新集合{Z}和{dZ}。{Z}和{dZ}两者然后具有N-1个采样数据点。
加权乘法器303-1和303-2可以被配置为通过将类似或不同的加权函数(WF和WdF)乘以集合{Z}和{dZ}来将加权值应用于集合{Z}和{dZ},从而分别形成加权的排序后集合{S}和{dS},它们均具有N-1个采样数据点。因此,{S}=WF*{Z},并且{dS}=WdF*{dZ}。接下来,将相应的逆排序器304-1和304-2应用于集合{S}和{dS}。逆排序器被配置为重新排列集合{S}和{dS}中的采样数据点以匹配与集合{Y}和{dY}中的采样数据点相同的顺序,从而生成新集合{YF}和{dYF}。
求和器305计算集合{YF}中的强度值与它们在{dYF}中对应差分强度值的相加,从而生成数据集{Ynew2}。因此,{Ynew2}={YF}+{dYF}。在上述求和器305的操作中,{YF}的每个第N强度与其对应的差分强度值{dYF}相加。移位器306用于将{Ynew2}中的采样数据点的长度或数量增加一个单位步长,并且原始集合{Y}的第一强度值被插入作为移位后的{Ynew2}数据集的第一强度值,从而生成具有N个采样数据点的滤波后的输出数据集{Yfiltered}。
在加权乘法器303-1、303-2中使用的加权函数WF和WdF在降噪滤波器中可能起重要作用。选择在所使用的加权函数WF和WdF中使用的分析形式和参数可能影响降噪滤波器针对特定应用中的成功应用。在示出降噪滤波器应用于各种噪声数据信号的即将到来的示例中,强度加权函数WF是高斯函数,其顶点在所使用的数据集中处于最高强度值。因此,强的强度被认为是更有价值的并且将被保留。此外,在前面提到的示例中使用的差分强度加权函数WdF具有两个部分-正分段和负分段。这是因为差分强度值{dY}是正强度区域与负强度区域的组合。结果,通常,可能需要对每个区域进行不同的加权。
在示例中,WdF的两个部分均是高斯的,但不是对称的,并且在一种情况下,保留了较低差分强度,而在另外两个示例中,较低差分强度被抑制。替代地,降噪滤波器103可以使用任何其他加权函数,包括但不限于:一阶或更高阶多项式函数、骤死或阶跃函数、单侧或双侧汉宁或汉明函数,或任何S型函数。通常,对加权函数的选择取决于对强度和差分强度值区域的噪声抑制或增强的期望模式。
根据一些实施方案,可以根据数据集{Z}和{dZ}的强度分布来自动确定用于加权函数的参数的选项。该加权函数选择是基于保留强度谱的某些区域的需求。例如,可以计算单侧高斯强度加权函数WF的宽度以保留75%的累积强度值。而且,可以将差分强度加权函数WdF选择为双侧阶跃函数,将20%的最低差分强度值设定为零。所有这些调整以及对加权函数的构造的进一步增强均充分在这种新颖的降噪滤波器的范围之内。
上面描述的滤波功能性还可以包括通过加权函数的任意组合(例如,高斯、线性、二次、汉明等中的一者或多者)进行加权。另外,可以将加权函数应用于更高阶差值。例如,上述差分强度数据集{dY}可以被认为是一阶数据集。然而,也可以将类似技术应用于更高阶差集。例如,可以通过将差分分析301应用于差分强度数据集{dY}来生成二阶强度数据函数{ddY}。通过连续地应用差分分析301,可以生成类似的更高阶数据集。实际上,这些函数的任意组合均可以用于实现“高”阶规范幅度滤波器(例如,3D、4D、5D等)。另外,应理解,将可能实现具有彼此串联的多个滤波级的多级规范2D(或更高阶)滤波器。还应理解,根据各种实施方案,本文描述的滤波器(例如,2D、3D、4D、5D等规范滤波器)可以与其他已知的滤波器和平滑例程结合使用。
图4是示出根据各种实施方案的用于实施降噪滤波器的功能性的方法400的流程图。为了便于解释和清楚起见,将参考图1至图3描述图4。然而,应理解,方法400不限于此,以便需要那些附图中所示的特定架构。
如图所示,当使用接收器(例如,接收器102)从来源(例如,光谱仪101)接收到噪声数据信号时,方法400开始于401。在402处,可以生成第一数据集。根据各种实施方案,可以通过使用采样机构(例如,采样器103)对接收到的输入信号(例如,从接收器102接收到的输入信号)进行采样以生成强度值集来生成第一数据集。可以通过确定相邻强度值之间的差值来生成差分值集。第一数据集可以包括强度和差分强度值的有序对。
在403处,可以(例如,使用排序器302)对第一数据集进行排序。例如,在一些实施方案中,可以基于强度和差分强度值对第一数据集进行排序。一旦对第一数据集进行了排序,就可以将加权乘法函数WF和WdF应用于排序后的数据集的强度和差分强度值。
在405处,逆排序器304-1和304-2可以被配置为重新排列强度和差分强度值,使得它们对应于第一数据集中的原始顺序。在406处,可以将重新排列的强度和差分强度值相加在一起以生成第二数据集。根据一些实施方案,可以使用例如求和器305将强度值和差分强度值相加在一起。在生成第二数据集之后,可以在407处生成输出集。可以通过将数据集移位一个或多个位置并将一个或多个原始值插入到数据集的移位后部分中来生成输出集,使得最终输出集具有适当的尺寸。
图5是描绘根据各种实施方案的生成数据集的方法500的流程图,所述数据集包括强度和差分强度值的有序对。例如,在一些实施方案中,方法500可以用于实施图4所示的方法400的402。为了便于解释和清楚起见,将参考图1至图4描述图5。然而,应理解,方法500不限于此,以便需要那些附图中所示的特定架构。
