针对纳米器件散粒噪声信号去噪方法的不足,利用散粒噪声信号在不同状态下的方差特性,提出了一种改进的经验模态分解算法(EMD)。该算法根据信号固有模态函数(IMFs)方差最大值与对应层数的关系自适应地选择需要处理的IMF层数,并与传统平...针对纳米器件散粒噪声信号去噪方法的不足,利用散粒噪声信号在不同状态下的方差特性,提出了一种改进的经验模态分解算法(EMD)。该算法根据信号固有模态函数(IMFs)方差最大值与对应层数的关系自适应地选择需要处理的IMF层数,并与传统平均算法相结合提取了散粒噪声信号。实验结果表明:在不同程度(≥-3.92 d B)低频噪声环境下,与传统的EMD硬性去噪等方法比较可知,其信噪比提高了5.4 d B^7.0 d B,均方误差降低了36%以上,该方法有效地去除了低频噪声,提高了散粒噪声检测的有效性。展开更多
文摘针对纳米器件散粒噪声信号去噪方法的不足,利用散粒噪声信号在不同状态下的方差特性,提出了一种改进的经验模态分解算法(EMD)。该算法根据信号固有模态函数(IMFs)方差最大值与对应层数的关系自适应地选择需要处理的IMF层数,并与传统平均算法相结合提取了散粒噪声信号。实验结果表明:在不同程度(≥-3.92 d B)低频噪声环境下,与传统的EMD硬性去噪等方法比较可知,其信噪比提高了5.4 d B^7.0 d B,均方误差降低了36%以上,该方法有效地去除了低频噪声,提高了散粒噪声检测的有效性。
