一种用于脉冲星信号去噪的新方法
一种有效去除脉冲噪声的新方法
维普资讯
Ｃ ｍ ｕｅ ｎｉｅｒ ｇ ａｄ Ａ ｐｉ ｔ ｎ 计算机工程与应用 ｏ ｐ ｔｒＥ ｇ ｅｉ ｎ ｐ ｌ ａｉ ｓ ｎ ｎ ｃ ｏ
一
种有效去 除脉冲噪声 的新 方法
马 学磊 １商泽 利 ２ ，
ＭＡ Ｘｕ — ｅ ＳＨＡＮＧ Ｚｅ ｉ ｅ ｌ ｉ． —ｌ１
相 应 滤 波 器输 出为 原像 素 灰度 值 和 窗 中像 素 中值 的 线 性 组 合 一 当前 像 素是 一 个咏 冲 的 可 能 性 越 大 ，滤 波 过程 中对 它 改 变 的就 越 多。 与 其 它 的 中值 类 滤 波 方 法相 比 ， 方 法 不仅 可 以 有 效地 去 除 噪 声 ， 该 而且 更好 地 保 留 了图像 细 节
关键词： 脉冲噪声； 中值滤波； 噪声率
文 章 编号 ：０ ２ ８ ３ （０ ７ ２ — ０ ０ ０ 文 献 标 识 码 ： Ｉ图 分类 号 ：Ｐ ９ １０ — ３ １２ ０ ）５ ０ ３ — ３ Ａ ｐ Ｔ ３１
１ 引言
图像在形成和传输过程中 ， 常因外界噪声干扰 而导致 像 质量退化 ， 为减小噪声的影响 ， 可采取各种滤波方法对 图像 进 行去噪处理 ：中值 滤波由于对去除脉冲噪声 具有较好 的性能 ，
２ ０ ４ （ ５） ３ — ２ ０ ７．３ ２ ：０ ３ ．
一种有效去除图像中脉冲噪声的滤波算法
一种有效去除图像中脉冲噪声的滤波算法谭筠梅;王履程;鲁怀伟【摘要】为了抑制脉冲噪声,根据脉冲噪声点和边缘像素点的特征,提出了一种新的基于脉冲噪声点检测的滤波算法.实验结果表明,与传统中值滤波相比,这种新算法很好地保留了图像的细节,尤其在噪声密度较低时,滤波性能更加优越.%In order to suppress the impulse noise,a new filter based on the impulse noise point detection is presented according to the characteristics of the impulse noise points and the edge pixels. Experimental results show that this new algorithm preserves good image detail compared with the traditional median filter,especially superior filtering performance when the noise density is low.【期刊名称】《兰州交通大学学报》【年(卷),期】2011(030)001【总页数】4页(P18-21)【关键词】脉冲噪声;中值滤波;噪声点检测【作者】谭筠梅;王履程;鲁怀伟【作者单位】兰州交通大学,电子与信息工程学院,甘肃,兰州,730070;兰州交通大学,电子与信息工程学院,甘肃,兰州,730070;兰州交通大学数理与软件工程学院,甘肃,兰州,730070【正文语种】中文【中图分类】TP751.10 引言在实际应用中,图像不可避免地被脉冲噪声污染,脉冲噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声,会严重影响图像的质量.用于工程方面的图像往往对质量要求非常高,图像的细节应尽可能的完整清晰,以便进一步对图像进行分割、特征提取等操作,因此抑制脉冲噪声、提高信噪比,保留原图像的完整性和边缘信息,一直是图像预处理的重要环节.去除脉冲噪声最常用的是传统中值滤波算法,由于简单易实现使得它在图像处理中得到了广泛的应用.但是,传统的中值滤波在滤除噪声的同时损失了图像的细节,特别当滤波窗口选得比较大时更会如此.这主要是由于中值滤波对图像中的所有像素点进行了统一处理,这样,一方面容易把图像中的边缘细节点当成了噪声点,进行了滤波处理;另一方面造成了噪声在邻域的传播,削弱了算法保留原图像细节的能力[1].