形态学滤波和HHT变换在轮轨故障诊断中的应用

针对现有轮轨故障诊断装置结构复杂、成本高且实时性差等问题,提出了一种基于轴箱振动加速度响应的轮轨故障诊断方法。首先通过形态学滤波器对轴箱振动信号进行降噪处理,然后运用集合经验模态分解(EEMD)将处理后的信号分解得到若干阶固有模态函数(IMF),再依据能量熵增量的相对大小剔除IMF分量中的虚假分量,对剩余的有效分量进行希尔伯特-黄变换(HHT)得到Hilbert谱。研究结果表明,车辆运行在正常工况与不同类型轮轨故障工况下,轴箱振动加速度的Hilbert谱有显著的差异,因此依据Hilbert谱的特征可有效诊断轮轨故障。

增强组合差分乘积形态学滤波的轴承故障特征提取方法

针对滚动轴承故障信号的非线性、非平稳、强噪声特性导致的常规时频域特征提取方法受限问题,提出一种增强组合差分乘积形态学滤波的轴承故障特征提取方法。在分析数学形态学4种基本运算的正、负冲击脉冲提取特性的基础上,运用级联、差分、乘积构造的一种新的组合差分乘积算子(combination difference multiply operator,CDMO)具备了同时提取正、负冲击脉冲的能力,并发挥梯度乘积运算对脉冲提取更敏感的优势,实现故障信息的充分提取。引入故障特征频率比指标优化CDMO结构元素参数,修正待处理信号的几何特征,提取与结构元素相匹配的信号特征信息。在CDMO滤波的基础上,借助三阶累积量切片谱技术能够抑制高斯噪声、突出二次耦合分量的优势,准确提取故障特征频率及其倍频,增强轴承故障特征提取能力并抑制噪声干扰。依托2种不同来源的工程实际信号并与经典故障特征提取方法对比分析,验证了所提方法的有效性。

基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断

现有列车车轮失圆监测方法的准确性受车速及线路条件影响较大,为了更准确地监测车轮服役状态,文中提出基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断方法:车辆轴箱垂向振动加速度经数学形态学滤波器滤波降噪后,运用完全噪声辅助聚合经验模态分解(CEEMDAN)将其分解为一系列的固有模态函数(IMF),然后选取能量熵增量相对较大的几阶IMF分量进行Wigner-Ville分布(WVD)计算,从而叠加得到轴箱振动加速度的多尺度时频图,最后根据多尺度时频图的分布特征来诊断车轮状态。通过仿真分析和工程实例研究结果表明,运用该方法可有效地识别复杂工况下的车轮服役状态。

基于形态学滤波与SG平滑滤波的脉搏波信号去噪研究

针对脉搏波信号的噪声特点及去噪需求提出一种基于数学形态学滤波和SG滑动滤波相结合的脉搏波信号去噪方法,利用形态学滤波器去除脉搏波中的基线漂移,通过SG平滑滤波器滤除脉搏波信号中的高频干扰信号。实验结果表明,提出的方法能够有效消除脉搏波信号的基线漂移和高频干扰,为脉搏波信号特征提取和血氧饱和度的快速、精确测量奠定良好的基础。

一种基于渐进形态学滤波的DEM生成方法

为了探索一种全新的DEM(Digital Elevation Model,简称DEM)生产方法,提高城市DEM的更新效率,利用渐进形态学滤波分离DSM中地面高程点和非地面高程点,然后对地面高程点构建Delaunay三角网,并基于射线与三角网求交的方式插值生成完整的DEM。实验表明,文中方法不仅能够有效地完成DEM的数据生产,且生产的DEM误差可控,能够满足实际的应用需求。因此,该方法具有极强的技术可行性,可以提高无人机DSM的利用率,促进城市DEM的动态更新。

基于数字图像边缘特性的形态学滤波取证技术

针对数字伪造合成图像中最常用的模糊操作,本文提出了一种基于图像形态学滤波边缘特性的盲取证算法;该方法用同态滤波和形态学滤波的方法增强了模糊操作的图像边缘,分析了离焦模糊和人工模糊边界特点,利用离焦模糊和人工模糊的边缘特性实现了针对数字图像伪造的被动盲取证;实验表明,该方法能够有效地检测伪造数字图像的模糊操作痕迹,并能对已模糊操作的图像局部进行准确定位.

