搜索

x

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

一种参数优化的混沌信号自适应去噪算法

王梦蛟 吴中堂 冯久超

引用本文:
Citation:

一种参数优化的混沌信号自适应去噪算法

王梦蛟, 吴中堂, 冯久超

A parameter optimization nonlinear adaptive denoising algorithm for chaotic signals

Wang Meng-Jiao, Wu Zhong-Tang, Feng Jiu-Chao
PDF
导出引用
  • 针对非线性自适应混沌信号去噪算法的参数优化问题, 考虑到最优滤波窗长受到不同因素的影响, 为提高该算法的自适应性, 提出一种滤波窗长自动最优化的判决准则. 依据混沌信号和噪声自相关函数的不同, 首先采用不同窗长对含噪混沌信号进行去噪, 然后计算每个窗长对应的残差自相关度(RAD), 最后通过对最小RAD所对应的窗长进行一定比例收缩实现窗长的最优化. 仿真结果表明, 该判决准则能够在不同条件下对滤波窗长进行有效的自动最优化, 提高了混沌信号去噪算法的自适应性.
    In the parameter optimization issue of nonlinear adaptive denoising algorithm for chaotic signals, the window length is affected by different factors. In this paper, a criterion is proposed for selecting the optimal window length. According to the difference in autocorrelation function between chaotic signal and noise, first, the different window sizes are used for denoising noisy chaotic signals. Then, the residual autocorrelation degree (RAD) of each window length is computed. Finally, the optimal window length is obtained by shrinking the window length corresponding to the minimum RAD. Simulation results show that this criterion can automatically optimize the window length efficiently under different conditions, which improves the adaptivity of the denoising algorithm of chaotic signals.
    • 基金项目: 国家自然科学基金(批准号: 60872123)、国家自然科学基金-广东省自然科学基金联合基金(批准号: U0835001)和中央高校基本科研业务费专项资金(批准号: 2013ZM0080)资助的课题.
    • Funds: Project supported by the National Natural Science Foundation of China (Grant No. 60872123), the Joint Fund of the National Natural Science Foundation of China and the Guangdong Provincial Natural Science Foundation (Grant No. U0835001), and the Fundamental Research Funds for the Central Universities, China (Grant No. 2013ZM0080).
    [1]

    L J H, Lu J A, Chen S H 2002 The Analysis and Applications of Chaotic Time Series (Wuhan: Wuhan University Press) pp1-8 (in Chinese) [吕金虎, 陆君安, 陈士华 2002 混沌时间序列分析及其应用 (武汉: 武汉大学出版社)第1–8页]

    [2]

    Lorenz E N 1963 J. Atmos. Sci. 20 130

    [3]

    Han M, Xu M L 2013 Acta Phys. Sin. 62 120510 (in Chinese) [韩敏, 许美玲 2013 物理学报 62 120510]

    [4]

    Sun J W, Shen Y, Yin Q, Xu C J 2013 Chaos 23 013140

    [5]

    Wang X Y, Zhang N, Ren X L, Zhang Y L 2011 Chin. Phys. B 20 020507

    [6]

    Xing H Y, Zhu Q Q, Xu W 2014 Acta Phys. Sin. 63 100505 (in Chinese) [行鸿彦, 朱清清, 徐伟 2014 物理学报 63 100505]

    [7]

    Wang X Y, Liu L T 2013 Chin. Phys. B 22 050503

    [8]

    Wang X Y, Bao X M 2013 Chin. Phys. B 22 050508

    [9]

    Urbanowicz K, Hołyst J A 2003 Phys. Rev. E 67 046218

    [10]

    Feng J C 2012 Chaotic Signals and Information Processing (Beijing: Tsinghua University Press) pp32-35 (in Chinese) [冯久超 2012 混沌信号与信息处理(北京: 清华大学出版社)第32–35页]

    [11]

    Badii R, Broggi G, Derighetti B, Ravani M 1988 Phys. Rev. Lett. 60 979

    [12]

