《表2 小波算法噪声抑制性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《PCA-CLEAN算法在GPS序列多径噪声抑制中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对y0dB分别利用PCA-CLEAN算法和小波算法（采用Haar小波及MATLAB默认的去噪处理阈值）进行噪声抑制，得到结果如图3所示。其中，第一行子图为去噪序列，第二行子图为去噪序列与原始不含噪序列的差值。同样对y10dB进行噪声抑制得到结果如图4所示。表1和表2给出了按式（3）和式（4）计算得到在不同信噪比情况下的相对重构误差和相关系数。从上述仿真结果可以看出，采用PCA-CLEAN算法得到的去噪序列与原始序列差值更小，相关性更高，即相对于小波方法，PCA-CLEAN算法能够得到更好的噪声抑制性能。究其原因在于小波去噪是基于选定的小波基进行的（本文为Haar小波），去噪的原理是将含噪信号分解在小波基张成的子空间，通过丢弃与噪声对应的高频小波系数进行信号重构。因此基函数的选取和小波分解层数（或去噪阈值）的确定对最终噪声抑制性能有决定性的影响。而PCA-CLEAN算法对信号进行噪声抑制是从特征空间（PCA）和频域（CLEAN）两个维度考虑，PCA将信号转换到特征空间根据信号子空间的维度确定有用谐波分量个数，CLEAN从频域特性对信号和噪声进行区分，因此PCA-CELAN算法不受波形相似原则的影响，相对于小波方法更具通用性和稳定性。