磁瓦表面图像的自适应形态学滤波缺陷提取方法

结合磁瓦表面机器视觉自动识别系统的需求,提出一种基于自适应形态学滤波的缺陷提取方法.针对磁瓦表面缺陷对比度低、图像中存在磨痕纹理背景和整体的亮度不均匀等难点,设计了一种新的自适应形态学滤波器;根据磁瓦表面图像不同区域内的灰度变化进行分区域逐行扫描,估算每行缺陷最大尺寸,使滤波器的一维棒状结构元素随着缺陷尺寸自动调整;通过逐行自适应形态学滤波滤除或弱化缺陷,模拟出背景图像(阈值曲线),用原始图像与背景图像相比较即可提取出磁瓦表面的缺陷.实验结果表明,该方法能准确、快速地提取出磁瓦表面图像各区域的缺陷,通用性好,可用于磁瓦缺陷在线自动识别系统.

形态学滤波器结构元素选取原则研究与分析

形态学滤波器作为一种非线性滤波工具,以其良好的消噪性能越来越多地被运用到电力系统采样数据的处理中。形态学滤波器所选用的结构元素对滤波效果有着重要的影响,但目前结构元素的选取还没有针对具体应用背景的选取原则。针对电力系统中的常见噪声,通过数值仿真,对几种常用结构元素的滤波效果及计算速度进行了详细的分析研究,进而给出了结构元素类型的一般选取原则。同时提出了关于结构元素宽度及幅值选取的一些规律,为形态学滤波器的设计提供了参考依据。

基于时频形态学滤波的能量积累检测

许多实际应用中,强噪声背景下信号能量的长时间积累是有效检测的关键。该文利用信号在时频平面上的能量聚集特性,提出基于时频域形态学滤波的能量积累检测方法。首先确定时频分布的最优核,计算观测序列的时频分布;然后用阈值处理和形态学滤波估计时频分布的高能量支撑区域;最后累加这些区域的时频能量作为统计量进行检测。仿真结果表明,这种方法在低信噪比下可以有效工作。

基于多时窗相关函数和形态学滤波的单端行波故障测距研究

提出了一种基于多时窗相关函数和形态学滤波的输电线路单端行波故障测距算法。由于存在"高频振荡"的原因,多时窗相关函数法在短时窗下容易将线路故障误判为近距离故障。采用形态学滤波器,较好地抑制了行波中的"高频振荡",使多时窗相关函数法在任何时窗宽度下都能给出正确的测距结果。该方案解决了固定时窗下的相关函数法容易出现极值点偏移及近距离故障难以测距的问题。通过对实测故障数据的分析验证,证明该方案能同时保证测距可靠性和准确性,具有较高的实用价值。

一种应用于城市区域的自适应形态学滤波方法

数学形态学滤波是从激光雷达数据中识别地面点、创建数字高程模型的一种重要方法,在应用中取得了较好的效果,但也具有一些明显不足。在分析现有方法优劣及城市地形特点的基础上,提出一种应用于城市环境的自适应形态学滤波算法。该方法采用分层识别策略:首先通过分割得到地面主体部分;之后利用正规化高度值寻找其余地面区域;最后估计地物覆盖区域地面点取值。采用三个不同分辨率、不同地形/地物特点的数据集进行了实验,结果表明该方法能有效识别地面和地物点,并解决了窗口尺寸限制、粗差误判等问题。

形态学滤波与自适应噪声抵消在GIS局部放电超高频信号去噪中的应用

抑制局部放电信号中的噪声干扰是GIS局部放电在线监测的关键技术之一。尽管超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为局部放电的准确测量带来挑战。针对GIS局部放电监测中的白噪声干扰,以提高局部放电超高频法的测量精度为目标,文中采用形态学滤波和自适应噪声抵消相结合的方法对GIS局部放电超高频信号的去噪问题进行了研究。通过对4种典型绝缘缺陷产生的局部放电超高频信号的去噪实验,结果表明文中所用方法较小波变换方法能更好地去除白噪声且去噪后信号具有较小的幅值误差和畸变率。

