一种新的脉冲噪声滤波算法

针对传统中值滤波法在去除脉冲噪声时存在的不足,提出了一种由噪声检测、噪声滤波和误检像素校正三个阶段组成的图像噪声滤波方法.通过对不同类型和不同强度噪声图像的实验结果表明,该方法在去除噪声的同时较好地保持了边缘,在噪声率为80%时,该方法比中值滤波法的峰值信噪比提高了16 dB.     

基于贝叶斯因子分析的声纳探测误差模型研究

声纳的探测误差模型是声纳仿真的核心技术。针对建立某型声纳探测误差模型的问题,在对大量声纳实测数据进行统计分析的基础上,提出采用贝叶斯因子分析的方法,建立声纳的探测误差模型。利用该误差模型预测误差,将预测结果应用于声纳仿真中,并与白噪声模型仿真方法进行比较。仿真结果表明,基于贝叶斯因子分析的声纳误差仿真模型可以更有效的对声纳探测误差进行建模和预测。     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

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。