基于CWT-IDRSN的风机滚动轴承故障诊断

针对强噪声环境下传统轴承故障诊断方法对故障识别率低,深度残差收缩网络在降噪时对频域信号丢失的问题,提出了一种基于连续小波变换(continuous wavelet transform,CWT)和改进的深度残差收缩网络(improved deep residual shrinkage network,IDRSN)的故障诊断模型。首先,利用CWT将轴承振动信号转换为二维时频图,作为输入样本,用于解决深度残差收缩网络在直接处理振动信号时引起的频域失真问题;其次,设计了一种改进的软阈值函数(improved soft threshold function,ISTF),解决了因软阈值化引起的信号失真,设计了改进的软阈值模块(improved soft threshold block,ISTB)和自适应斜率模块(adaptive slope block,ASB),构建了改进的残差收缩单元(improved residual shrinkage building unit,IRSBU)以实现自适应地确定最佳阈值并进一步调整输出;最后,利用凯斯西储大学滚动轴承数据集与风机轴承振动数据采集实验台收集的滚动轴承数据集对所提方法进行实验验证。结果证明相较于其他方法,所提的故障诊断方法有更好的泛化性和通用性,分类准确率分别达到了99.75%和99.69%。

基于生成式对抗网络和改进区域建议网络的输电线路杆塔缺陷检测方法

为了减少输电线路杆塔缺陷检测过程中受噪声信号和装置性能等因素的干扰,提高输电线路杆塔缺陷检测的正确率和检测效率。提出一种基于生成式对抗网络(generative adversarial networks,GAN)和改进区域建议网络(region proposal network,RPN)的输电线路杆塔缺陷检测方法。采用GAN采集输电线路杆塔的显著性图像,并利用半软阈值函数模型剔除图像中的噪声,避免噪声对缺陷检测过程产生影响。通过随机森林决策树提取输电线路杆塔图像的轮廓特征,基于多尺度算法对RPN进行改进,将特征输入到改进RPN模型中,通过缺陷的定位、分割完成输电线路杆塔的缺陷检测。试验结果表明,所提方法的输电线路杆塔缺陷检测正确率较高,具有较好的缺陷检测效果和检测效率,从而有利于提高输电线路杆塔缺陷检测的质量,减少电力事故的出现。

基于小波阈值去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,该函数不仅易于计算,而且具有优越的数学特性和清晰的物理意义。实验结果表明,该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。

基于改进阈值函数的小波域去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,此函数不仅易计算,且具有优越的数学特性和清晰的物理意义。试验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。

基于相邻尺度积系数的半软阈值小波滤波

针对相邻尺度积系数硬阈值滤波后的MSE函数不连续,最优阈值选取困难,该文构造了一种基于相邻尺度积系数的半软阈值函数。其为收缩因子函数与小波系数的乘积,对小波系数无穷可导、可在阈值邻域内对小波系数自适应收缩。进而通过极小化SURE(Stein Unbiased Risk Estimate)估计得到MSE意义下自适应于信号和噪声的最优阈值。大量仿真实验表明:采用本文构造的半软阈值函数,可改善基于相邻尺度积系数的滤波算法性能。

一种改进的子波域语音增强方法

本文基于文献［3］中提出的子波域去噪技术，并针对语音信号的特点提出了一种改进的子波域语音增强方法。该方法采用软限幅函数对语音信号的子波变换系数作阈值处理以达到去噪的目的。同时，为了防止在抑制噪声的过程中对语音的清音段信息造成损失，首先对语音信号进行了清浊音判别，然后针对不同的判别结果对清音段语音和浊音段语音采用不同的阈值处理方法。仿真实验表明，该方法效果良好且简便易行，是一种有效的语音增强技术。

一种新的小波收缩统一阈值函数

提出一种新的小波收缩统一阈值函数,并证明了新阈值函数具有收敛性,通过调节可变参数的取值可以改变新阈值函数的趋向,为图像阈值去噪的自适应处理提供了可能。此外,给出了新阈值函数的期望、方差与风险的关系式。仿真结果表明新阈值函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的灵活性,可以获得更高的信噪比和更好的视觉效果。

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换(DW T)和小波包分解(W PD)的语音增强算法。该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构。计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪。

非高斯噪声背景下小波阈值算法分析

针对小波阈值算法以高斯噪声为研究背景的局限性,为解决硬阈值函数不连续和软阈值函数估计小波系数和分解小波系数存在恒定偏差的问题,在非高斯噪声背景下提出一种新的小波阈值算法。新阈值函数从Garrote阈值改进而来,引入了高阶幂函数。该算法首先对加入一类非高斯噪声的信号进行小波分解,然后根据新的阈值函数对每层高频小波系数进行量化,最后用小波分解的低频系数和处理过的高频系数重构信号。在非高斯噪声背景下进行的仿真结果表明,新阈值函数去噪相对于软阈值、硬阈值、两类改进阈值以及Garrote阈值在信噪比和最小均方误差上都得到了改善。

