基于變分模態(tài)分解的信號(hào)去噪方法研究

《基于變分模態(tài)分解的信號(hào)去噪方法研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類(lèi)號(hào)：學(xué)校代碼：１０１６５密級(jí)：學(xué)號(hào)：２０１６１１０２０４１６連掌坪花大學(xué)碩士學(xué)位論文基于變分模態(tài)分解的信號(hào)去噪方法研究作者姓名：王晶學(xué)科、專(zhuān)業(yè)：計(jì)算機(jī)技術(shù)研究方向：信號(hào)處理王宏漫導(dǎo)師姓名：２０１８年０６月分類(lèi)號(hào)：學(xué)校代碼：10165密級(jí)：學(xué)號(hào)：201611020416碩士學(xué)位論文基于變分模態(tài)分解的信號(hào)去噪方法研究作者姓名：王晶學(xué)科、專(zhuān)業(yè)：計(jì)算機(jī)技術(shù)研究方向：信號(hào)處理導(dǎo)師姓名：王宏漫2018年06月學(xué)位論文獨(dú)創(chuàng)性聲明本人承諾:所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下所取得的研究成果

2、。論文中除特別加以標(biāo)注和致謝的地方外,不包含他人和其他機(jī)構(gòu)己經(jīng)撰寫(xiě)或發(fā)表過(guò)的研究成果,其他同志的研究成果對(duì)本人的啟示和所提供的幫助,均已在論文中做了明確的聲明并表示謝意。學(xué)位論文作者簽名:∶L琶′學(xué)位論文版權(quán)的使用授權(quán)書(shū)本學(xué)位論文作者完全了解遼寧師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,及學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交復(fù)印件或磁盤(pán),允許論文被查閱和借閱。本文授權(quán)遼寧師范大學(xué),可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)并進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文,并且本人電子文檔的內(nèi)容和紙質(zhì)論

3、文的內(nèi)容相一致。保密的學(xué)位論文在解密后使用本授權(quán)書(shū)。學(xué)位論文作者簽名:⊥b°b搟教師簽名:土豸璦簽名日期:`刃年歹月羅日羅遼寧師范大學(xué)碩士學(xué)位論文摘要變分模態(tài)分解(VariationalModeDecomposition,VMD)是一種自適應(yīng)的信號(hào)分解方法，不僅僅適用于處理線(xiàn)性的、平穩(wěn)的信號(hào)，同時(shí)也適用于處理非線(xiàn)性的、非平穩(wěn)的信號(hào)，因此，變分模態(tài)分解具有更廣闊的應(yīng)用前景和研究?jī)r(jià)值。目前，變分模態(tài)分解在機(jī)械故障診斷、特征提取、信號(hào)檢測(cè)、地震勘探等領(lǐng)域都具有很大的應(yīng)用價(jià)值。在語(yǔ)音信號(hào)分析和圖像處理技術(shù)中，降噪一直是一個(gè)經(jīng)

4、典的研究?jī)?nèi)容。該文章對(duì)變分模態(tài)分解在信號(hào)降噪的應(yīng)用上進(jìn)行了深入研究，結(jié)合小波閾值和均值濾波，提出了針對(duì)一維語(yǔ)音信號(hào)和二維圖像信號(hào)的降噪方法，具體的研究?jī)?nèi)容如下：針對(duì)一維語(yǔ)音信號(hào)的降噪問(wèn)題，根據(jù)語(yǔ)音信號(hào)的不穩(wěn)定性和非連續(xù)性，本文提出了一種基于一維變分模態(tài)分解和小波閾值降噪的降噪方法。該方法對(duì)輸入的一維語(yǔ)音信號(hào)先用變分模態(tài)分解的方法進(jìn)行信號(hào)分解，將其分解成有限個(gè)固有模態(tài)分量；然后對(duì)分解得到的每一個(gè)固有模態(tài)分量用小波閾值降噪的方法進(jìn)行降噪處理；最后將降噪后的固有模態(tài)分量進(jìn)行重構(gòu)得到降噪后的語(yǔ)音信號(hào)。該文章采用七種不同信噪比

5、情況的一維仿真信號(hào)和含有噪聲的語(yǔ)音信號(hào)進(jìn)行仿真實(shí)驗(yàn)，并且與多種算法進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明這種方法能較好地降低語(yǔ)音信號(hào)中含有的高斯白噪聲。針對(duì)二維圖像信號(hào)的降噪問(wèn)題，該文章提出了一種基于二維變分模態(tài)分解和均值濾波的降噪方法。該方法對(duì)輸入的二維圖像信號(hào)先用二維變分模態(tài)分解方法進(jìn)行信號(hào)分解，將其分解得到有限個(gè)固有模態(tài)分量，這些分量按信號(hào)的頻率大小排列，根據(jù)噪聲信號(hào)主要集中分布于高頻信號(hào)中，低頻信號(hào)主要由有用信號(hào)組成這一特性，保留低頻固有模態(tài)分量，對(duì)高頻固有模態(tài)分量進(jìn)行均值濾波，得到降噪后的高頻固有模態(tài)分量；最后將降低噪

6、聲后的高頻固有模態(tài)分量和保留下來(lái)的低頻固有模態(tài)分量進(jìn)行重構(gòu)，得到降噪后的圖像信號(hào)。該文章采用七種不同信噪比情況的三張圖像進(jìn)行仿真實(shí)驗(yàn)，并且與三種傳統(tǒng)的圖像降噪算法進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明這種方法能很好的降低圖像中含有的高斯白噪聲。關(guān)鍵詞：經(jīng)驗(yàn)?zāi)B(tài)分解；變分模態(tài)分解；小波閾值降噪；均值濾波；信號(hào)降噪I基于變分模態(tài)分解的信號(hào)降噪方法研究ResearchonSignalMethodBasedonVariationalModalDecompositionAbstractVariationalModeDecompositio

7、n(VMD)isanadaptivesignaldecompositionmethod,whichisnotonlysuitableforprocessinglinearandstationarysignals,butalsosuitableforprocessingnon-linearandnon-stationarysignals.ThetraditionalFouriertransformationcanrepresentthephysicalmeaningofthesignalwelland;itisanid

8、ealtoolforstudyingthestationarysignal.However,theFouriertransformhashighrequirementsonthelinearityandstabilityofthesignal.Moreover,thesignalswegenerateinlifeareoftennonlinea