心电信号容易受到采集设备和被测者状态的干扰,为此提出一种归一化最小均方差(Normalized Least Mean Square,NLMS)和自适应噪声完备集合模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)组合的...心电信号容易受到采集设备和被测者状态的干扰,为此提出一种归一化最小均方差(Normalized Least Mean Square,NLMS)和自适应噪声完备集合模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)组合的去噪方法。其中:优化的NLMS算法通过简化步长因子和输入信号的关系减少运算量,并结合迭代次数对步长因子进行优化,提高算法收敛性能;改进的CEEMDAN算法结合高斯白噪声的统计特性对所有IMF分量进行显著性检验,来识别和筛选含有噪声的成分,使干净信号与噪声信号分离。实验结果表明,在不同噪声强度下,该方法相比于CEEMDAN直接去噪效果更佳,且缓解了传统NLMS收敛速度与运算量之间的矛盾。展开更多
文摘心电信号容易受到采集设备和被测者状态的干扰,为此提出一种归一化最小均方差(Normalized Least Mean Square,NLMS)和自适应噪声完备集合模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)组合的去噪方法。其中:优化的NLMS算法通过简化步长因子和输入信号的关系减少运算量,并结合迭代次数对步长因子进行优化,提高算法收敛性能;改进的CEEMDAN算法结合高斯白噪声的统计特性对所有IMF分量进行显著性检验,来识别和筛选含有噪声的成分,使干净信号与噪声信号分离。实验结果表明,在不同噪声强度下,该方法相比于CEEMDAN直接去噪效果更佳,且缓解了传统NLMS收敛速度与运算量之间的矛盾。
文摘针对广义旁瓣相消器(Generalized sidelobe canceller,GSC)存在非相干噪声消除性能不佳的缺陷,提出了采用后置Kalman滤波器改进的GSC去噪算法。该算法通过归一化最小均方算法校正自适应噪声对消器,并将滤除方向性干扰噪声后的语音信号输出到Kalman滤波器中,对残余背景噪声进行迭代最小均方误差(Minimum mean square error,MMSE)估计,抑制非相干噪声与麦克风阵元所产生的热噪声。经过在不同信噪比条件下客观语音质量评估(Perceptual evaluation of speech quality,PESQ)及语谱图分析后证明,与传统的GSC以及后置谱减法的改进GSC相比,本算法在噪声消除上的表现更为优越,且增强后信号也更接近目标信号。
