留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于稀疏表示与粒子群优化算法的非平稳信号去噪研究

叶华 谭冠政 李广 刘晓琼 李晋 周聪 朱会杰

叶华, 谭冠政, 李广, 刘晓琼, 李晋, 周聪, 朱会杰. 基于稀疏表示与粒子群优化算法的非平稳信号去噪研究[J]. 红外与激光工程, 2018, 47(7): 726005-0726005(8). doi: 10.3788/IRLA201847.0726005
引用本文: 叶华, 谭冠政, 李广, 刘晓琼, 李晋, 周聪, 朱会杰. 基于稀疏表示与粒子群优化算法的非平稳信号去噪研究[J]. 红外与激光工程, 2018, 47(7): 726005-0726005(8). doi: 10.3788/IRLA201847.0726005
Ye Hua, Tan Guanzheng, Li Guang, Liu Xiaoqiong, Li Jin, Zhou Cong, Zhu Huijie. De-noising nonstationary signal based on sparse representation and particle swarm optimization[J]. Infrared and Laser Engineering, 2018, 47(7): 726005-0726005(8). doi: 10.3788/IRLA201847.0726005
Citation: Ye Hua, Tan Guanzheng, Li Guang, Liu Xiaoqiong, Li Jin, Zhou Cong, Zhu Huijie. De-noising nonstationary signal based on sparse representation and particle swarm optimization[J]. Infrared and Laser Engineering, 2018, 47(7): 726005-0726005(8). doi: 10.3788/IRLA201847.0726005

基于稀疏表示与粒子群优化算法的非平稳信号去噪研究

doi: 10.3788/IRLA201847.0726005
基金项目: 

国家863计划(2014AA06A602);有色金属成矿预测与地质环境监测教育部重点实验室开放基金(2017YSJS09)

详细信息
    作者简介:

    叶华(1977-),女,讲师,博士生,主要从事人体行为识别、视觉认知计算等方面的研究。Email:yehuawuhan@163.com

    通讯作者: 李广(1988-),男,讲师,博士,主要从事基于稀疏表示与深度学习的电磁法信号处理方面的研究。Email:li_guang@csu.edu.cn
  • 中图分类号: TP29

De-noising nonstationary signal based on sparse representation and particle swarm optimization

