受污染混沌信号的协同滤波降噪-物理学报.pdfVIP

物理学报 Acta Phys. Sin. Vol. 66, No. 21 (2017) 210501 受污染混沌信号的协同滤波降噪 陈越 刘雄英 吴中堂 范艺 任子良 冯久超 1)(华南理工大学电子与信息学院, 广州 510641) 2)(广东技术师范学院电子与信息学院, 广州 510665) ( 2017 年5 月19 日收到; 2017 年6 月18 日收到修改稿) 根据混沌吸引子的自相似分形特性, 提出了一种利用协同滤波重构受污染混沌信号的降噪算法. 所设计 的降噪算法通过对相似片段的分组将一维混沌信号的降噪转化为一个二维联合滤波问题; 然后, 在二维变换 域用阈值法衰减噪声; 最后, 通过反变换获得原始信号的估计. 由于分组中的相似片段具有良好的相关性, 与 直接在一维变换域做阈值降噪相比, 分组的二维变换能获得原信号更稀疏的表示, 更好地抑制噪声. 仿真结 果表明, 该算法对原始混沌信号的重构精度和信噪比的提升都优于小波阈值、局部曲线拟合等现有的混沌信 号降噪方法, 对相图的还原质量也更好. 关键词: 混沌信号, 协同滤波, 噪声抑制 PACS: 05.45.–a, 05.40.Ca DOI: 10.7498/aps.66.210501 16 于零 , 而高斯噪声的能量则均匀分布在全部变 1 引 言 换系数中, 小波阈值法通过将较小的变换系数置零 67 实现噪声抑制, 然后用逆变换重构混沌信号 , 这 混沌行为常存在于生物、电气、机械等物理系 类方法的降噪效果在很大程度上取决于变换系数 统1 , 从观测数据中检测混沌是认识、分析和预测 的稀疏程度, 因此, 必须选取合适的小波基; 经验模 这些系统的关键. 通常观测信号是被噪声污染的混 态分解(empirical mode decomposition, EMD) 是 沌行为, 掩盖了系统真实的动力学特性, 有效抑制 一种数据驱动的分解方法, EMD 阈值降噪8 克服 噪声是分析和研究这些系统的前提. 混沌信号固有 了小波阈值必须针对信号特征选取合适小波基的 的非周期、宽频谱等特性使得传统的线性和频域滤 问题, 并在混沌信号降噪中逐渐得到应用911 , 但 2 波方法无法用于这类信号 , 因此, 针对混沌信号 这类方法仍存在阈值、筛分迭代次数难以确定的问 的非线性动力学行为研究相应的降噪方法具有重 题; 文献[12] 使用压缩感知领域的基追踪降噪技术 要意义. 来处理混沌信号, 但为混沌信号构造“字典”是一 目前, 受污染混沌信号的降噪问题正在引起学 个难题, 从实验结果看降噪效果也不理想; 局部曲 术界的关注, 并提出了一些降噪方法315 : 梯度下 线拟合法13 首先对数据进行分段, 再利用多项式 降法对混沌信号降噪能获得一条比原时间序列噪 对分段数据做局部近似, 最后通过加权平滑来重构 3 声更小的时间序列轨道 , 但不能完全重构混沌