应用形态学滤波的宽带侦察接收机信号检测新方法

针对大瞬时带宽侦察接收机在截获信号时因噪声的非理想特性引起的弱信号漏检问题,提出一种把频谱作为一维灰度图像进行形态学处理的信号检测方法。对Welch谱进行形态学运算,估计噪声基底并对频谱进行修正,对修正的频谱进行恒虚警处理估计检测门限,根据修正频谱与门限值的比较来判决信号的存在性。仿真结果表明,该方法能较好地估计噪声基底,在给出的非平坦噪声环境下实现对弱信号的正确检测。由于计算量小,这一方法适合于硬件实现。

基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.

基于自适应形态学滤波的X射线图像的缺陷提取

将数学形态学的理论运用于实际X射线焊缝图像的缺陷提取 ,提出一种结构元大小能随缺陷尺寸自动调整的自适应形态学滤波方法 ,取得了较好效果。

基于自适应形态学滤波器的布匹瑕疵检测算法

针对布匹瑕疵检测算法中运算量大、自适应差的问题,利用布匹纹理周期性变化特性,自适应地构建结构元素,实现形态学运算;采用基于像素面积的阈值选择定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,误检率、错误率均降低了4%。

基于形态学滤波器的棘波提取技术

本研究提出了一种基于形态学滤波器的脑电棘波检测方法。首先,选择三角形为结构元素,采用数学形态学中的级联开闭和闭开运算分别对脑电信号进行处理,去除癫痫样瞬态信号;然后对级联开闭和闭开运算采用平均加权的方法,消除统计偏倚现象,得到背景脑电信号;最后将处理结果和原始脑电信号做差,提取出脑电信号中的棘波。通过仿真信号的对比分析和临床癫痫脑电信号的应用,表明该方法适用于双向棘波的提取,与以往的方法相比,背景脑电的抑制能力更强,提取出的信号特征成分更完整。

状态形态学滤波与EWT的故障特征提取方法研究

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。首先使用自适应经验小波变换通过构造尺度空间曲线对傅里叶频谱进行划分,构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分;然后根据往复机械振动信号冲击性的特点,基于信号本身特性构造形态学结构元素,对提取出的模态进行状态自适应形态学滤波;最后使用多尺度模糊熵对模态进行定量分析并对故障进行识别。将该方法应用到实测数据中,实验结果验证了该方法的有效性,该方法可以准确对往复压缩机气阀故障进行识别。

基于自适应形态学滤波的ICT图像缺陷提取

针对ICT图像缺陷现有提取方法的不足,提出了一种自适应的数学形态学滤波方法.该方法首先对整张图像进行分水岭变换,根据区域大小自适应地选取结构元素区域.然后对该区域边界进行椭圆拟合,以确定结构元素模板.根据形态学原理运用此模板对图像进行闭运算,从而获得图像背景.最后,用背景图像减去原始图像,即可获得缺陷的图像.试验结果表明,该方法能获得更好的图像缺陷提取效果.

一种快速的数学形态学滤波方法及其在脉搏信号处理中的应用

针对数学形态学滤波法处理一维信号运算量大的问题,提出一种快速的数学形态学滤波方法。首先,对腐蚀操作进行改进,使其能够用于信号实时处理;然后,将微处理器系统缓存区的数据更新过程与形态学滤波原理相结合,采用滑窗迭代的方式进行运算,减少运算量;进一步,改进平滑滤波,提高滤波结果优化速度。采用实测脉搏信号作为实验数据,结果表明,相比于现有方法,改进后方法保持精度不变,并有效地降低了运算时间(提速70倍以上),基于扁平型和线型结构元素的形态学滤波法具有更快的滤波速度(提速110倍以上),随着结构元素和缓存区长度的增加,所提出方法仍能快速地进行信号处理(对于240 s的数据,耗时小于4.5 s),并能用于脉搏信号实时滤波、分割和特征提取(耗时小于45 s)。因此,所提出方法有望用于手环、手表等实时性要求较高的智能可穿戴设备。