为了克服中值滤波的这个缺点,人们提出了多种改进算法,如双态中值滤波(TSM)算法[2]、M in-max滤波算法[3]、模糊脉冲噪声检测及去噪方法(FIDRM)[4]、方向加权中值滤波(DWM)[5]等.这些算法相对于传统中值滤波去噪性能得到很大提高,但是并没有很好的解决图像细节模糊的问题.本文提出一种新的方法来判别像素点是噪声点还是边缘像素点,然后再进行滤波,从而保留原图像的完整性和边缘信息.1 算法实现与图像信号的强度相比,脉冲干扰通常幅值较大,因此在一幅图像中,脉冲噪声可以数字化为图像灰度值的最大最小值,负脉冲噪声以黑点,正脉冲噪声以白点出现在图像中[6].因此本文算法首先筛选出滤波窗口内像素值为极值点的像素点作为备选点.图像的边缘是指图像局部亮度变化最显著的部分,即在灰度级上发生急剧变化的区域.从空域角度看,二维图像上的边缘相邻像素灰度从某一个值跳变到另一个差异较大的值.因此脉冲噪声点和边缘像素点都可能是备选点,但是由于边缘是一组相连的像素集合,这些像素位于两个不同的平滑图像区域之间,而脉冲噪声点与邻域像素点相比一般是具有非常大或非常小的灰度值的孤立点,因此可以进一步区分备选点是脉冲噪声点还是边缘像素点.本算法分两步实现,第一步采用两种方法检测出噪声点;第二步对噪声点进行滤波.1.1 噪声检测1.1.1 噪声点筛选脉冲噪声的概率密度函数可由公式(1)描述式中:f(x,y)为原始图像在点(x,y)处的灰度值;[]为原始图像的像素点的动态范围;fi(x,y)为噪声污染图像在点(x,y)处的灰度值;P为脉冲噪声的密度.根据脉冲噪声的极值特性,首先利用初步筛选脉冲噪声点,基本思路如下[7]:设Wxy是以点(x,y)为中心的滤波窗口,为中的灰度最小值,fimax为Wxy中的灰度最大值.首先找出每一个的最大值和最小值,如果 fi(x,y)介于最小值和最大值之间,那么该点是一个非脉冲点,否则该点为脉冲噪声点,记为1.1.2 噪声点确定对于上述方法筛选出的噪声点,本文提出以下算法利用两个规则进一步区分它是脉冲噪声点还是边缘点.使用(2K+1)×(2K+1)(取K=1)的矩形窗,对于中心像素 fi(x,y)来说其具有八个不同方向的相邻像素[8],这八个方向是Direction{NW,N,NE,ES,E,S,SW,W},如图1所示.fi(x+k,y+ l)是对应于fi(x,y)的不同方向的相邻像素,其中: k,l∈{-K,…,+K},如fi(x-1,y+1)是fi(x, y)在NE方向的相邻像素,不同方向的k与l的取值见表1.计算出fi(x,y)与这八个相邻像素的梯度值[6],记为图1 像素的八个相邻方向Fig.1 Thepixel'seightneighbordirections表1 计算各方向的梯度所用的像素Tab.1 Pixelsusedtocalculatethegradientofthe differentdirections方向D (k,l)的取值两个相邻像素NW (-1,-1)fi(x-1,y+1),fi(x+1,y-1) W (0,-1) fi(x-1,y),fi(x+1,y) SW (1,-1) fi(x+1,y-1),fi(x+1,y+1) S (1,0) fi(x,y-1),fi(x,y+1) SE (1,1) fi(x-1,y+1),fi(x+1,y-1) E (0,1) fi(x-1,y),fi(x+1,y) NE (-1,1) fi(x-1,y-1),fi(x+1,y+1) N (-1,0) fi(x,y-1),fi(x,y+1)这八个梯度值称为每个方向的基本梯度值,除此以外还要使用与中心像素 fi(x,y)成直线并垂直于该方向的另外两个相邻像素的梯度值,这两个相邻像素的选择见表1.例如NE方向,还应计算像素fi(x-1,y-1)和fi(x+1,y+1)在NE方向的梯度值,如图2所示.把基本梯度值和另外两个相关的梯度值的绝对值分别定义为▽Dfi(x,y),fi(x, y)和fi(x,y),其中:D∈Direc tion{NW,N, NE,ES,E,S,SW,W}.