基于EMD的脉冲星信号空域滤波消噪新方法

本文主要探讨了"基于经验模态分解空域相关滤波的脉冲星信号消噪"这一研究主题，由赵攀、王文波等人共同完成，发表在中国科技论文在线上。脉冲星信号由于其信噪比极低且存在大量有色噪声，处理这类信号的难点在于有效抑制噪声同时保持微脉冲信号的细节信息。经验模态分解（EMD）作为一种非线性时间序列分析方法，被引入到这个问题中。 首先，研究者构建了一个脉冲星信号的分形高斯噪声模型，利用双对数功率谱密度估计分形高斯噪声的Hurst参数，这有助于理解噪声的复杂特性。分形高斯噪声的这种特性与脉冲星累积信号的窗口辐射特性相结合，研究人员进一步分析了噪声在经验模态函数（IMF）中的分布情况，特别是噪声的方差。 EMD的空域相关滤波方法在此基础上得以设计。该方法的核心在于利用IMF噪声方差作为滤波的依据，通过对脉冲星累积轮廓进行处理，能够在空域中实现噪声的有效消除，同时尽可能地保留信号的微脉冲特征。这种方法相较于传统的平移不变小波阈值消噪法、平移不变小波空域相关滤波法和EMD模态单元比例萎缩消噪法，具有显著的优势，它在抑制噪声的同时更能保护信号的细微结构。 关键词包括：脉冲星、经验模态分解（EMD）、信号消噪、分形高斯噪声、有色噪声和空域相关滤波。这些关键词揭示了研究的核心内容和技术路径。这篇论文的研究成果对于脉冲星信号处理技术的发展具有重要意义，特别是在提高信噪比和信号处理精度方面，为脉冲星信号的进一步分析和应用提供了新的可能性。通过这篇论文，读者可以了解到如何利用EMD的特性来优化脉冲星信号的处理技术，提升信号质量。