如图5所示,方法500开始于501,其中例如由采样器102对接收到的噪声数据信号进行采样以生成具有N个采样数据点的离散数据信号。在502处,可以从离散强度数据信号生成强度值集(例如,上面讨论的{Y}),其中所述强度值集具有N-1个采样数据点。
在503处,可以通过取第N个强度值与第N-1个强度值之间的差来对离散数据执行差分分析。在504处,可以使用差分分析的结果来生成具有N-1个采样数据点的差分强度值集{dY}。在一些实施方案中,{dY}={y2-y1,y3-y2,…yN-yN-1}。
图6是描绘根据各种实施方案的可以将第一数据集的第一强度值插入到第二数据集的第一位置中的方法600的流程图。例如,方法600可以用于执行图4所示的407。为了便于解释和清楚起见,将参考图1至图5描述图6。然而,应理解,方法500不限于此,以便需要那些附图中所示的特定架构。
如图6所示,方法600在601处开始于定位和存储第一数据集{Y}的第一强度值;第一数据集具有N-1个数据点。在602处,可以通过将空数据时隙向右移位一个单位采样步长来将其添加到数据集。空数据时隙可以用于保存移位后的第二数据集的第一值。在603处,通过将第一数据集的存储的第一强度值插入到移位后的第二数据集的空数据时隙中来生成输出数据集,从而使得第一数据集的第一强度数据点能够占据输出数据集的第一位置并且还使得输出数据集能够具有N个采样数据。
图7A至图7H示出了当将降噪滤波器应用于简单的假设噪声数据信号时获得的图形结果。本示例被示出为通过突出显示算法步骤的逐步描述来示出降噪滤波器的基本特征。具体地,图7A是示出噪声数据信号的图形,其被表示为y(x)。噪声数据信号y(x)由基线以上的高斯峰组成,所述高斯峰由具有随机噪声的二阶曲线构成。图7B和图7C是分别示出强度和差分强度排序集{Z}和{dZ}的图形。图7B中的强度排序图形的中心区域的高度线性和图7C中的差分强度排序图形中的高度对称性是由于添加到数据信号的合成随机噪声而引起的。应注意,较低的绝对差分强度是由于噪声引起的并且需要加以抑制。因此,仅排序强度图形的上面三分之一归因于在降噪滤波器中有用。
图7D和图7E示出了使用高斯曲线的加权函数WF和WdF,所述加权函数应用于图7B和图7C所示的排序强度和差分强度数据集{Z}和{dZ}。在{Z}和{dZ}乘以相应的加权函数WF和WdF之后,分别如图7F和图7G所示生成加权强度和差分强度数据集{S}和{dS}。将图7F和图7G与图7B和图7C进行比较,应注意,图7F中的加权强度曲线图的中心区域现在降低到接近零,而图7G中的差分强度曲线图的中心区域现在已变平坦。
在重新排列{S}和{dS}中的数据点并将它们还原回集合{Y}和{dY}的原始顺序后,将强度数据值与其对应的差分强度值相加。接下来,将{Y}的第一强度数据点作为第一值添加到重新排列的数据集中,从而生成最终滤波后的输出数据集{Yfiltered}。滤波后的输出数据集{Yfiltered}和噪声数据信号在图7中示出。应注意,强度特征得到了充分保留,而噪声分量显著地降低。还值得注意的是,滤波后的数据集的峰值看起来比原始噪声数据信号的峰值更窄,这导致频谱峰值的分辨率得到增强。这是抑制峰肩的低强度值的结果。降噪滤波器的这种人工行为尽管在一些情况下显然具有潜在的益处,但是仍被认为是信号失真并且必须单独记录。
此外,应注意,在保留主峰值强度的同时,降噪滤波器实质上去除了噪声数据信号的基线。尽管这种行为在一些情况下可能是有利的,但是它被指出作为降噪滤波器的潜在信号失真特征。通常,在使用降噪滤波器之前,可以使用传统的基线减法来避免特定应用中潜在信号失真。
图8示出了当将降噪滤波器应用于从仪器获得的真实世界噪声数据信号时获得的图形结果。本示例被示出为通过突出对显示算法步骤的逐步描述来示出降噪滤波器的基本特征。具体地,图8A是来自真实世界实验的图形,其被表示为y(x),所述真实世界实验涉及经质谱法噪声提取的离子色谱图,所述离子色谱图通常用于估计仪器的信噪比(SNR)。应注意,此处使用的噪声数据信号是有意从未通过SNR测试的仪器中选择的。本示例示出了降噪滤波器可以如何以非常低的SNR抑制噪声数据信号的噪声分量。图8A示出了y(x)数据。图8B和图8C是分别示出强度和差分强度排序集{Z}和{dZ}的图形。
图8D和图8E示出了使用高斯曲线的加权函数WF和WdF,所述加权函数应用于图8B和图8C所示的排序强度和差分强度数据集{Z}和{dZ}。在{Z}和{dZ}乘以相应的加权函数WF和WdF之后,分别如图8F和图8G所示生成加权强度和差分强度数据集{S}和{dS}。在本示例中,集合{S}和{dS}的图形与集合{Z}和{dZ}的图形没有什么不同,但是重要的是,与{Z}和{dZ}相比,{S}和{dS}中不再存在与噪声相关联的大量频谱功率。
在重新排列{S}和{dS}中的数据点并将它们还原回集合{Y}和{dY}的原始顺序后,将强度数据值与其对应的差分强度值相加。接下来,将{Y}的第一强度数据点作为第一值添加到重新排列的数据集中,从而生成最终滤波后的输出数据集{Yfiltered}。滤波后的输出数据集{Yfiltered}和原始噪声数据信号在图8H中示出为具有细微偏移以表明强频谱分量得到了充分保留。在图8I中,边带被放大以示出低强度峰和没有偏移的噪声以表明强频谱特征(“峰值”)得到了充分保留,同时从低强度峰值中基本上去除了不需要的噪声。