图2 计算NE方向的梯度值的像素Fig.2 Pixelsusedtocalculatethegradientofthe NEdirection下面利用以下两个规则,通过判断3个梯度值的大小来确定像素在对应方向是否被噪声污染.规则1 可如下定义中心像素fi(x,y)在某一方向被噪声污染如果((▽Dfi(x,y)＜T)并且(fi(x,y)＞T)并且(fi(x,y)＞T))或者((▽Dfi(x,y)＞T)并且(fi(x,y)＜T)并且(fi(x,y)＜T))那么在方向D上fi(x,y)是脉冲噪声,记为规则2 可如下定义中心像素fi(x,y)在某一方向未被噪声污染如果((▽Dfi(x,y)＞T)并且(fi(x,y)＞T)并且(fi(x,y)＞T))或者((▽Dfi(x,y)＜T)并且(fi(x,y)＜T)并且(i(x,y)＜T))那么在方向D上fi(x,y)未被脉冲噪声污染,记为这里T为阈值.像素(x,y)为(2K+1)×(2K+ 1)矩形窗的中心像素,则它与相邻像素的平均差值为T可以定义为(2K+1)×(2K+1)矩形窗内坐标(x,y)与中心像素点的上的h(x,y)差值的平均值:对于第一种方法检测出的噪声点,通过以上计算,如果则断定该点是脉冲噪声污染的像素点,否则为边缘点,记为1.2 噪声滤波噪声滤波时,如果滤波窗口的中心点已判断是脉冲噪声污染的像素点,则在该窗口内去除所有被噪声污染的点,中心点的灰度值等于剩余的未被噪声污染的点的中值.具体步骤如下:1)设W是以点(x,y)为中心的(2K+1)× (2K+1)滤波窗口,如果flag2(x,y)=0,则不进行任何处理,令fo(x,y)=fi(x,y),否则进行下一步;2)令S(i)为W窗口内所有未被噪声污染的点的集合,则fo(x,y)=Med(S(i)).3)最后令fo(x,y)为滤波输出的结果.2 实验与结果分析本文以512×512×8的Barbara图像和512× 512×8的mandrill图像(代表纹理细节丰富的图像)为例,将本文算法与传统中值算法进行比较.采用图像峰值信噪比(Peak Signal to Noise Ratio,PSNR)作为客观评价尺度[9],PSNR定义如下:本文算法与传统中值算法(3×3和5×5窗口)的PSNR值比较如表2,可见本文算法优于传统中值算法.为了更直观地进行滤波效果的比较,图3给出了噪声强度为0.1时三种算法对Barbara图像的输出图像以及图像中椅背的局部效果图,显然本文算法较传统算法在滤除噪声的同时更好的保留了图像细节.表2 不同噪声密度下降噪性能(PSNR)的比较Tab.2 Comparison of the denoising results for different noise intensities噪声密度(%) 传统中值(3×3)传统中值(5×5) 本文算法5 Barbara 25.073 8 23.163 1 31.790 7 Mandrill 28.174 4 24.632 8 33.392 8 10 Barbara 24.749 9 23.087 7 29.791 9 Mandrill 27.980 2 24.553 3 31.716 5 15 Barbara 24.769 4 23.082 3 28.958 2 Mandrill 26.562 8 24.951 6 30.002 1 20 Barbara 23.595 5 22.810 4 26.025 6 Mandrill 24.4637 23.489 4 25.148 9 30 Barbara 22.051 3 21.181 4 22.056 5 Mandrill 22.4368 21.562 3 22.684 1图3 各种滤波算法对Barbara的输出图像Fig.3 Output images by using various algorithms3 结论本文算法首先初步筛选出脉冲噪声备选点,在此基础上利用方向梯度值进一步区分出这些像素点是噪声点还是边缘点,然后只对噪声点进行滤波处理,从而减少了滤波后图像的模糊并较好的保留了图像的纹理细节.