基于信噪比经验值奇异值分解滤波门限确定.docVIP

基于信噪比经验值奇异值分解滤波门限确定 　　摘 要:针对奇异值分解滤波器(SVDF)现有的奇异值截断准则之不足,提出了一种基于信噪比经验值的SVDF滤波门限确定新方法。推导了门限值与信噪比之间的数学关系。实验结果证实了该滤波消噪算法的有效性和合理性。与现有方法相比,消噪效果得以明显改进;而且原理清晰,实现简单。 　　关键词:奇异值分解滤波器; 信噪比; 滤波门限; 噪声消除 　　中图分类号:TP202文献标志码:A 　　文章编号:1001-3695(2009)09-3253-03 　　doi:10.3969/j.issn.1001-3695.2009.09.014 　　 　　Decision of threshold for singular value decomposition filterbased on SNR’s empirical value 　　LV Yong-le, LANG Rong-ling, LIANG Jia-cheng 　　(School of Electronic Information Engineering, Beijing University of Aeronautics Astronautics, Beijing 100191, China) 　　Abstract:Aiming at shortcomings of the existing singular value truncation criterion of singular value decomposition filter (SVDF), this paper put forward a new method to decide the threshold for SVDF, based on the empirical value of signal to noise ratio(SNR). It deduced the mathematical relation between the threshold and SNR. Finally, approved the rationality and validity of the promoted noise-elimination algorithm with SVDF by the experiment results. Compared to the existing methods, the effect of noise elimination is obviously improved, with clear principle and easy implement. 　　Key words:singular value decomposition filter(SVDF); signal to noise ratio; filtering threshold; noise elimination 　　 　　自从Tufts等人[1]提出可用奇异值分解办法估计噪声污染信号中的有用成分以来,奇异值分解滤波器(SVDF)已经在语音、图像、移动通信、电力、生物医学、地震监测等领域获得了较好的应用[2~4]。 　　滤波门限的选取原则直接影响着SVDF的信号处理效果。文献[5]讨论了噪声对矩阵秩的影响,并总结了几种常用的奇异值截断准则。文献[6]采用Minka Bayesian准则确定滤波门限。文献[7]通过引入奇异熵谱来辨识信号奇异值的分布域,为滤波门限选择提供参考。文献[8]将奇异值拟合曲线的拐点作为门限设置的依据。总的来说,这些门限确定方法实现过程复杂,且仅是从所构造矩阵特征值的分布特征出发,脱离了具体应用背景,滤波结果并不理想。 　　针对以上不足,本文提出了一种基于信噪比经验值的滤波门限确定方法;与前述方法相比,原理清晰,实现简单,且有着很强的实用价值。 　　 　　1 时间序列与观测噪声 　　 　　时间序列是按照时间顺序、常以等时间间隔取得的一系列观测值的集合;或是一串随时间变化且又相互关联的数据序列。客观世界中,这种数据序列经常见到,如股票价格、电力负荷、机械振动、河流水位、气温变化等观测值序列。由于各自的物理背景不同,它们所包含的信息和呈现的规律又是千变万化的;人们往往希望通过分析这些数据,达到认识和掌握事物的目的。 　　工程应用中,若不考虑噪声因素,对象系统的前后时刻观测值间往往存在某种相依性。根据Box等人[9]的观点,这种相依性常能被一类称做自回归模型(auto regressive model,AR)的统计模型加以描述:?? 　　X??t??=?吉?1??X??t-1??+?吉?2??X??t-2??+?