用于闪光图像消噪的改进BM3D方法

高斯噪声是闪光图像中的主要噪声,将在密度反演等后续处理中被放大,严重影响密度重建及客体边界提取结果,因此,消高斯噪声是闪光图像消噪研究的重点内容。针对闪光照相图像噪声及照相客体轴旋转对称的特点,研究了基于三维块匹配滤波(Block Matching and 3D Filtering,BM3D)的闪光照相图像消噪算法,针对闪光照相图像中难以获得更高质量相似块的缺陷,在不破坏噪声独立性的情况下,通过对含噪退化图像进行旋转与镜像操作,增加了提供相似块的图像来源。同时,通过引入图像块的灰度变换,降低了原有相似性要求中的灰度值要求,提高了形状相似的要求,增加了获得高质量相似块的能力。图像的消噪结果表明,由于相似块的质量得到保证,用于闪光图像消噪的改进BM3D方法取得了更好的消噪效果。

融合HO-VMD的水电机组摆度信号消噪方法

变分模态分解(VMD)算法广泛应用于水电机组摆度信号消噪,可以克服传统分解方法中固有模态函数分量之间的模态混叠问题。但VMD算法的模态分解数和惩罚因子必须经过优化以获得最佳信号分解精度。本文介绍了一种融合HO-VMD算法的水轮机组摆度信号去噪方法,克服了传统VMD算法参数选择慢、泛化能力差的缺点。方法采用河马优化(HO)算法优化模态分解数及惩罚因子,与麻雀优化算法(SSA)改进的VMD算法及小波变换进行比较。结果表明:融合HO-VMD算法的水轮机组摆度信号消噪方法具有很好的效果,适合水电机组摆度信号的去噪。

同步挤压S变换与τ⁃p变换联合的微地震信号消噪方法

微地震监测是指导页岩气开采水力压裂作业和评价压裂效果的常用手段。地面监测所采集的微地震信号能量弱、信噪比低,微地震事件识别困难,严重影响定位的准确性。针对低信噪比地面微地震监测资料,联合使用同步挤压S变换、谱分解和τ⁃p变换,提出一种新的消噪方法。首先对监测资料进行时差校正,将微地震信号的同相轴校平;之后使用同步挤压S变换对校平后的资料进行谱分解获取单频切片;再对每个单频切片进行τ⁃p变换,并根据τ⁃p变换的结果获取微地震信号位置;最后根据信号的位置在时频域完成消噪。实际低信噪比地面微地震监测数据的处理结果表明,新方法可以获得理想的消噪结果。

火炮反后坐装置振动信号小波消噪处理

阐述了反后坐装置在整个火炮系统中的重要性,重点比较了针对振动信号的三种小波消噪方法的优劣,并结合反后坐装置振动信号的特点选择多小波去噪方法进行去噪处理,得到了较理想的处理结果,为反后坐装置进一步故障诊断奠定基础。

簸箕型流道泵站水泵振动信号消噪方法研究

为解决水泵信号振源复杂、含噪量大,难以在信号内获得有效数据的问题,研究一种基于改进平移不变量小波阈值的振动信号消噪方法。将水泵振动信号划分为信号高频区域和低频区域,选取对应合适的小波范围,在小波分解层数作用下正交变换含噪信号。利用阈值限制小波系数完成滤波,通过设定噪声标准偏差值,求得振动信号小波系数中间值,实现信号重构。将振动信号含噪部分在时域空间完成循环平移,填补信号不连续缺陷部位,平移去噪后计算振动信号平均值,得到最终消噪振动信号。仿真分析结果显示:该方法在平移不变量的辅助下,可填补信号不连续缺陷点,从噪声中恢复出原始振动信号,波形的失真较小,信号信噪比较高,鲁棒性好,可完整地保存信号的轮廓和特征。为分析簸箕型进水流道内部流态提供新思路,保证水泵整体工作可靠性。

微铣削刀具磨损监测系统中麦克风阵列的消噪性能研究

在切削加工过程中,基于切削加工声音信号的刀具状态监测系统容易受背景噪声的干扰,为确保监测系统的稳定性,提出使用麦克风阵列和维纳滤波来干扰噪声的方法。在实验过程中,采用直径为700μm的微细铣刀对SK4高碳钢工件进行切削加工,并在切削过程提供人工噪声源,然后利用麦克风阵列获取切削时的声音信号。针对获取的声音信号,结合麦克风阵列与维纳滤波器进行滤波处理。结果表明,麦克风阵列结合维纳滤波能有效改善噪声对微刀具磨损监测系统的影响。此外,分析麦克风阵列排列方式对刀具磨损识别的性能影响,结果显示,环形阵列比直线阵列麦克风阵列系统能更有效地去除噪声,在一定频带宽度下选择适当的特征值,刀具磨损识别率可达到100%。

EEMD在土壤剖面反射光谱消噪中的应用

实测光谱常含有大量干扰信息,消噪在光谱数据处理和分析中极为重要,它直接影响后续的定量分析和信息挖掘。因此,选择适当的消噪方法是改善光谱分析精度,提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程,能充分保留信号本身的非线性和非平稳特征,在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性,提出了一种新的EEMD阈值光谱消噪方法,并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用,对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明:与传统的小波阈值法相比,EEMD阈值法消噪结果的信噪比从14.836 6dB提高到34.275 7dB,均方根误差由6.786 1×10-5降到7.240 6×10-6,相关系数从0.982 5提高到0.999 8,EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声,较好地保留了光谱的细节信息,提高了光谱的定量分析精度,且与小波阈值消噪方法相比具有较强的可靠性和自适应优势,作为光谱数据预处理的一种新方法,其应用前景良好。