经仿真实验比较,该算法滤波效果都明显优于传统中值滤波,尤其是在噪声密度较低时滤波性能更加优越,当脉冲噪声密度很大时与传统滤波器相比滤波性能相当,但细节保留能力更强.参考文献:【相关文献】[1] 赵甘露,李小民,江涛,等.一种新型噪声检测中值滤波算法[J].计算机工程与科学,2006,11(28):30-32.[2] Chen T,Ma K K,Chen L H.Tri-statemedian filter for image denoising[J].IEEE T rans on Image Processing, 1999,8(12):1834-1838.[3] Wang Junghua,Lin Lianda.Imp roved median filter using m inmax algorithm for image processing[J].Electronics Letters,1997,33(16):1362-1363.[4] Schulte S,Nachtegael M.A fuzzy im pu lse noise detection and reductionmethod[J].IEEE Transac tions on image p rocessing,2006,15(5):1153-1162.[5] Dong Yiqiu,Xu Shufang.A new directional weighted median Filter for removal of random-valued im pu lse noise[J].IEEE Signal Processing Letters,2007,14 (3):193-196.[6] 冈萨雷斯.数字图像处理[M].2版.北京:电子工业出版社,2008.[7] 邢藏菊,王守觉,邓浩江,等.一种基于极值中值的新型滤波算法[J].中国图像图形学报,2001(6):533-536.[8] 张斌,宋旸,贺安之,等.基于任意方向图像导数算法的边缘检测技术[J].光电工程,2009(10):124-128.[9] 王履程,王静,谭筠梅,等.基于噪声强度估计的中值滤波[J].兰州交通大学学报,2008,6(6):112-114.。
峰度检验加窗的EMD脉冲星信号消噪方法
峰度检验加窗的EMD脉冲星信号消噪方 法
脉冲星是一类具有强磁场并快速自转的中子星。脉冲星最显著 的特性是具有非常稳定的信号辐射周期,这一特性使永冲星在导 航、电波传播学、天体物理以及其他领域展现出非常大的应用 潜力。
由于星际间物质的干扰和超长的传播距离以及接收的物理设备 性能等因索的影响,接收到的脉冲信号中含有比较强的噪声。但 是导航精度与脉冲星信号的信噪比成正比,因此在低信噪比下, 对脉冲星信号进行消噪,得到较高信噪比的信号,是脉冲星观测 及其他实际应用的前提和基础。
该方法针对EMD分解过程中固有模态函数(intrinsic mode function,IMF)上有用信号与噪声的混叠现象,对重构信噪比的 影响,首先通过自相关和互相关计算,判断信号的起点模态函数 (IMF);其次通过局部峰度检验方法,判断重构起点附近IMF中有 用信号的位罝及信噪分界点,利用Turkey-Hanning窗保留有用信 号,抑制噪声:最后利用自适应阈值方法,实现信号和噪声的分离, 改善重构信号质量。仿真和实验结果表明,与自适应阈值法和窗 函数法相比,本文消噪方法可以更有效地滤除脉冲信号中的噪声, 同时更好地保留信号突变处的细节信息特征,具有更高的消噪性 能。
本课题的内容就是研究脉冲星的消噪算法。脉冲星信号消噪常 用的方法有傅里叶变换法里叶变换法仅适合于平稳信号,脉冲星信号是非平稳信号, 因此该方法并不适用于脉冲星信号。而小波分析法存在着小波 基和最优分解层数比较难选择的缺点。
因此本论文在对脉冲星信号消噪时选择了不需要预先确定基底 和分解层数,根据信身特性,自适应的确定基底和最优分解层数 的经验模态分解(empirical mode decomposition,EMD)算法。 在此之上,本文提出了一种基于窗函数的经验模态分解方法。
