资源描述：
《稀疏分解对信号去噪的综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、稀疏分解对信号去噪的综述Reviewofsparsedecompositionforsignaldenoising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H的，可以很好的实现信号去噪。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屮得
2、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AbstractSgnaldenoisinghasalwaysbeenahotresearchtopicinthefieldofsignalprocessing,thescholarsalsobasedondifferentprincipleofmanydifferentdenoisingalgorithmisproposed」nrecentyears,withincrea
3、singlycomplexnoiseenvironment,thetraditionaldenoisingalgorithmcannotobtainsatisfactorydenoisingeffect.Differentfromthetraditionaldenoisingalgorithm,becauseitisintheredundentdictionarydecomposethesignalwithnoise,thedenoisingmethodbasedonsparsedecompositionrealizesthemore
4、conciseandcomprehensivesaidthepurposeofeffectiveseparationofusefulsignalnoiseandsignal,signaldenoisingcanbeverygoodimplementation.Thesparsedecompositiondenoisingmethodinspeechsignal,imagesignals,medicalsignal,earthquake,radarsignalandtheultrasonicsignals,andmanyotherwid
5、elyusedinsignaldenoising」nthispaper,inviewofthesparsedecompositioninsignaldenoisingresearchorigin,thepreviouswork,thefocusofdebate,bothathomeandabroadmadesummaryofdomesticandforeignresearchpresentsituationandprospects.Keywords:sparsedecomposition:thesignaldenoising;matc
6、hingpursuit;sparserepresentation1•国内外研究历史背景21世纪是信息化的吋代，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、传输系统正越來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來源。数字信号在采集、传输和处理的过程屮，会经常因为各种原因而引入噪声,例如模数转换过程屮因设备老化而产生的噪声，传输过程屮因人为因素引入的噪声，以
7、及处理过程屮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，有些采集來的信号将用于后续的应用屮，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ri的是从含有噪声的海量数据屮摒弃各种干扰并提取出期望的信号，为揭示隐藏于信号屮的未知信息提供有力保障。对信号去噪的研究早在上世纪四五十年代就开始了，至今已有六十多年的历史，在研究者们不懈的努力下，信号去噪方法也在不断的更新和完
8、善小一•步步向前发展，戸前已取得一•定的成绩。其屮一些具有代表性的算法有传统滤波法、维纳滤波、卡尔曼滤波法、小波分解法、经验模态分解法以及独立分量分析等方法。但上述的去噪方法具有一个通病：单个去噪方法大都针对某特定的信号