图9A对应于在夜间拍摄的黑白照片。图9A中的暗照片作为输入传递到降噪滤波器,以如图9B所示生成增强了信噪比的更亮照片。降噪滤波器仅应用于图9A中暗照片的像素行上。应注意,如果需要,也可以同时在像素行和列上或依次并以包括对角像素集(从左上到右下、从左下到右上)应用该滤波器。这种应用不会改变滤波方法的原理。还应注意,在用于该图像处理应用的降噪滤波器中,对加权函数WF和WdF使用附加的比例参数K和Kd。附加的比例因子放大了高强度和差分强度的区域。此外,在上面的先前示例中,高强度数据点被视为“信息性”并被保留,而低差分强度数据点通过使用低加权值被抑制。因此,在每种应用中,重要的是要理解强度和差分强度的哪些特征包含需要保留的有用频谱信息。
图9C和图9D示出了在这种图像处理应用中使用的加权函数WF和WdF。使用附加的比例系数2(针对强度)和0.5(针对差分强度)来增加亮度(强度乘以2)并减少差分强度数据中的噪声。而且,通过WdF函数保留低差分强度值并抑制高差分强度值减少了颗粒状的“像素”噪声-在照相或图像处理应用中有用,而在质谱或色谱图中则不明显。这示出了降噪滤波器的多功能性。
图9E示出了黑白照片的行1320中的像素的强度谱。图9E描绘了从图9A中的暗照片的行1320中的像素生成的原始数据集和从图9B中的更明亮更清晰(较高信噪比)照片的行1320中的像素生成的滤波后的输出数据集。因此,图9E示出了抑制原始暗照片中的噪声以产生表示经噪声滤波的输出的增强照片。应注意,在本公开中,使用降噪滤波器可以将用于实现对诸如亮度、对比度、噪声等的批量照相属性的增强或抑制的加权函数应用于不同的应用。
尽管已经以特定于结构特征和/或方法动作的语言描述了主题,但是应理解,所附权利要求中定义的主题不必限于上面描述的具体特征或动作。相反,上文所述的具体特征和动作被公开为实施权利要求的说明性形式。
Claims (20)
1.一种方法,其包括:
使用接收器接收数据信号,其中所述数据信号包括噪声分量和信号分量;
基于所述接收到的数据信号而生成第一数据集,其中所述第一数据集包括所述数据信号的强度值和差分强度值的有序对;
基于所述强度值和差分强度值来对所述第一数据集进行排序;
将加权乘法函数应用于所述排序后的第一数据集;
在所述加权的第一数据集中重新排列强度值和差分强度值的所述有序对,以对应于所述第一数据集中的有序对的原始顺序;
将所述强度值与其在所述重新排列的数据集中的对应差分强度值相加以生成第二数据集;以及
通过将所述第一数据集的第一强度值插入到所述第二数据集的第一位置中来生成输出数据集。
2.如权利要求1所述的方法,其中所述噪声分量和所述信号分量具有重叠强度特性或重叠频率频谱特性中的一者或多者。
3.如权利要求1所述的方法,其中应用所述加权乘法函数包括应用高斯函数,并且其中在所述排序后的第一数据集的强度值处于最大值的情况下出现所述高斯函数的峰值。
4.如权利要求1所述的方法,其中所述加权乘法函数包括阶跃函数、汉明函数或S型函数。
5.如权利要求1所述的方法,其还包括基于所述排序后的第一数据集的强度值的分布来选择所述加权乘法函数。
6.如权利要求1所述的方法,其中应用所述加权乘法函数包括应用至少两个不同的函数,其中将第一函数应用于所述强度值,并且将第二函数应用于所述差分强度值。
7.如权利要求1所述的方法,其还包括基于所述排序后的第一数据集中的强度值和差分强度值的所述有序对,改变所述加权乘法函数的宽度和幅度。
8.如权利要求1所述的方法,其还包括将比例因子应用于所述加权乘法函数以放大所述排序后的第一数据集中的强度值和差分强度值的不同区域。
9.如权利要求1所述的方法,其中所述数据信号的信号分量的强度大于所述数据信号的噪声分量的强度。
10.如权利要求1所述的方法,其中所述数据信号的信号频谱的频率分量与所述数据信号的噪声频谱的频率分量重叠。
11.如权利要求1所述的方法,其中所述第一数据集包括二维正交集。
12.一种设备,其包括:
一个或多个处理器;以及
存储计算机指令的存储器,所述计算机指令在由所述一个或多个处理器执行时使所述设备:
使用接收器接收数据信号;
基于所述接收到的数据信号而生成第一数据集,其中所述第一数据集包括所述数据信号的强度值和差分强度值的有序对;
基于所述强度值和差分强度值来对所述第一数据集进行排序;
将加权乘法函数应用于所述排序后的第一数据集;
在所述加权的第一数据集中重新排列强度值和差分强度值的所述有序对,以对应于所述第一数据集中的有序对的原始顺序;
将所述强度值与其在所述重新排列的数据集中的对应差分强度值相加以生成第二数据集;以及
通过将所述第一数据集的第一强度值插入到所述第二数据集的第一位置中来生成输出数据集。
13.如权利要求12所述的设备,其中所述数据信号的信噪比小于预定阈值。
14.如权利要求12所述的设备,其中所述输出数据集的信噪比大于预定阈值。
15.如权利要求12所述的设备,其中所述输出数据集的信噪比大于所述数据信号的信噪比。
16.如权利要求12所述的设备,其中所述计算机指令被配置为使所述设备通过应用被应用于所述强度值的第一函数和被应用于所述差分强度值的第二函数来应用所述加权乘法函数。
17.如权利要求12所述的设备,其中所述计算机指令被配置为基于所述排序后的第一数据集的分布来调整所述加权乘法函数。
18.如权利要求12所述的设备,其中所述计算机指令还使所述设备将比例因子应用于所述加权乘法函数以放大所述排序后的第一数据集中的强度值和差分强度值的不同区域。
19.一种设备,其包括:
接收器,所述接收器被配置为电耦合到数据源并从所述数据源接收输入数据信号;
