[稀疏分解对信号去噪的综述.docxVIP

稀疏分解对信号去噪的综述Review of sparse decomposition for signal denoising摘要信号去噪一直是信号处理领域的一个研究热点，学者们也基于不同的原理提出了许多不同的去噪算法。近年来，随着噪声环境越来越复杂，传统的去噪算法并不能获得令人满意的去噪效果。与传统的去噪算法不同，由于是在冗余字典上分解带噪信号，基于稀疏分解的去噪方法实现了更加简洁、全面地表示有用信号有效分离噪声和信号的目的，可以很好的实现信号去噪。目前稀疏分解去噪方法在语音信号、图像信号、医学信号、地震信号、雷达信号和超声信号等诸多信号去噪中得到广泛应用。本文主要针对稀疏分解在信号去噪方面的国内外研究起源、前人工作、争论焦点、国内外研究现状及前景做了深刻总结。关键词:稀疏分解；信号去噪；匹配追踪；稀疏表示AbstractSignal denoising has always been a hot research topic in the field of signal processing, the scholars also based on different principle of many different denoising algorithm is proposed.In recent years, with increasingly complex noise environment, the traditional denoising algorithm can not obtain satisfactory denoisingeffect.Different from the traditional denoising algorithm, because it is in the redundant dictionary decompose the signal with noise, the denoising method based on sparse decomposition realizes the more concise and comprehensive said the purpose of effective separation of useful signal noise and signal, signal denoising can be very good implementation. The sparse decomposition denoising method in speech signal, image signals, medical signal, earthquake, radar signal and the ultrasonic signals, and many other widely used in signal denoising.In this paper, in view of the sparse decomposition in signal denoising research origin, the previous work, the focus of debate, both at home and abroad made summary of domestic and foreign research present situation and prospects.Key words:sparse decomposition;the signal denoising;matching pursuit;sparse representation1.国内外研究历史背景21 世纪是信息化的时代，随着科技的进步和社会的发展，以互联网、多媒体技术为代表的信息存储、传输系统正越来越多的进入人们的生活，信息的数字化成为信息化时代的最重要特色。主要的信息载体，如文字、音频及图像等信号，也从传统的模拟信号形式逐步完成了数字化的转换，数字化的信号和图像已成为当前时代人们获取信息的最主要来源。数字信号在采集、传输和处理的过程中，会经常因为各种原因而引入噪声，例如模数转换过程中因设备老化而产生的噪声，传输过程中因人为因素引入的噪声，以及处理过程中因算法等因素而引入的噪声。噪声的存在，使得信号的质量变差，以图像信号和音频信号为例，强度过大的噪声会直接导致图像的模糊和声音的嘈杂，从而严重的影响了人们视、听的效果。同时，有些采集来的信号将用于后续的应用中，噪声会直接影响应用的效果。因此信号噪声的消除与抑制是一项意义深远又举足轻重的课题。信号去噪的目的是从含有噪声的海量数据中摒弃各种干扰并提取出期望的信号，为揭示隐藏于信号中的未知信息提供有力