连续波雷达生命信息检测和提取技术

雷达生命信号是微弱信号,常常淹没在噪声中,这些杂波噪声具有非平稳随机性,有效去噪是对有用信号提取和分离前的必要手段。本文完善了连续波雷达生命信号的理论模型,采用提升小波变换,通过比较不同阈值函数的去噪效果,确定最佳阈值函数。结果表明:利用提升小波变换、采用一种新型的改进软阈值函数去噪技术,信号的信噪比(SNR)和均方误差(MSE)均优于传统去噪方法。

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。

基于小波包惩罚函数的烟机振动信号软阈值降噪

为解决烟机振动信号受到噪声干扰这一问题,研究基于小波包阈值降噪的原理和方法,给出了小波包阈值降噪的步骤,阐述了Birgé-Massart惩罚函数确定阈值的原则和软阈值的量化处理,分析了阈值、信噪比和均方误差随惩罚因子的变化规律.并将基于小波包惩罚函数的软阈值降噪与Rigrsure、Heursure、Sqtwolog、Minimax4种阈值降噪方法进行了比较.结果表明基于惩罚函数的小波包软阈值方法能有效降低噪声.基于该方法的烟机振动信号降噪在保留信号突变部分的同时,具有良好的光滑性.

基于子波变换阈值决策的非稳信号去噪

本文通过对Dinoho阈值决策子波域去噪方法进行研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。接着具体讨论了在Sym8子波基底下，用此方法对非稳雷达回被进行五尺度的Mallat算法仿真，结果表明该方法抑制噪声效果良好且简单易行，是传统匹配滤波无法比拟的。

小波阈值去噪方法在矿井电法数据处理中的应用

根据矿井高密度电阻率法数据的特点,创新性地应用了小波阈值去噪方法对其进行处理。为了克服软、硬阈值函数存在的缺陷,提出了软、硬折中的新阈值函数。通过汶南煤矿41106工作面西下巷实测资料的处理,认为新阈值函数处理下的数据反演结果和实际情况更加吻合,效果更好,说明小波阈值去噪方法在矿井高密度电法数据处理中有效、可行。

基于平滑阈值函数的小波图像去噪

本文在分析软阈值函数的基础上通过对软阈值函数进行修正,提出了平滑阈值函数。此种函数因在整个取值区间内保持平滑性,所以在去噪中可保存图像的部分细节。本文将此种函数与基于贝叶斯风险估计求阈值相结合,用于自适应的小波阈值去噪,提高了图像的信噪比,减少了图像的均方误差。试验结果证明了这一点。

基于改进各项异性扩散和小波变换的MLEM低剂量CT重建算法

为了解决低剂量CT重建图像受噪声污染严重的问题,提出了一种基于小波收缩和差分曲率各项异性扩散的MLEM低剂量CT重建算法.该算法首先采用最大似然期望最大化(Maximum Likelihood Expectation Maximization,MLEM)算法对低剂量投影数据进行重建.然后对重建后的图像进行小波变换,对包含噪声少的低频系数进行基于差分曲率的各项异性扩散,对高频系数进行软阈值处理.仿真结果表明:与常用重建算法相比,本文算法处理后的图像更清晰,可以更好地保持图像的纹理等细节信息.

无纸化阅卷中图像噪声的去除研究与优化

基于互联网的无纸化阅卷越来越广泛的应用于各种考试中。然而试卷在扫描、传输过程中不可避免的会受到噪声的干扰,使得试卷的图像效果不佳,这给阅卷工作带来很大的麻烦。为了解决这些问题,本文研究了新的阈值和改进的阈值函数的去噪效果,最后通过MATLAB进行模拟仿真,验证了它与传统的去噪方法相比确实有更好的去噪效果。

基于曲波域的指纹增强算法

指纹增强是指纹识别预处理算法中的关键环节,对算法识别率起到关键的作用。本文提出了一种基于曲波域的指纹增强算法,将指纹图像在曲波域中分解为粗尺度系数和细尺度系数,并分别利用方向滤波器和软阈值函数进行增强和去噪。在曲波域中,利用方向滤波器对粗尺度系数进行增强,同时利用软阈值函数对细尺度系数进行去噪,这使它与传统的基于空域和基于频域的增强方法有本质的区别。在FVC2004指纹数据库上的实验结果表明,对于低质量的指纹图像,该算法比传统算法具有更好的增强和去噪效果,并且执行时间也更短。

基于贝叶斯阈值的多小波基联合去噪

本文用贝叶斯阈值法来确定阈值,提出在不同子带和不同方向上使用不同的阈值,结合改进的软阈值函数,并采用2个小波基加权联合去噪.实验证明,此法与Visushrink、Sureshrink、Bayesshrink及Wiener滤波相比,在去噪的同时保留了更多的图像纹理,峰值信噪比也提高0.1～1.45dB不等,充分说明了该方法的有效性.

一种改进的小波消噪阈值选取方法

在3σ准则及半硬取阈值(SHT)的基础上,介绍了一种新的阈值函数。该阈值函数不仅克服了硬阈值函数不连续的缺点,并且解决了软阈值函数存在的恒定偏差。仿真结果表明,消噪效果有了明显的改观。