采样器,所述采样器被配置为对来自所述数据源的所述输入数据进行采样;
一个或多个处理器,所述一个或多个处理器电耦合到所述采样器;以及
存储计算机指令的存储器,所述计算机指令在由所述一个或多个处理器执行时使所述设备:
从所述数据源接收所述采样的输入数据;
基于所述采样的数据而生成第一数据集,其中所述第一数据集包括所述数据信号的强度值和差分强度值的有序对;
基于所述强度值和差分强度值来对所述第一数据集进行排序;
将加权乘法函数应用于所述排序后的第一数据集;
在所述加权的第一数据集中重新排列强度值和差分强度值的所述有序对,以对应于所述第一数据集中的有序对的原始顺序;
将所述强度值与其在所述重新排列的数据集中的对应差分强度值相加以生成第二数据集;以及
通过将所述第一数据集的第一强度值插入到所述第二数据集的第一位置中来生成输出数据集。
20.如权利要求19所述的设备,其中所述数据源包括摄谱仪。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862769174P | 2018-11-19 | 2018-11-19 | |
US62/769,174 | 2018-11-19 | ||
US16/275,978 | 2019-02-14 | ||
US16/275,978 US11069331B2 (en) | 2018-11-19 | 2019-02-14 | Noise reduction filter for signal processing |
PCT/US2019/061467 WO2020106543A1 (en) | 2018-11-19 | 2019-11-14 | Noise reduction filter for signal processing |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113272897A true CN113272897A (zh) | 2021-08-17 |
Family
ID=70728045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980088717.7A Pending CN113272897A (zh) | 2018-11-19 | 2019-11-14 | 用于信号处理的降噪滤波器 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11069331B2 (zh) |
EP (1) | EP3884485A1 (zh) |
JP (1) | JP2022507737A (zh) |
CN (1) | CN113272897A (zh) |
CA (1) | CA3120347A1 (zh) |
WO (1) | WO2020106543A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486786B (zh) * | 2023-04-19 | 2024-04-26 | 深圳市众志联城科技有限公司 | 一种融合方言和小语种的语音识别控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020076118A1 (en) * | 2000-12-19 | 2002-06-20 | Daisuke Kaji | Image processing apparatus |
JP2010087769A (ja) * | 2008-09-30 | 2010-04-15 | Noritsu Koki Co Ltd | 写真画像処理方法、写真画像処理プログラム、及び写真画像処理装置 |
US20110044460A1 (en) * | 2008-05-02 | 2011-02-24 | Martin Rung | method of combining at least two audio signals and a microphone system comprising at least two microphones |
JP2014044281A (ja) * | 2012-08-27 | 2014-03-13 | Clarion Co Ltd | 雑音低減装置および雑音低減方法 |
CN103645476A (zh) * | 2013-12-18 | 2014-03-19 | 中国国土资源航空物探遥感中心 | 一种合成孔径雷达差分干涉图序列的时空同质滤波方法 |
US20140200823A1 (en) * | 2013-01-17 | 2014-07-17 | Cardioinsight Technologies, Inc. | Non-local mean filtering for electrophysiological signals |
CN107079095A (zh) * | 2014-09-30 | 2017-08-18 | 富士胶片株式会社 | 图像处理装置、滤波器获取装置、图像处理方法、滤波器获取方法、程序及记录介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5592517A (en) * | 1994-03-31 | 1997-01-07 | Tellabs Wireless, Inc. | Cascaded comb integrator interpolating filters |