    Tung W W, Gao J B, Hu J, Yang L 2011 Phys. Rev. E 83 046210

    [13]

    Gao J B, Sultan H, Hu J, Tung W W 2010 IEEE Signal Proc. Lett. 17 237

    [14]

    Donoho D L 1995 IEEE Trans. Inform. Theory 41 613

    [15]

    Han M, Liu Y H, Xi J H, Guo W 2007 IEEE Signal Proc. Lett. 14 62

    [16]

    Cawley R, Hsu G H 1992 Phys. Rev. A 46 3057

    [17]

    Schreiber T, Richter M 1999 Int. J. Bifurcation Chaos 9 2039

    [18]

    Kopsinis Y, McLaughlin S 2009 IEEE Trans. Signal Proc. 57 1351

    [19]

    Wang W B, Zhang X D, Wang X L 2013 Acta Phys. Sin. 62 050201 (in Chinese) [王文波, 张晓东, 汪祥莉 2013 物理学报 62 050201]

    [20]

    Feng J C 2005 Chin. Phys. Lett. 22 1851

    [21]

    Arasaratnam I, Haykin S, Hurd T R 2010 IEEE Trans. Signal Proc. 58 4977

    [22]

    Curtis F, Patrick O (translated by L S J) 2006 Applied Numerical Analysis (Beijing: China Machine Press) pp164-166 (in Chinese) [柯蒂斯F, 帕特里克O 著(吕淑娟 译) 2006 应用数值分析(北京: 机械工业出版社)第164–166页]

    [23]

    Schafer R W 2011 IEEE Signal Proc. Mag. 28 111

    [24]

    Savitzky A, Golay M J E 1964 Anal. Chem. 36 1627

    [25]

    Krishnan S R, Seelamantula C S 2013 IEEE Trans. Signal Proc. 61 380

    [26]

    Vivó-Truyols G, Schoenmakers P J 2006 Anal. Chem. 78 4598

    [27]

    Chen G R, Ueta T 1999 Int. J. Bifurcation Chaos 9 1465

  • [1]

    L J H, Lu J A, Chen S H 2002 The Analysis and Applications of Chaotic Time Series (Wuhan: Wuhan University Press) pp1-8 (in Chinese) [吕金虎, 陆君安, 陈士华 2002 混沌时间序列分析及其应用 (武汉: 武汉大学出版社)第1–8页]

    [2]

    Lorenz E N 1963 J. Atmos. Sci. 20 130

    [3]

    Han M, Xu M L 2013 Acta Phys. Sin. 62 120510 (in Chinese) [韩敏, 许美玲 2013 物理学报 62 120510]

    [4]

    Sun J W, Shen Y, Yin Q, Xu C J 2013 Chaos 23 013140

    [5]

    Wang X Y, Zhang N, Ren X L, Zhang Y L 2011 Chin. Phys. B 20 020507

    [6]

    Xing H Y, Zhu Q Q, Xu W 2014 Acta Phys. Sin. 63 100505 (in Chinese) [行鸿彦, 朱清清, 徐伟 2014 物理学报 63 100505]

    [7]

    Wang X Y, Liu L T 2013 Chin. Phys. B 22 050503

    [8]

    Wang X Y, Bao X M 2013 Chin. Phys. B 22 050508

    [9]

    Urbanowicz K, Hołyst J A 2003 Phys. Rev. E 67 046218

    [10]

    Feng J C 2012 Chaotic Signals and Information Processing (Beijing: Tsinghua University Press) pp32-35 (in Chinese) [冯久超 2012 混沌信号与信息处理(北京: 清华大学出版社)第32–35页]

    [11]

    Badii R, Broggi G, Derighetti B, Ravani M 1988 Phys. Rev. Lett. 60 979

    [12]

    Tung W W, Gao J B, Hu J, Yang L 2011 Phys. Rev. E 83 046210

    [13]

