模糊小波包在漏磁信号处理中的应用

采用小波包去噪方法解决漏磁信号的噪声抑制问题。针对软、硬阈值处理中存在的缺陷,提出了模糊阈值处理方法,应用该方法对采集的漏磁信号进行消噪处理。实验结果表明,与传统小波包的去噪效果相比较,模糊小波包降噪方法不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法。     

基于奇异谱分析的盲源分离单通道语音增强算法研究

针对盲源分离算法无法直接对单路含噪语音信号进行分离的问题,提出一种基于奇异谱分析的盲源分离单通道语音增强算法.通过对单路含噪语音信号进行奇异谱分析,将其低频分量作为第二路观测信号,利用改进的最大信噪比盲源分离算法进行处理,从而实现语音信号和噪声的分离.实验结果表明,该算法能够有效抑制噪声,提高信噪比,起到良好的语音增强效果.     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。     

希尔伯特-黄变换在脉冲涡流信号消噪与识别中的应用

针对传统方法无法有效识别不同尺寸细小裂纹所产生的脉冲涡流信号,提出一种基于希尔伯特-黄变换的脉冲涡流信号消噪与识别算法。对脉冲涡流信号进行集成经验模态分解并通过归一化自相关函数及其方差特性分选出含有噪声的本征模态函数;对含噪声的本征模态函数进行阈值消噪并与未做处理的本征模态函数重构成无噪声信号;对无噪声信号进行希尔伯特-黄变换并计算出希尔伯特边际谱;根据希尔伯特边际谱的差异识别出不同细小尺寸的表面与下表面裂纹。实验结果表明了所提方法的有效性,经过集成经验模态分解消噪,消除了噪声对脉冲涡流信号的干扰;而基于希尔伯特-黄变换的方法则能够有效识别出不同尺寸的裂纹。     

对流层散射下MPLS重路由信号去噪研究

针对对流层散射信道MPLS重路由信号数据含有噪声的问题,分析了Facility重路由原理和MPLS标签转发过程,引入小波阈值去噪算法对含噪声标签信号数据进行处理。利用一种随分解层数变化的阈值和折中阈值函数规则,来解决传统算法中的阈值确定和阈值函数选取存在的问题,针对折中阈值函数规则中参数a的确定问题,利用模拟数据,以信噪比(SNR)为目标函数,采用定步长变a形式,从而得到去噪效果最好时对应的a值,并用实测数据加以验证。仿真结果表明,改进后的算法在信噪比上有1.5 d B~3.4 d B的提高,均方差(RMSE)下降约0.01~0.03,为路由修复信号的去噪提供一种可行的方案。     

基于压缩感知的无人机图像组合去噪方法

针对无人机图像中存在的多种类型噪声干扰的情况,提出了一种基于压缩感知的无人机图像混合去噪方法。利用移动窗口平滑处理含噪图像中脉冲噪声,并去除该类噪声对图像稀疏性的破坏;对粗去噪图像进行稀疏表示,利用高斯观测矩阵对其测量,通过正交匹配追踪算法重构得到去噪后图像。实验结果表明,该算法改善了基于压缩感知图像去噪方法对含有脉冲噪声去噪效果差的问题,提高了去噪图像的峰值信噪比和视觉效果。     

基于非凸范数最小化图像去噪算法

为改善高斯噪声条件下图像去噪性能,基于低秩理论,提出基于伽马范数最小化的图像去噪算法.所提算法对噪声图像重叠分块,基于结构相似性指数自适应搜索与当前图像块若干最相似非局部图像块以组成相似图像块矩阵,进而利用非凸伽马范数无偏近似秩函数以构建低秩去噪模型,并基于凸优化理论求解所得低秩去噪优化问题,重组所得去噪图像块以获得最终去噪图像.与PID,NLM,BM3D和NNM等主流去噪算法相比,实验结果表明,所提算法可有效消除高斯噪声,且可较好地恢复原始图像细节.     

基于改进型小波阈值的磁记忆信号去噪研究

磁记忆检测信号易被外界噪声污染,使缺陷信号的可检测性受到极大影响。为消除噪声信号的不利影响,通过优化传统算法进行了磁记忆信号的消噪。硬阈值去噪得到的估计小波系数值连续性差,并会引起重构信号的振荡;而软阈值去噪会与原来的小波系数存在恒定偏差。在软、硬阈值函数的基础上,提出了一种改进型阈值函数,该阈值函数在一定程度上克服了传统方法的不足之处。仿真试验结果表明了改进型阈值函数对去除磁记忆信号噪声的适用性。     