  • 摘要: 非平稳信号的去噪是信号处理中的热点和难点。文中以冲击原子作为稀疏表示基,构建了仅对人文噪声敏感的冗余字典。并使用粒子群优化算法对匹配追踪算法进行优化,提出了基于稀疏表示与粒子群优化算法的非平稳信号去噪方法。为检验方法的有效性,论文首先进行了针对性的仿真实验。然后将所述方法用于实测的大地电磁信号处理。结果表明,所述方法可以在保留有用信号的前提下,有效分离出类充放电噪声、脉冲噪声以及其它多种不规则噪声,显著提高非平稳信号的信噪比。
  • [1] Chen Zhe, Wang Rong, Zhou Wenying, et al. Review on measurement parametrics and methods for nonstationary signal[J]. Journal of Data Acquisition Processing, 2017, 32(4):667-683. (in Chinese)
    [2] Feng Weiting, Liang Qing, Gu Jing. Time-frequency analysis of non-stationary signal based on sparse representation algorithm[J]. Journal of Xi'an University of Posts Telecommunications, 2016, 21(6):88-92. (in Chinese)
    [3] Larnier H, Sailhac P, Chambodut A. New application of wavelets in magnetotelluric data processing:reducing impedance bias[J]. Earth Planets Space, 2016, 68:70.
    [4] Trad D O, Travassos J M. Wavelet filtering of magnetotelluric data[J]. Geophysics, 2000, 65:482-491.
    [5] Neukirch M, Garcia X. Nonstationary magnetotelluric data processing with instantaneous parameter[J]. Journal of Geophysical Research Solid Earth, 2014, 119:1634-1654.
    [6] Tang J T, Hua X R, Cao Z M, et al. Hilbert-huang transformation and noise suppression of magnetotelluric sounding data[J]. Chinese J Geophys, 2008, 51:603-610. (in Chinese)
    [7] Tang J T, Li J, Xiao X, et al. Mathematical morphology filtering an noise suppression of magnetotelluric sounding data[J]. Chinese J Geophys, 2012, 55:1784-1793. (in Chinese)
    [8] Li G, Xiao X, Tang J T, et al. Near-source noise suppression of AMT by compressive sensing and mathematical morphology filtering[J]. Applied Geophysics, 2017, 14:581-589.
    [9] Cands E J, Tao T. Near-optimal signal recovery from random projections:universal encoding strategies[J]. IEEE Transactions on Information Theory, 2006, 52:5406-5425.
    [10] Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52:1289-1306.
    [11] Cands E J, Wakin M B. An introduction to compressive sampling[J]. Signal Processing Magazine, IEEE, 2008, 25:21-30.
    [12] Tang J T, Li G, Xiao X, et al. Strong noise separation for magnetotelluric data based on a signal reconstruction algorithm of compressive sensing[J]. Chinese J Geophys, 2017, 60:3642-3654. (in Chinese)
    [13] Cai J H, Tang J T, Hua X R, et al. An analysis method for magnetotelluric data based on the Hilbert-Huang Transform[J]. Exploration Geophysics, 2009, 40:197-205.
    [14] Mallat S G, Zhang Z. Matching pursuits with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing,1993, 41:3397-3415.
    [15] Cui L, Kang C, Wang H, et al. Application of composite dictionary multi-atom matching in gear fault diagnosis[J]. Sensors, 2011, 11:5981-6002.
    [16] Cui L, Wang J, Lee S. Matching pursuit of an adaptive impulse dictionary for bearing fault diagnosis[J]. Journal of Sound Vibration, 2014, 333:2840-2862.
    [17] Wang X, Zhu H, Wang D, et al. The diagnosis of rolling bearing based on the parameters of pulse atoms and degree of cyclostationarity[J]. Journal of Vibroengineering, 2013, 15:1560-1575.
    [18] Stefanoiu D, Lonescu F. A genetic matching pursuit algorithm[C]//International Symposium on Signal Processing and ITS Applications, Proceedings. IEEE, 2003:577-580.
    [19] Wang C G, Liu J J, Sun J X. Algorithm of searching for the best matching atoms based on particle swarm optimization in sparse decomposition[J]. Journal of National University of Defense Technology, 2008, 30:83-87. (in Chinese)