US6961680B2 (en) * | 2002-12-27 | 2005-11-01 | Corning Incorporated | Synthesized high speed digital filters |
US8271567B2 (en) * | 2007-09-26 | 2012-09-18 | Intersil Americas Inc. | Methods and systems for compression, storage, and generation of digital filter coefficients |
US9805738B2 (en) * | 2012-09-04 | 2017-10-31 | Nuance Communications, Inc. | Formant dependent speech signal enhancement |
US8891711B1 (en) * | 2012-12-11 | 2014-11-18 | Amazon Technologies, Inc. | Adaptive de-noise filtering |
US10298209B2 (en) * | 2013-06-03 | 2019-05-21 | Nec Corporation | Digital filter device and signal processing method |
US9954514B2 (en) * | 2014-02-14 | 2018-04-24 | Texas Instruments Incorporated | Output range for interpolation architectures employing a cascaded integrator-comb (CIC) filter with a multiplier |
-
2019
- 2019-02-14 US US16/275,978 patent/US11069331B2/en active Active
- 2019-11-14 WO PCT/US2019/061467 patent/WO2020106543A1/en unknown
- 2019-11-14 JP JP2021527190A patent/JP2022507737A/ja not_active Ceased
- 2019-11-14 CN CN201980088717.7A patent/CN113272897A/zh active Pending
- 2019-11-14 EP EP19817510.1A patent/EP3884485A1/en not_active Withdrawn
- 2019-11-14 CA CA3120347A patent/CA3120347A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020076118A1 (en) * | 2000-12-19 | 2002-06-20 | Daisuke Kaji | Image processing apparatus |
US20110044460A1 (en) * | 2008-05-02 | 2011-02-24 | Martin Rung | method of combining at least two audio signals and a microphone system comprising at least two microphones |
JP2010087769A (ja) * | 2008-09-30 | 2010-04-15 | Noritsu Koki Co Ltd | 写真画像処理方法、写真画像処理プログラム、及び写真画像処理装置 |
JP2014044281A (ja) * | 2012-08-27 | 2014-03-13 | Clarion Co Ltd | 雑音低減装置および雑音低減方法 |
US20140200823A1 (en) * | 2013-01-17 | 2014-07-17 | Cardioinsight Technologies, Inc. | Non-local mean filtering for electrophysiological signals |
CN103645476A (zh) * | 2013-12-18 | 2014-03-19 | 中国国土资源航空物探遥感中心 | 一种合成孔径雷达差分干涉图序列的时空同质滤波方法 |
CN107079095A (zh) * | 2014-09-30 | 2017-08-18 | 富士胶片株式会社 | 图像处理装置、滤波器获取装置、图像处理方法、滤波器获取方法、程序及记录介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020106543A1 (en) | 2020-05-28 |
EP3884485A1 (en) | 2021-09-29 |
CA3120347A1 (en) | 2020-05-28 |
WO2020106543A9 (en) | 2020-10-29 |