基于小波变换的自适应阈值消噪法

信号消噪与恢复是信号处理的一项前期的、最基本的工作,其目的是尽可能地复原被噪声(或干扰)污染的信号,消噪效果直接影响到后期的信号处理。介绍了几种常用的小波消噪方法,分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。针对非线性小波变换阈值法提出了一种自适应阈值消噪法。通过仿真实验证明,该方法不仅消噪效果好,而且可用于对含有时变的噪声信号进行消噪。

动态触觉传感器检出信号的小波消噪新方法

基于平稳离散小波变换 (SDWT)研究了一种改进阈值消噪方法 :给出了一种新的跨尺度阈值计算方法 ;使用将软、硬阈值估计的细节系数进行加权平均的细节系数估计方法 ;通过补充大尺度细节系数降低消噪误差的方法。与经典的软、硬阈值方法比较 ,大量的仿真试验说明本文的方法在信号畸变、误差、光滑度等性能指标之间取得了合适的折衷。将此方法应用于动态触觉传感器检出信号的消噪 ,提高了检出信号的信噪比 ,显著减小了误差和信号畸变 。

一种新的基于小波变换的语音消噪方法

提出一种新的语音消噪处理方法:二次小波分解全局阈值法.该方法不同于传统阈值消噪方法,首先对语音信号高频部分做了二次分解,然后应用阈值消噪的方法对信号进行消噪处理.该方法在MATLAB上进行了模拟实验.试验结果表明该种方法鲁棒性很好,提高了信噪比,去除了大部分噪声,同时有效信号的能量也相当完整地保留下来,能够很好地解决噪声对语音信号的干扰问题.

自适应滤波和子波变换在信号消噪中的应用

研究了RLS(递推最小二乘)自适应滤波器和小波消噪方法的滤波特性,在仿真的基础上选取两者作为实际采集信号的消噪处理方法。为了取得较好的消噪效果,对不同类型的信号采用不同的处理方法,对于特定的信号可采用将两者相结合的方法。处理结果表明,所选用的方法消噪效果明显。

小波消噪在微弱信号检测中的应用

从信号去噪的角度对小波变换作了分析,并且对用非线性小波从噪声中提取有用信号的算法作了对比研究,给出了几种方法的综合方法——变阈值消噪方法,以得到更好的消噪效果。应用对微弱检测信号的仿真试验验证了变阈值消噪算法的优越性。

基于红热图像测温技术的图像二维无网格消噪方法

红外热图像测温过程中存在的大量噪声严重制约了红外热图像的精度和准确性，为了准确提取红外热图像中被测物体的相关参数，提出了一种红外热图像二维无网格消噪方法。将双边滤波、异性消噪、无网格消噪进行结合，建立红外热图像二维无网格消噪模型，利用鲁棒回归算法求解模型中相关参数，实现了红外热图像的无网格消噪，提高了红外热图像测温的精度。最后，通过仿真实验验证了提出方法的可行性，为军事、科研等领域的红外热图像的测温提供了理论基础。

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。

RLS和小波在声信号消噪处理中的应用

在仿真的基础上,介绍了RLS自适应滤波器和小波消噪方法的滤波特性以及消噪的处理方法。通过对实际声采集信号的RLS消噪方法,小波消噪方法和综合消噪方法的处理结果,分析了不同类型的信号数据的不同的处理方法,对于特定的数据类型可考虑采用将两者相结合的方法,处理结果令人满意。

一种基于符号动力学的混沌序列消噪方法

以符号动力学为分析工具,讨论了一类单峰映射混沌序列在符号动力学空间上的马尔科夫过程模型,从该模型出发给出了一种极大似然混沌序列噪声消除的Viterbi算法,并利用符号动力学的特点,对该算法的消噪效果进行了理论分析和仿真比较.实验表明,这种消噪算法的仿真结果和理论分析的结果是一致的,可以应用于混沌通信中的信号消噪处理.

基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤波相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号。研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征。

一种在线奇异小波消噪法

介绍了采用奇异小波分析法在线消除噪声的方法。选取合适的奇异性小波基 ,抽取信号与小波基卷积序列中的某一项作为滤波输出。非平稳干扰信号和真实信号变化的脉宽是不同的 ,两种信号的奇异程度也是不同的。随着小波基尺度增大 ,信号中的白噪声逐渐被滤除。从理论上找到了对真实信号变化最敏感的检测条件 ,按照此条件推导出真实信号与脉冲噪声能有效地被区分。最后的仿真结果表明 ,在合理选取处理信号的长度进行小波变换时 ,该方法能消除信号中的白噪声 ,尤其能有效地在波动信号中滤除弱脉冲干扰信号 ,对强脉冲干扰也有一定的抑制作用。

基于MATLAB的图像消噪算法研究

综合分析了几种用于图像消噪的方法 ,并通过实验比较了各种消噪方法的效果 .实验表明 ,对于非线性高斯白噪声 ,小波分析方法优于中值滤波和自适应维纳滤波 ;加权中值滤波适宜于滤除脉冲噪声 。

使用不同频率域残差和K-SVD模型的图像消噪方法

图像消噪前后的残差信息包含图像的高频信息.为了提高消噪图像的质量,在轮廓波变换域内,根据噪声图像及其K-SVD消噪后不同频率子带图像的残差信息,对残差子图像块再次进行K-SVD消噪,并将其结果与消噪图像的子带图像进行融合,得到包含残差信息的消噪子带图像,最后通过轮廓波逆变换得到消噪图像.仿真实验结果证明了所提出的基于不同频率子带内残差信息和K-SVD的图像消噪方法优于轮廓波变换和K-SVD模型,具有较好的消噪性能.