一种有效的脉冲噪声去除算法
一种有效的脉冲噪声去除算法胡积宝;朱柱【摘要】噪声像素的检测精度是修复图像的重要因素。
为提高噪声像素的检测精度，提出一种有效的两步脉冲噪声滤波算法，算法先以空间局部异常测度为基础，结合S-估计统计量对图像中的脉冲噪声进行检测，然后通过建立、解算正则化目标函数实现对噪声像素的赋值修复。
实验验证了该算法的有效性。
%An impulse noise removal algorithm based on spatial local outlier measurement is proposed, which can realize the elimination of the impulse noise in image effectively. The algorithm identifies impulse-noise in a corrupted image based on SLOM, S-estimate firstly. Then it restores noise candidates by establishing and solving the regularization objec-tive function afterward. Extensive experimental results show the algorithm’s effectiveness.【期刊名称】《计算机工程与应用》【年(卷),期】2014(000)011【总页数】6页(P223-228)【关键词】脉冲噪声;空间局部异常测度;S-估计;正则化【作者】胡积宝;朱柱【作者单位】安庆师范学院物理与电气工程学院，安徽安庆 246011;安庆师范学院物理与电气工程学院，安徽安庆 246011【正文语种】中文【中图分类】TP393图像去噪是图像处理领域内最基本问题，其目标是将被噪声干扰的图像恢复成原始图像或者最大程度的逼近原始图像，为图像的进一步处理和分析提供良好的数据来源[1]。
脉冲噪声去噪检测阶段新方法
脉冲噪声去噪检测阶段新方法
近年来，由于研究和应用的快速发展，脉冲噪声去噪已成为计算机视觉领域的一项重要技术。
为了提高去噪的准确性，最近出现了一种新的方法——基于虚拟学习机的节点压缩脉冲噪声去噪检测方法(CPMCD)。
该方法基于节点压缩模型，将去噪问题转换为虚拟机学习问题，然后通过反向传播算法进行优化。
在CPMCD方法中，首先，通过节点压缩模型将去噪问题转换为联合优化问题，并采用虚
拟学习器来解决联合优化问题，从而实现脉冲噪声去噪检测技术。
其次，结合多层神经网络，实现了字典学习与反向传播的融合，克服了传统字典学习受初始化影响的缺点。
最后，基于节点压缩非参数学习模型，有效地避免了反向传播迭代过程会出现的局部极小值问题，从而获得满足限制条件的较优解。
在去噪性能评价方面，CPMCD的优越性远远优于已有的去噪算法，其PSNR(峰值信噪比)值和残差SSIM(结构相似度)值均明显提高。
另外，该方法在解决脉冲噪声去噪的应用方面也表现出了较高的准确性。
研究表明，该算法能有效地消除脉冲噪声并维持图像的细节和结构差异。
总之，基于虚拟学习机的节点压缩脉冲噪声去噪检测方法可以有效地解决脉冲噪声去噪问题，其去噪性能优于传统方法，提供了一种新的思路和实现。
一种有效去除脉冲噪声的新方法
一种有效去除脉冲噪声的新方法
马学磊;商泽利
【期刊名称】《计算机工程与应用》
【年(卷),期】2007(043)025
【摘要】提出了一种新的滤波方法.首先从原噪声图像和其中值滤波图像得到细节图像.通过使用一种新的噪声检测方法得到另一幅图像,使其只保留细节图像中的噪声.通过这个图像,可以更加准确地检测出污染图像中的噪声.对噪声图像中的每个像素,相应滤波器输出为原像素灰度值和窗中像素中值的线性组合.当前像素是一个脉冲的可能性越大,滤波过程中对它改变的就越多.与其它的中值类滤波方法相比,该方法不仅可以有效地去除噪声,而且更好地保留了图像细节.
