基于时频分帧能量熵的陶瓷制品敲击声波 信号特征识别

针对现有陶瓷制品敲击声波信号特征提取方法中提取的特征代表性降低的问题,该文提出结合最大重叠离散小波包变换(MODWPT)和时频分帧能量熵的特征提取方法。首先采用MODWPT将信号分解为4层,再对每个节点的子信号分帧后计算各个节点的时频分帧能量熵,然后根据能量分布特征选择了前6个节点的时频分帧能量熵特征,最后构建随机森林分类器完成识别。将该方法和MODWPT时频分段能量熵、MODWPT归一化能量特征两种方法进行比较。实验结果表明,相比MODWPT时频分段能量熵、MODWPT归一化能量两种特征提取方法,MODWPT时频分帧能量熵能提升特征的代表性,具有更优的陶瓷制品敲击声波信号特征识别性能,其识别的F1值达到了98.46%,相比上述两种方法分别提升F1值3.22%、1.86%。

单图像盲去模糊方法概述

图像去模糊长期以来一直是计算机视觉和图像处理中的研究热点。由相机抖动、物体运动或失焦引起的运动模糊或焦点模糊图像会严重影响图像的使用和后续处理。传统的盲去模糊方法利用图像运动模糊产生的不同原因,可将运动模糊分为全局运动模糊和局部运动模糊。概述了近年来图像盲去模糊的方法和研究现状。在深度学习图像去模糊方法的基础上,总结了图像去模糊的方法及研究现状。同时,对传统的盲去模糊方法和深度学习的盲去模糊方法进行了分类总结,归纳了图像去模糊前所需数据集的三种构成方式和图像去模糊后的质量评价标准,然后在公共去模糊数据集上对部分传统去模糊和深度学习去模糊的方法进行了定量和定性的分析比较。最后,分析了当前图像去模糊方法面临的问题,展望了图像去模糊方法的研究趋势,并且对目前单图像盲去模糊存在的主要问题进行了拓展分析,逐一细化地说明了可用的解决方法或解决思路,为后续的研究提供了一定的理论依据。

融合VMD优化和小波包分析的陶瓷检测信号降噪方法研究

针对陶瓷敲击检测信号含有噪声的问题,提出一种融合VMD优化与小波包分析(WPD)相结合的联合降噪方法。首先,应用能量的起始点检测准则提取实际信号的有效信息;其次,遗传算法(GA)选取VMD参数并自适应分解含噪信号;然后,计算各模态分量和原始信号的相关系数,将模态分量分为信号主分量和噪声分量;最后对信号主分量进行小波包分析,重构信息获取去噪后的信号。仿真实验证明:在分别加入10、20 dB噪声时,该方法信噪比最高(23.81 dB、24.75 dB),均方误差最小(0.07、0.01),与常用的去噪方法相比,去噪效果均有明显提升。陶瓷试件敲击检测信号测试实验表明,该方法能有效去除不同类型陶瓷试件敲击检测声音信号的噪声,具有良好的去噪性能。