    Gao J B, Sultan H, Hu J, Tung W W 2010 IEEE Signal Proc. Lett. 17 237

    [14]

    Donoho D L 1995 IEEE Trans. Inform. Theory 41 613

    [15]

    Han M, Liu Y H, Xi J H, Guo W 2007 IEEE Signal Proc. Lett. 14 62

    [16]

    Cawley R, Hsu G H 1992 Phys. Rev. A 46 3057

    [17]

    Schreiber T, Richter M 1999 Int. J. Bifurcation Chaos 9 2039

    [18]

    Kopsinis Y, McLaughlin S 2009 IEEE Trans. Signal Proc. 57 1351

    [19]

    Wang W B, Zhang X D, Wang X L 2013 Acta Phys. Sin. 62 050201 (in Chinese) [王文波, 张晓东, 汪祥莉 2013 物理学报 62 050201]

    [20]

    Feng J C 2005 Chin. Phys. Lett. 22 1851

    [21]

    Arasaratnam I, Haykin S, Hurd T R 2010 IEEE Trans. Signal Proc. 58 4977

    [22]

    Curtis F, Patrick O (translated by L S J) 2006 Applied Numerical Analysis (Beijing: China Machine Press) pp164-166 (in Chinese) [柯蒂斯F, 帕特里克O 著(吕淑娟 译) 2006 应用数值分析(北京: 机械工业出版社)第164–166页]

    [23]

    Schafer R W 2011 IEEE Signal Proc. Mag. 28 111

    [24]

    Savitzky A, Golay M J E 1964 Anal. Chem. 36 1627

    [25]

    Krishnan S R, Seelamantula C S 2013 IEEE Trans. Signal Proc. 61 380

    [26]

    Vivó-Truyols G, Schoenmakers P J 2006 Anal. Chem. 78 4598

    [27]