【总页数】4页(P30-32,74)
【作者】马学磊;商泽利
【作者单位】西安电子科技大学,理学院,数学系,西安,710071;西安电子科技大学,雷达信号处理国家重点实验室,西安,710071
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种有效去除图像中脉冲噪声的滤波算法 [J], 谭筠梅;王履程;鲁怀伟
2.一种有效去除氟气中CF4杂质的新方法探索 [J], 李相如
3.一种有效去除测量噪声的新方法 [J], 刘东辉;孙晓云;孙会琴;郭立炜
4.一种有效的脉冲噪声去除算法 [J], 胡积宝;朱柱
5.一种有效去除CMP后表面吸附杂质的新方法 [J], 李薇薇;檀柏梅;周建伟;刘玉岭因版权原因，仅展示原文概要，查看原文内容请购买。
基于EMD的脉冲星信号消噪算法
基于EMD的脉冲星信号消噪算法
刘劲;马杰;田金文
【期刊名称】《计算机工程与应用》
【年(卷),期】2008(044)020
【摘要】为了提高脉冲星辐射信号的信噪比,提出了一种基于经验模态分解(EMD)的脉冲星信号去噪算法.利用经验模态分解将信号分解为一组固有模态函数(IMF).针对EMD阈值消噪算法性能不稳定这一问题,该算法滤除固有模态函数噪声时,利用相邻信号标准差作为噪声水平的判断准则,并采用自适应阈值,对于噪声含量较高的信号采用低通滤波器消噪.实验结果表明,与EMD阈值消噪方法相比,该算法能获得更高的信噪比,并具有较好的稳定性.
【总页数】3页(P212-214)
【作者】刘劲;马杰;田金文
【作者单位】华中科技大学,图像所,多谱信息处理技术国家重点实验室,武
汉,430074;华中科技大学,图像所,多谱信息处理技术国家重点实验室,武汉,430074;华中科技大学,图像所,多谱信息处理技术国家重点实验室,武汉,430074
【正文语种】中文
【中图分类】TN911
【相关文献】
1.基于小波域模糊阈值算法的脉冲星微弱信号消噪 [J], 甘伟;袁冰妍
2.基于EEMD和自适应滤波的手指心电信号基线漂移消噪算法 [J], 殷成龙;张晓红;
叶海慧
3.基于EMD阈值算法的脉冲涡流信号消噪 [J], 杨博楠;张智军;肖冰松;江良英
4.基于EEMD-MD的手指心电信号消噪算法 [J], 殷成龙;张晓红
5.峰度检验加窗的EMD脉冲星信号消噪方法 [J], 王璐;李建勋;何婷婷
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