US11069331B2 (en) | 2021-07-20 |
JP2022507737A (ja) | 2022-01-18 |
US20200160824A1 (en) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4460839B2 (ja) | デジタル画像鮮鋭化装置 | |
JP4456819B2 (ja) | デジタル画像鮮鋭化装置 | |
Malinski et al. | Fast adaptive switching technique of impulsive noise removal in color images | |
Yoshizawa et al. | Fast gauss bilateral filtering | |
CN108765282B (zh) | 基于fpga的实时超分辨方法及系统 | |
Abubakar | Image enhancement using histogram equalization and spatial filtering | |
Ma et al. | Local low-rank and sparse representation for hyperspectral image denoising | |
Sirajuddeen et al. | Adaptive histogram equalization based on modified probability density function and expected value of image intensity | |
Abbass et al. | Image deconvolution using homomorphic technique | |
CN113272897A (zh) | 用于信号处理的降噪滤波器 | |
Malinski et al. | Self-tuning fast adaptive algorithm for impulsive noise suppression in color images | |
Fukushima et al. | Vector addressing for non-sequential sampling in fir image filtering | |
JP3462917B2 (ja) | 画像処理方式 | |
Lee et al. | Automatic prior selection for image deconvolution: Statistical modeling on natural images | |
Tu et al. | Constant time bilateral filtering for color images | |
Cheng et al. | Adaptive feature denoising based deep convolutional network for single image super-resolution | |
Sonawane et al. | Adaptive rule-based colour component weight assignment strategy for underwater video enhancement | |
Mamidibathula et al. | SVDocNet: Spatially variant U-Net for blind document deblurring | |
Datta et al. | Minimizing aliasing effects using faster super resolution technique on text images | |
Mahmoud et al. | Low-energy Pipelined Hardware Design for Approximate Medium Filter | |
Han et al. | An ICA-domain shrinkage based Poisson-noise reduction algorithm and its application to Penumbral imaging | |
Bobin et al. | Sparsity constraints for hyperspectral data analysis: linear mixture model and beyond | |
US20230153944A1 (en) | Super resolution image generating device | |
Arai | Image restoration based on maximum entropy method with parameter estimation by means of annealing method | |
Chakrabarti et al. | A Proficient Cascaded Filter Design for Image Denoising by Arithmetic Optimization Algorithm |
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 |