基于自适应小波阈值的SAR图像去噪算法

针对传统阈值去噪方法处理合成孔径雷达(Synthetic Aperture Radar,SAR)图像存在的失真,边缘模糊等问题,提出了一种自适应小波阈值算法。首先对经过对数变换后的SAR图像进行小波变换。然后利用自适应小波阈值对变换后的SAR图像高频部分进行去噪处理,去噪后再对其进行小波逆变换处理。最后再进行一次指数变换,达到去噪的目的。实验结果表明,该算法能够得到较好的去噪效果,并且还有效地解决了传统算法所带来的不足。     

基于自适应累量算法的舰船轴频电场信号检测方法

提出一种新的舰船轴频电场信号检测方法.该方法利用高阶累量对高斯噪声的抑制作用,首先使用基于自适应累量算法的FIR滤波器对接收信号进行滤波消噪处理,以提高信噪比;然后再对滤波输出信号进行滑动功率谱检测.实测数据处理结果表明了该方法的稳健性和有效性.     

时频图像二维EMD分解在LPI信号识别中的应用

针对LPI信号分类识别问题中,时频图像受噪声干扰严重的问题,提出了一种基于二维快速经验模式分解(FBEMD)的图像降噪算法,并利用该算法实现对LPI信号的分类。首先利用时频分析方法,获得待分类信号的时频分布图像;使用二维EMD分解算法对图像降噪;截取包含时频信息的图像部分,通过主分量分析法提取特征矢量;最后采用RBF神经网络完成信号的分类识别任务。对常见的LPI雷达信号进行仿真,结果表明较低信噪比情况下,该方法仍能获得较好的分类结果。当信噪比为-2 d B时,采用二维EMD降噪算法,平均正确识别率能够达到93%。     

基于时频分析的噪声去除

经典的数字信道化思想的实施都是建立在一组硬件滤波器构成的并行多路,虽然能实时处理,但随着处理数据带宽的增大和子信道频率分辨率的增加,设备开销将线性增长,整体可靠性也必然下降.基于信号的检测理论,在利用时频分析工具得到的时频图上进行信号检测,提出了检测去噪法.针对宽带数据背景噪声的特点,提出了噪声基底的3种估计算法:去大留小法、对数统计法和频移均值法,并线面结合对噪声基底进行平滑,实现了天电干扰的去除.通过实际接收到的某短波信号检验,证明了算法的有效性.     

基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析；利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节；增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高；前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于优化小波阈值的轴承振动信号降噪算法北大核心

滚动轴承振动信号能够及时准确地提供机电设备状态特征信息,且可实现在线或离线监测,广泛用于滚动轴承故障诊断。由于滚动轴承工作环境复杂多变,往往掺杂较多噪声,噪声会淹没机电设备状态的有用特征信息。针对传统小波阈值函数对轴承信号降噪不明显的问题,提出了一种用于轴承振动信号降噪的差分进化优化小波软阈值算法,对含噪信号进行小波分解,利用广义交叉验证GCV函数作为新的阈值函数对分解后的小波系数进行处理,结合差分进化算法进行寻优获取最优阈值。实验采用美国凯斯西储大学的轴承数据进行仿真分析,通过与常用降噪方法相比,该方法在较好地保留特征信号的前提下,较大程度地去除了噪声,有效地提高了降噪效果。     

基于四阶累积量的相干信号二维波达方向估计算法

提出了一种基于四阶累积量的相干信号二维波达方向(DOA)估计的算法--CSS算法.该算法利用双平行线阵的接收数据以及平滑技术构造了一个平滑的渡达方向矩阵,通过对其进行特征分解估计出空间相干信号的二维到达角.在色噪声环境下,该算法能够精确地估计空间相干信号的二维到达角,无需谱峰搜索,并且信号的二维参数能够自动配对.计算机仿真结果验证了算法的有效性.     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

一种新的小波域维纳滤波图像去噪算法

针对传统小波去噪和维纳滤波存在的不足,提出了一种新的小波域维纳滤波图像去噪算法。首先,对含噪图像进行小波分解,依靠对角细节子带小波系数对噪声方差进行估计;然后,引入噪声方差修正因子,并根据不同子带小波系数的统计特性,在低频子带和高频子带分别选择合适的维纳滤波模板尺寸,使维纳滤波在对小波系数进行滤波处理时具备了更加精确的噪声方差估计和更加合理的滤波模板尺寸;最后,对维纳滤波处理后的小波系数进行小波重构,获得了去噪后的图像。试验结果表明:该算法兼具小波去噪的多分辨率分析特性和维纳滤波的自适应特性,能有效提高去噪后图像峰值信噪比,去噪效果优于小波去噪和维纳滤波。     

一种基于自适应阈值估计算法的SAR图像去噪方法

为去除乘性相干斑噪声对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的影响,将小波域去噪和二维平移不变去噪算法进行有效结合,提出一种新的自适应阈值估计算法.基于概率密度函数和贝叶斯估计理论,可以得到子带阈值.通过对数变换,将算法应用于含相干斑噪声的SAR图像去噪.理论分析和实验结果表明该算...