    [20] Zhang Y, Wang H L, Lu J H, et al. Calibration method of optical errors for star sensor based on particle swarm optimization algorithm[J]. Infrared and Laser Engineering, 2017, 46(10):1017002. (in Chinese)
    [21] Kennedy J, Eberhart R. Particle swarm optimization[C]//IEEE International Conference on Neural Networks, 1995. Proceedings, 1995, 4:1942-1948.
    [22] Li Y, Chen Q. Sound event recognition based on optimized orthogonal matching pursuit[J]. Journal of Electronics Information Technology, 2017, 39:183-190. (in Chinese)
  • [1] 谢冰, 万淑慧, 殷云华.  基于改进稀疏表示正则化的SR重建算法 . 红外与激光工程, 2022, 51(3): 20210468-1-20210468-10. doi: 10.3788/IRLA20210468
    [2] 李亚娟.  结合多决策准则稀疏表示的SAR图像目标识别方法 . 红外与激光工程, 2021, 50(8): 20210138-1-20210138-8. doi: 10.3788/IRLA20210138
    [3] 赵璐, 熊森.  多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
    [4] 沈英, 黄春红, 黄峰, 李杰, 朱梦娇, 王舒.  红外与可见光图像融合技术的研究进展 . 红外与激光工程, 2021, 50(9): 20200467-1-20200467-18. doi: 10.3788/IRLA20200467
    [5] 张秀, 周巍, 段哲民, 魏恒璐.  基于专家场先验模型的图像超分辨重建算法 . 红外与激光工程, 2019, 48(6): 626002-0626002(8). doi: 10.3788/IRLA201948.0626002
    [6] 刘永峰, 王年, 王峰, 李从利, 刘晓, 徐国明.  基于谱间相似性的高光谱图像稀疏超分辨率算法 . 红外与激光工程, 2019, 48(S1): 181-192. doi: 10.3788/IRLA201948.S128003
    [7] 卢瑞涛, 任世杰, 申璐榕, 杨小冈.  基于稀疏表示多子模板的鲁棒目标跟踪算法 . 红外与激光工程, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
    [8] 师宇斌, 张检民, 张震, 林新伟, 程德艳, 窦鹏程.  基于等效电路参数提取的硅光电二极管激光损伤机理分析 . 红外与激光工程, 2018, 47(1): 106002-0106002(5). doi: 10.3788/IRLA201847.0106002
    [9] 薛俊韬, 倪晨阳, 杨斯雪.  特征聚类的局部敏感稀疏图像修复 . 红外与激光工程, 2018, 47(11): 1126001-1126001(9). doi: 10.3788/IRLA201847.1126001
    [10] 张爽, 秦华, 杨开, 刘珍.  高斯光束整形非球面透镜的粒子群优化设计方法 . 红外与激光工程, 2017, 46(12): 1206005-1206005(6). doi: 10.3788/IRLA201746.1206005
    [11] 何艳萍, 刘新学, 蔡艳平, 李亚雄, 朱昱.  基于粒子群优化的飞行器地形匹配新算法 . 红外与激光工程, 2016, 45(S1): 115-120. doi: 10.3788/IRLA201645.S114002
    [12] 韦道知, 黄树彩, 赵岩, 庞策.  非负谱稀疏表示的高光谱成像中的异常检测 . 红外与激光工程, 2016, 45(S2): 120-125. doi: 10.3788/IRLA201645.S223001
    [13] 郭天太, 洪博, 潘增荣, 孔明.  改进的SVM在矿井气体定量分析中的应用 . 红外与激光工程, 2016, 45(6): 617011-0617011(8). doi: 10.3788/IRLA201645.0617011
    [14] 范新明, 曹剑中, 杨洪涛, 王华伟, 杨磊, 廖加文, 王华, 雷杨杰.  改进粒子群优化在稳定平台多空间分析模型的应用 . 红外与激光工程, 2015, 44(8): 2395-2400.
    [15] 韩申生, 龚文林, 陈明亮, 李恩荣, 薄遵望, 李望, 张惠, 高昕, 邓陈进, 梅笑东, 王成龙.  基于稀疏和冗余表象的鬼成像雷达研究进展 . 红外与激光工程, 2015, 44(9): 2547-2555.
    [16] 毛海岑, 刘爱东, 王亮.  采用混合粒子群算法的星图识别方法 . 红外与激光工程, 2014, 43(11): 3762-3766.
    [17] 王会改, 李正周, 顾园山, 唐岚, 王臻, 金钢.  基于多尺度自适应稀疏字典的小弱目标检测方法 . 红外与激光工程, 2014, 43(7): 2371-2378.
    [18] 许兆美, 刘永志, 杨刚, 王庆安.  粒子群优化BP神经网络的激光铣削质量预测模型 . 红外与激光工程, 2013, 42(9): 2370-2374.
    [19] 朱子行, 赵尚弘, 张辉, 李勇军, 楚兴春, 侯睿, 王翔, 赵顾颢.  双音调制星间微波光子链路信号噪声失真比优化 . 红外与激光工程, 2013, 42(2): 482-488.
    [20] 柏连发, 韩静, 张毅, 陈钱.  采用改进梯度互信息和粒子群优化算法的红外与可见光图像配准算法 . 红外与激光工程, 2012, 41(1): 248-254.
  • 加载中
计量
  • 文章访问数:  322
  • HTML全文浏览量:  38
  • PDF下载量:  42
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-02-05
  • 修回日期:  2018-03-03
  • 刊出日期:  2018-07-25

基于稀疏表示与粒子群优化算法的非平稳信号去噪研究

doi: 10.3788/IRLA201847.0726005
    作者简介:

    叶华(1977-),女,讲师,博士生,主要从事人体行为识别、视觉认知计算等方面的研究。Email:yehuawuhan@163.com

    通讯作者: 李广(1988-),男,讲师,博士,主要从事基于稀疏表示与深度学习的电磁法信号处理方面的研究。Email:li_guang@csu.edu.cn
基金项目:

国家863计划(2014AA06A602);有色金属成矿预测与地质环境监测教育部重点实验室开放基金(2017YSJS09)

  • 中图分类号: TP29

摘要: 非平稳信号的去噪是信号处理中的热点和难点。文中以冲击原子作为稀疏表示基,构建了仅对人文噪声敏感的冗余字典。并使用粒子群优化算法对匹配追踪算法进行优化,提出了基于稀疏表示与粒子群优化算法的非平稳信号去噪方法。为检验方法的有效性,论文首先进行了针对性的仿真实验。然后将所述方法用于实测的大地电磁信号处理。结果表明,所述方法可以在保留有用信号的前提下,有效分离出类充放电噪声、脉冲噪声以及其它多种不规则噪声,显著提高非平稳信号的信噪比。

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回