峰度检验加窗的EMD脉冲星信号消噪方法

摘要

脉冲星是一类具有强磁场并快速自转的中子星。脉冲星最显著的特性是具有非常稳定的信号辐射周期，这一特性使脉冲星在导航、电波传播学、天体物理以及其他领域展现出非常大的应用潜力。由于星际空间物质的干扰和超长的传播距离以及接收的物理设备性能等因素的影响，接收到的脉冲信号中含有比较强的噪声。但是导航精度与脉冲星信号的信噪比成正比，因此在低信噪比下，对脉冲星信号进行消噪，得到较高信噪比的信号，是脉冲星观测及其他实际应用的前提和基础。
　　本文研究了脉冲星的消噪算法。脉冲星信号消噪常用的方法有傅里叶变换法，小波分析法和经验模态分解法等。由于傅里叶变换法仅适合于平稳信号，脉冲星信号是非平稳信号，因此该方法并不适用于脉冲星信号。而小波分析法存在着小波基和最优分解层数比较难选择的缺点。因此本论文在对脉冲星信号消噪时选择了不需要预先确定基底和分解层数，根据信号自身特性，自适应的确定基底和最优分解层数的经验模态分解（empirical mode decomposition，EMD）算法。在此之上，本文提出了一种基于窗函数的经验模态分解方法。该方法针对EMD分解过程中固有模态函数（intrinsic mode function，IMF）上有用信号与噪声的混叠现象，对重构信噪比的影响，首先通过自相关和互相关计算，判断信号的起点模态函数（IMF）；其次通过局部峰度检验方法，判断重构起点附近I M F中有用信号的位置及信噪分界点，利用Turkey-Hanning窗保留有用信号，抑制噪声；最后利出自适应阈值方法，实现信号和噪声的分离，改善重构信号质量。结果表明，与自适应阈值法和窗函数法相比，本消噪方法可以更有效地滤除脉冲信号中的噪声，同时更好地保留信号突变处的细节信息特征，具有更高的消噪性能。

目录

声明

1 前言

1.1 脉冲星简介

1.2研究背景

1.3 研究目的和应用领域

1.4 论文研究内容

1.5 本章小结

2.1 经验模态算法

2.2 基于EMD的时间尺度滤波

2.3 论文解决问题

2.4 本章小结

3.1 窗函数选择

3.2 基于峰度检验的时域加窗方法

3.3 阈值消噪算法

3.4 本章小结

4 仿真结果分析

4.1 脉冲星消噪结果参考指标介绍

4.2 不同消噪方法仿真结果图

4.3 多个信噪比下不同消噪方法的比较

4.4 不同消噪方法结果参数比较

4.5 本章小结

5 结论

致谢

参考文献