    Chen G R, Ueta T 1999 Int. J. Bifurcation Chaos 9 1465

  • [1] 汪书潮, 苏秀琴, 朱文华, 陈松懋, 张振扬, 徐伟豪, 王定杰. 基于弹性变分模态提取的时间相关单光子计数信号去噪. 物理学报, 2021, 70(17): 174304. doi: 10.7498/aps.70.20210149
    [2] 王梦蛟, 周泽权, 李志军, 曾以成. 混沌信号自适应协同滤波去噪. 物理学报, 2018, 67(6): 060501. doi: 10.7498/aps.67.20172470
    [3] 刘柏年, 皇群博, 张卫民, 任开军, 曹小群, 赵军. 集合背景误差方差中小波阈值去噪方法研究及试验. 物理学报, 2017, 66(2): 020505. doi: 10.7498/aps.66.020505
    [4] 汪祥莉, 王斌, 王文波, 喻敏. 混沌背景下非平稳谐波信号的自适应同步挤压小波变换提取. 物理学报, 2016, 65(20): 200202. doi: 10.7498/aps.65.200202
    [5] 李广明, 吕善翔. 混沌信号的压缩感知去噪. 物理学报, 2015, 64(16): 160502. doi: 10.7498/aps.64.160502
    [6] 王跃钢, 文超斌, 左朝阳, 杨家胜, 郭志斌. 自适应混沌蚁群径向分析算法求解重力辅助导航匹配问题. 物理学报, 2014, 63(8): 089101. doi: 10.7498/aps.63.089101
    [7] 陈晓, 汪陈龙. 基于赛利斯模型和分数阶微分的兰姆波信号消噪. 物理学报, 2014, 63(18): 184301. doi: 10.7498/aps.63.184301
    [8] 王春华, 胡燕, 余飞, 徐浩. 一类混沌系统同步时间可控的自适应投影同步. 物理学报, 2013, 62(11): 110509. doi: 10.7498/aps.62.110509
    [9] 吕善翔, 冯久超. 一种混沌映射的相空间去噪方法. 物理学报, 2013, 62(23): 230503. doi: 10.7498/aps.62.230503
    [10] 陈军, 李春光. 具有自适应反馈突触的神经元模型中的混沌:电路设计. 物理学报, 2011, 60(5): 050503. doi: 10.7498/aps.60.050503
    [11] 王国光, 王丹, 何丽桥. 混沌中信号的投影滤波. 物理学报, 2010, 59(5): 3049-3056. doi: 10.7498/aps.59.3049
    [12] 谢映海, 杨维, 张玉. 离散空间上的最小能量框架及其在矩形脉冲信号去噪中的应用研究. 物理学报, 2010, 59(11): 8255-8263. doi: 10.7498/aps.59.8255
    [13] 闫 华, 魏 平, 肖先赐. 基于Bernstein多项式的自适应混沌时间序列预测算法. 物理学报, 2007, 56(9): 5111-5118. doi: 10.7498/aps.56.5111
    [14] 刘新元, 谢柏青, 戴远东, 王福仁, 李壮志, 马 平, 谢飞翔, 杨 涛, 聂瑞娟. 射频SQUID心磁图数据自适应滤波研究. 物理学报, 2005, 54(4): 1937-1942. doi: 10.7498/aps.54.1937
    [15] 魏 荣, 王行愚. 连续时间混沌系统的自适应H∞ 同步方法. 物理学报, 2004, 53(10): 3298-3302. doi: 10.7498/aps.53.3298
    [16] 赵 莉, 陈赓华, 张利华, 黄旭光, 翟光杰, 李俊文, 汤玉林, 冯 稷. 互补型自适应滤波器在心磁信号处理中的应用. 物理学报, 2004, 53(12): 4420-4427. doi: 10.7498/aps.53.4420
    [17] 韦保林, 罗晓曙, 汪秉宏, 全宏俊, 郭维, 傅金阶. 一种基于三阶Volterra滤波器的混沌时间序列自适应预测方法. 物理学报, 2002, 51(10): 2205-2210. doi: 10.7498/aps.51.2205
    [18] 张家树, 肖先赐. 用于混沌时间序列自适应预测的一种少参数二阶Volterra滤波器. 物理学报, 2001, 50(7): 1248-1254. doi: 10.7498/aps.50.1248
    [19] 张家树, 肖先赐. 用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列. 物理学报, 2000, 49(12): 2333-2339. doi: 10.7498/aps.49.2333
    [20] 张家树, 肖先赐. 混沌时间序列的自适应高阶非线性滤波预测. 物理学报, 2000, 49(7): 1221-1227. doi: 10.7498/aps.49.1221
计量
  • 文章访问数:  3641
  • PDF下载量:  296
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-08-11
  • 修回日期:  2014-09-29
  • 刊出日期:  2015-02-05

一种参数优化的混沌信号自适应去噪算法

  • 1. 华南理工大学电子与信息学院, 广州 510641;
  • 2. 湖南人文科技学院信息科学与工程系, 娄底 417000
    基金项目: 国家自然科学基金(批准号: 60872123)、国家自然科学基金-广东省自然科学基金联合基金(批准号: U0835001)和中央高校基本科研业务费专项资金(批准号: 2013ZM0080)资助的课题.

摘要: 针对非线性自适应混沌信号去噪算法的参数优化问题, 考虑到最优滤波窗长受到不同因素的影响, 为提高该算法的自适应性, 提出一种滤波窗长自动最优化的判决准则. 依据混沌信号和噪声自相关函数的不同, 首先采用不同窗长对含噪混沌信号进行去噪, 然后计算每个窗长对应的残差自相关度(RAD), 最后通过对最小RAD所对应的窗长进行一定比例收缩实现窗长的最优化. 仿真结果表明, 该判决准则能够在不同条件下对滤波窗长进行有效的自动最优化, 提高了混沌信号去噪算法的自适应性.

English Abstract

参考文献 (27)

目录

    /

    返回文章
    返回