信号的属性分析方法初探-谈猫狗分离思想在信号滤波中的应用.docVIP

我将为大家介绍四大部分内容。 一是滤波理论的回顾分析，这其中我会将滤波问题与猫狗分离问题类比，指出我所理解的现有滤波理论的缺陷所在； 二是为大家介绍一种叫做ADWA的滤波范式，通过该滤波范式来讲解如何将猫狗分离的思想运用到信号的滤波问题中来，从而以此克服现有滤波理论所面临的困境； 三是通过实验介绍运用了猫狗分离思想的ADWA滤波范式的实际滤波效果； 最后进行总结，这其中我不仅仅对信号的滤波问题进行总结，还会谈到如何将日常生活中的一些思路运用到科学研究中去的一些感悟。 可能有个别人对报告中提及的某些信号处理理论不了解，但别紧张，这不影响对本讲座核心思想的理解，同时，我也会用尽量浅显易懂的语言为大家说明这些理论是怎么回事；另外，我还会穿插一些日常生活中富有哲学意义的一些事例，希望不仅对大家科学研究方面，而且对大家社会生活方面都有一定的启发意义。 1、求目标光斑的像素位置坐标时，若用其峰值对应的像素坐标表示，将只能得到整像素的定位精度；同时，目标光斑的（形状）各异，加上噪声的影响，用其峰值坐标表示光斑的像素位置也会带来极大的误差，因此，为获得高精度的亚像素级光斑定位结果，需要用光斑的灰度质心来表示其像素位置坐标。 2、具体做法是用光斑幅度的一定比例作为阈值来截取光斑图像，再在下截止点CPF和上截止点CPR之间进行灰度积分求质心。但噪声的存在既影响上下截止点的稳定性和精度，也影响光斑图像的形状包络，因此在进行光斑的亚像素定位前必须进行滤波预处理。 1、但滤波操作在去除噪声的同时，通常会使光斑幅度降低，峰形变宽；若为了尽量保持光斑形状特征不受破坏，通常噪声去除效果又不理想，光斑的滤波结果曲线又不够光滑，这两种情况都限制了光斑亚像素定位精度的提高。 2、 在滤波结果光滑的情况下，除幅度降低、边缘变缓等特征破坏外，不同的滤波方法还会出现其他的特征破坏情况。。。 1、。。。这些特征破坏情况如图所示。这些光斑特征的破坏，都会降低光斑定位精度，是我们不希望的。 2、滤波过程中这种噪声去除和信号特征保持之间的矛盾是目前所有滤波方法所面临的共同问题，在遇到这种矛盾时，现有方法只能在这两个方面作一个平衡折衷，即让信号特征也损失一点，噪声也容忍一点，而无法进一步缓解这种矛盾。 3、因此，滤波理论在当前的一个重要任务就是想法克服这种折衷，以便进一步缓解这种矛盾，使滤波结果在噪声去除和特征保持两方面都取得满意的效果，。。。 **************************************************************************** 目标是在保持（这种）良好噪声去除效果不变的前提下，寻求办法进一步提高信号的特征保持能力，而不是以牺牲噪声去除效果作代价。 1、比如，对这样的含噪信号，获得这样的滤波效果：在保证滤波结果光滑的情况下，还要保持有用信号的特征不受损坏。 2、因此，我们在对信号进行滤波去噪时，千万别只想到“噪声去除”，而忘了“特征保持”。 为了解决现有问题，需要回顾一下现有滤波理论体系 现有滤波理论体系非常丰富，总体上可分为三大类。 第一大类是基于频率域的滤波理论。线性滤波就主要属于这一类。 第二大类是基于非频率分析的滤波方法。各种非线性滤波方法是这一类的主力军。 ************************************************************************************************** 第三大类是各种各样的混合滤波方法。 基于非频率分析的滤波理论：有很多是专针对图像信号；有的又针对一维信号，如基于曲线拟合思想的滤波（多项式、样条） 对现有滤波理论体系，如果单从不足的方面看，我认为可用三个词来概括其现状。 第一是困惑。方法如此之多，哪个方法才最合适呢？我们会觉得，选择一个合适的方法真的很难！ 第二是无奈，包括实践上的无奈和理论上的无奈。 实践上，用现有方法进行信号去噪处理，若想得到非常光滑的滤波结果，必然会出现信号幅度衰减、边缘变缓等问题；因此“要想去除更多的噪声，必然损失更多的信号特征”。 若想尽量保持原有的信号幅度和原有的边缘陡度，则滤波结果中必然出现我们不愿看到的起伏波动；因此，要想更完整地保留信号特征，必然保留更多的噪声。 总之，噪声去除和特征保持之间，就像坐跷跷板的两个人，大家都想更高一些，但谁也别想高到哪儿去。没办法，只好将跷跷板摆平，大家都倒高不高，将就吧。所以，现有滤波理论都只能在噪声去除和特征保持之间折衷妥协。 其次是理论上的无奈。 理论上的先天局限性在后面将频域滤波理论与猫狗分离对比时说明。 第三是期盼。鉴于前两种