相位 信息 的完 整囊括 ， 广泛地 应用 在信 号分 析等 领域 中［ ］ 根据 脉 冲星信 号 的强噪声 弱信 号特 点 ， 被 ４． 。 笔者 给 出了一种基 于 双谱滤 波重 构 的脉 冲星信号 处理 方法 ． 由于脉 冲星 信号 中含 有 的噪声类 型 比较复 杂 ， 如果直 接 进行 双谱重 构 ， 果并 不好 ． 以 ， 双谱 域 引入 删 减滤 波 器 对 其 双谱 相 位进 行 滤 波 处理 ， 效 所 在 ］ 同时定 义 了
实 际 应 用 的前 提 和 基 础 ．
小 波变换 具有 良好 的时频 局 域化 特征 ， 在信 号处 理方 面有 明显 优势 ， 以以前 对脉 冲星 信号 的处理 也大 所 都集 中在 小波 域消 噪处 理ｌ ］但 是 ， 波域 消 噪方 法都易 受小 波基 和分 解尺 度 的影 响 ， ＿ ． ２ 小 而且 小波 阈值 的选 取
脉冲 星是一 种快 速 自转 并具 有强 磁场 的 中子 星 ， 其最 显 著 的特 性就 是辐 射信 号周 期 的超高稳 定性 ， 这一 特性使 其在计 时 、 导航 等领域 展现 出巨大 的应用 前景 ［ ． 由于超长 的传 播距 离和 星际 空 间物质 的干扰 以及 １但 ］ 接 收设 备性 能等影 响 ， 接 收到 的脉 冲星信 号 中含有 较 强 的噪 声． 所 因此 ， 脉 冲星 信 号进 行 消 噪处 理 是其 他 对
口 ｔｉ ｒ ｍｍｅ ｉ ｅ ．Ｔｈ ｎ ｈ ｏ ｒ ｓ ｅ ｔｕ ａ ｄ ｐ ａ ｅ ｏ ｈ ｕ ｓ ｒ ｓｇ ａ ａ ｅ ｒ ｃ ｖ ｒ ｄ ｆｏ ｔ ｅ ｄ ｆ ｔｒ ｌ ｅ ，ｔ ｅ ｐ ｗｅ ｐ ｃ ｒ ｍ ｎ ｈ ｓ ｆ ｔ ｅ ｐ ｌａ ｉ ｎ ｌｃ ｎ ｂ ｅ ｏ ｅ ｅ ｒ ｍ ｈ ｆ ｔ ｒ ｄ ｂ ｓ ｅ ｔ ｕ ． Ｒｅ ｕ ｔ ｎ ｉ ｔ ｈ ｔ ｈ ｓ ｍｅ ｈ ｄ ｃ ｎ ｅ ｉ ｎ ｔ ｏ ｓ ｎ ｔ ｅ ｐ ｌ ａ ｓｇ ａ ｓ ａ ｄ ｉ ｅ ｅ ｉｐ ｃ ｒ ｍ ｌ ｓ ｌｓ ｉ ｄ ｃ ｅ ｔ ａ ｔ ｉ ａ ｔｏ ａ ｌ ｍｉ ａ ｅ ｎ ｉｅ ｉ ｈ ｕ ｓ ｒ ｉ ｎ ｌ ， ｎ
Ａｂ ｔａ ｔ Ｉ ｒ ｅ Ｏ ｉ ｐｒ ｅｔ ｉ ａ— Ｏ ｎｏ ｓ ａｔｏ（ Ｎ Ｒ ） ｏ ｈｅｐｕｌａ ｉ ａ ，ｔ ｓ ｐ ｅ ｏｐ ｅ ｓｒ ｃ ： ｎ ｏ ｄ ｒ ｔ ｍ ｏｖ ｈｅ ｓｇｎ ｌｔ — ｉｅ ｒ ｉ Ｓ ｆｔ ｓ ｒｓｇｎ ｌ ｈｉ ａｐ ｒｐｒ ｏｓ ｓ ａ ｄ ｎｏ ｓｎ ｌ ｒｔ ｅ ｉｉ ｇ ａｇｏ ｉｈｍ ｂ ｓ ｄ ｎ ａ ｅ ｏ ｂｉｐ ｃ ｒ ｍ ｒ ｃ ｓ ｅ ｔｕ ｅ ｏｎｓ ｒ ｔｏ ｆ ｈｅ ｔｕｃ ｉｎ ｏｒ ｔ ｐｕｌａ ｓｇｎａ ． Ｆｉｓ ， ｔ ｎ ｓ ｓｒ ｉ １ ｒ ｔ ｈｅ ｏｉｙ ｐｕｌａ ｓｒ ｓｇ ｌｉ ｒ ｎｓ ｏ ｍ ｅ ｎｔ ｈｅ ｂｉｐ ｃ ｒ ｌｄｏ ａ ｎ． Ｔｈｅ ｂ ｓ ｃ ｒ ｉｎａ ｓ ｔａ ｆ ｒ ｄ ｉ ｏ ｔ ｓ ｅ ｔ ａ ｍ ｉ ｉｐｅ ｔｕｍ ａ ｅ ａ ｍ ｐｌｔ ｄｅ ａ ｅ ｆｌｅ ｅ ｈｅ ｐｈ ｓ ｎｄ ａ ｉｕ ｒ ｉｔ ｒ ｄ ｂｙ ｔ
