【技术实现步骤摘要】
本专利技术涉及非稳态非高斯噪声去除领域，具体涉及一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法。
技术介绍
1、噪声在自然界中普遍存在，其存在严重影响了人类对各种信号的识别和利用的准确性和效率。因此，降噪通常被认为是信号处理的第一步和最重要的一步。根据分布特性，噪声可以分为高斯噪声和非高斯噪声。根据时域特性，噪声可以分为平稳噪声和非平稳噪声。根据频率域特性，噪声可以分为高频噪声、中频噪声和低频噪声。由于平稳高斯噪声具有固定的阶一、阶二矩和分布模型，便于分析和处理，因此已有许多相关研究。然而，并非总是科学或理想的将所有噪声模型定义为高斯分布。
2、一些自然噪声模型和特征通常是非高斯的，甚至是时间变化的，如水下声学噪声、雷达跟踪中的测量噪声、语音噪声等。与传统的高斯模型相比，研究人员提出了几种非高斯噪声分布模型，包括学氏t分布、混合高斯模型、拉普拉斯分布和对称α稳定分布等。同时，在语音、天文学、生理信号和目标跟踪等领域，有现有方法旨在消除非稳态非高斯噪声。
3、但现有方法存在以下缺点：第一，非高斯噪声的信息需要在...
【技术保护点】
1.一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，在步骤S1中，利用改进的完全集合经验模态分解方法将非稳态非高斯噪声信号分解为本征模态函数信号，包括以下步骤：
3.根据权利要求1所述的一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，步骤S2包括以下分步骤：
4.根据权利要求3所述的一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，在分步骤S23中，利用时频混合熵方法获取信号的混淆指数
<...【技术特征摘要】
1.一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，在步骤s1中，利用改进的完全集合经验模态分解方法将非稳态非高斯噪声信号分解为本征模态函数信号，包括以下步骤：
3.根据权利要求1所述的一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，步骤s2包括以下分步骤：
4.根据权利要求3所述的一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法，其特征在于，在分步骤s23中，利用时频混合熵方法获取信号的混淆指数，表示为：
5.根据权利要求1所述的一种...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。