波 后 的双 谱 重 构 信 号 的功 率 谱 和 相 位 ． 实验 结果 表 明 ， 方 法 可 有 效 地 滤 除 脉 冲 星 信 号 中 的 噪 声 ， 著 该 显
改 善 了信 噪 比．
关键 词 ：脉 冲 星 ；一 减 滤 波 器 ； 谱 重 构 ； 号处 理 ａ删 双 信 中 图分 类 号 ： Ｎ９ １ Ｔ １ 文献标识码 ： Ａ 文 章 编 号 ：０ 卜２ ０ （ ０ ０ ０ — ０ ９０ １０ ４ ０ ２ １ ）６１ ５—６
Ｎ ｅ ｄ ｎ ｉｉ ｅ ｈ ｄ ｆ ｒ ｐ ｌ ａ ｉ ｎ ｌ ｗ ｅ ｏ ｓｎｇ ｍ ｔ ｏ ｏ ｕ ｓ ｒ ｓｇ ａ
ＳＵＮ ｉ ｇ ｔ ｎ Ｊ ｎ —ｏ ｇ． Ｘ 己 Ｌ“ ｐ ｎ Ｗ Ａ ＮＧ ｎ ， ｉ ｇ． Ｔｉ ｇ
（ ｃ ｏ ｌ ｆ Ｅ ｅ ｔ ｏ ｉ Ｅｎ ｉ ｅ ｒｎ Ｓ ｈ ｏ ｌ ｃ ｒ ｎｃ ｏ ｇｎ ｅ ｉｇ，Ｘｉ ｉｎ Ｕｎ ｖ ，Ｘｉ ｎ ７ ０ ７ ，Ｃｈ ｎ ） ｄａ ｉ ． ’ １０１ ａ ｉａ
２１ ０ ０年 １ ２月
西 安 电子 科 技 大学 学 报 （ 自然 科 学 版 ）
ＪＯＵ ＲＮＡＬ ０Ｆ ＸＩ Ｉ Ｄ ＡＮ Ｕ ＮＩ ＶＥＲ ＳＩ ＴＹ
Ｄ ｅ ． Ｏ１ ｃ ２ ０
第 ３ＮＯ ６ ＿７ ．
一
种 用 于 脉 冲 星信 号 去 噪 的新 方 法
孙 景 荣 ， 许 录 平 ， 王 婷
（ 西安 电子 科 技 大 学 电 子 工 程 学 院 ， 西 西安 ７ ０ ７ ） 陕 １９ １
摘 要 ：为 改 善脉 冲 星辐 射脉 冲 信 号 的 信 噪 比， 出 了 一种 基 于双 谱 重构 的脉 冲 星 信 号 消 噪 方 法． 方 法 提 该 将含 噪脉 冲 星 信 号 变 换 到 双 谱 域 ， 用 ａ 删减 滤 波器 分别 对 其 双 谱 相 位 和 幅 值 进 行 滤 波 处 理 ， 根 据 滤 利 一 再
ｉ ｐｒ ｖｅ ｔ ｅ ＳＮ Ｒ ｔ ｂｌ ｍ ｏ ｈ ｎｏ ａ ｙ． Ｋ ｅ ｏ ｄｓ ｙＷ ｒ ： ｐ ｓ ｒ；Ⅱ ｔ ｉ ｍ ｅ ｉｔ ｒ；ｂｉｐｅ ｔ ｕｍ ｅ ｏ ｔｕｃ ｉｎ； ｓｇ ｌｐｒ ｃ ｓ ｉ ｕｌａ 一ｒｍ ｄ ｆｌｅ ｓ ｃｒ ｒ ｃ ｎｓ ｒ ｔｏ ｉ ｎａ ｏ ｅ ｓｎｇ