多定频干扰下准随机跳频信号检测仿真

多定频干扰环境的复杂性会对准随机跳频信号产生影响,导致跳频信号检测效果不佳。为了提升检测性能,提出多定频干扰下准随机跳频信号检测方法。对多定频干扰下的准随机跳频信号开展分析,获取跳频信号,并对信号实行小波阈值去噪处理;根据去噪处理结果,对准随机跳频信号开展傅里叶变换,求解跳频信号的局部自适应阈值,以此消除定频干扰,完成跳频信号提取;检测提取信号在时域的驻留连续性,区分跳频信号及可疑目标信号,实现多定频干扰下准随机跳频信号的检测。实验结果表明,通过开展信噪比测试、检测误差测试,验证了该方法的检测效果较好,说明其具有实用性和有效性。

基于电阻抗断层成像的碳纤维增强复合材料定量化损伤研究

针对电阻抗断层成像(electrical impedance tomography,EIT)在反演的过程中存在的病态的、不适定性的特点以及检测结果难量化等问题,笔者提出通过去噪卷积神经网络(denoising convolutional neural networks,DnCNNs)以及搭建电阻抗断层成像损伤监测的检测概率(probability of detection,POD)函数来实现对碳纤维增强复合材料(carbon fiber reinforced polymeric,CFRP)高效准确的可视化检测和结果量化评估。借助EIDORS软件进行有限元划分,通过正问题求解来模拟时差数据,构建出不同形状的损伤重建图像;然后通过在去噪神经网络中使用单个残差单元来预测重构图像中的噪音映射,有效地去除重建图像中的伪影,从而实现准确高质量地检测图像;此外,基于统计处理定量分析碳纤维增强复合材料损伤。通过电阻抗断层成像来监测碳纤维增强复合材料的损伤衍化过程,借助准静态压痕(quasi-static indentation,QSI)试验实时采集电阻抗断层成像数据和声发射事件,将损伤程度与电导率振幅作为检测概率函数中的缺陷参数,通过应用信号响应方法参数预测POD曲线,通过设置特定的POD阈值获得可检测性极限轮廓,从而实现通过电导率的振幅对损伤程度进行预测。结果表明:该方法不仅能对碳纤维增强复合材料进行高质量损伤图像重建,还可以定量化评价碳纤维增强复合材料的损伤程度,有利于具有自感知能力的复合材料在工业领域的应用。

永磁同步交流牵引系统准实时小波降噪研究

针对永磁同步电机矢量控制系统中电流传感器信号污染影响系统性能问题进行研究,利用小波降噪原理,提出基于非线性小波变换阈值法的准实时降噪算法。建立永磁同步牵引系统仿真模型,分析电流传感器信号污染对系统性能的影响,针对电流传感器含噪声系统,应用准实时降噪算法进行系统闭环控制。仿真结果表明:在电流传感器信号受噪声污染条件下,该方法能够在满足系统实时性要求前提下,有效地降低传感器噪声对系统性能的影响,提高系统稳定性。

遥感影像的自适应小波精细积分降噪方法

针对遥感影像数据量大、应用精度较高的图像降噪变分法处理时计算效率较低的问题,基于quasi-Shannon小波构造了一种二维自适应小波插值算子,并和精细积分法相结合建立了求解二维偏微分方程自适应小波精细积分方法。利用小波变换的多尺度自适应性和精细积分方法的高精度有效提高了图像降噪变分法的求解效率,从而可实现较大遥感影像的降噪处理。

基于小波变换的旋转变压器准实时故障诊断探究

针对基于旋转变压器的位置检测器中位置输出信号受噪声污染影响永磁同步电机系统性能的问题进行研究。在分析位置信号受污染对控制系统性能的影响和小波算法原理的基础上,采用准实时小波算法,对旋转变压器输出的位置信号进行降噪处理和故障诊断,仿真结果表明:采用准实时小波算法,能够在一定程度上降低系统噪声,并能够精确检测出系统的故障信息,实现对故障特性的提取和定位,进而提高了系统的控制精度、安全性和可靠性。基于小波变换的旋转变压器准实时降噪和故障诊断算法的研究对于发展高精度和高可靠性的精密测试转台具有深远的意义。

基于小波降噪的DSP准实时实现研究

针对信号小波降噪处理的实时性要求,提出一种基于小波降噪理论的准实时降噪算法的DSP嵌入式实现方案;给出使用MATLAB对准实时小波降噪方法与离线小波降噪方法的仿真分析,并依据准实时小波降噪方法设计了DSP嵌入式平台;将噪声水平为σ_(orginal)=1.0的含噪信号通过上述DSP嵌入式平台,采用准实时小波降噪方法,取得了σ_(orginal)=0.65589的降噪效果;同时,将上述方案应用于对液体流速信号降噪,降噪效果明显。

永磁同步交流牵引系统准实时小波降噪应用研究

电流传感器信号是永磁同步电机矢量控制的重要参数,也是永磁同步电机矢量控制能否成功的关键因素。提出一种基于滑动数据窗的准实时小波降噪算法,应用于永磁同步牵引系统中。仿真结果表明,当系统电流传感器信号受到污染时,该降噪算法能有效去除传感器噪声对系统性能的影响,提高系统稳定性,并满足实时性要求。在永磁同步交流牵引控制系统中,利用DSP处理器构建准实时降噪子模块,试验结果表明该方法可以提高控制系统在传感器信号污染下的稳定性。

基于e^p的DTV图像去噪模型

针对纹理图像的去噪问题,通过分析全变分(TV)去噪模型与方向全变分(DTV)去噪模型,提出了一种具有鲁棒性的基于e^p的DTV去噪模型。为了刻画图像中的不同结构特征,该模型中DTV正则项的指数p由图像的结构来确定在(0,2)中自适应地选取。由于该模型是含有可分性算子的非光滑优化问题,可用交替方向乘子法(ADMM)求解,并能保证算法的收敛性。数值实验结果表明:与其他经典模型相比,提出的模型取得了更高的峰值信噪比和结构相似度,在去除噪声的同时能有效保持图像的细节信息。

一种基于全变分技术和L_p伪范数的椒盐噪声去除方法

针对传统各向同性全变分(Isotropy total variation,ITV)去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题,提出一种基于Lp伪范数和各向同性全变分的图像去噪方法。该方法将Lp伪范数代替ITV模型中的L1范数,利用交替方向乘子算法(Alternating direction method of multipliers,ADMM)将能量泛函拆解成若干个子问题,并将差分算子视为卷积算子;然后引入卷积定理和快速傅里叶变换(Fast Fourier transform,FFT)提高算法运算效率;最后通过Matlab进行仿真实验,运用图像质量的客观和主观评价方法进行评价分析。结果表明,本文方法能够较好地保留图像的边缘特性,有效提升去噪效果。

基于稀疏优化l_p正则化的光滑化拟牛顿算法

压缩感知被广泛应用于信号恢复和图像重构与去噪,重构算法是压缩感知的关键部分之一。当采样率很低时,重建原始信号是个困难的问题。对此,现有算法普遍表现不佳。采用p(0<p≤1)范数正则极小化模型恢复原始稀疏信号,并利用光滑化拟牛顿算法求解该模型。通过同步更新光滑化参数和正则化参数,该算法实现了光滑化参数和正则化参数的自适应调整,避免求解不同问题时参数的选取问题,使得该算法具有广泛的适应性和鲁棒性。通过大量仿真和真实图像重构与去噪数值实验验证该算法的有效性,实验表明,该算法对于图像去噪、高稀疏度和低采样率信号的处理能力优于当前流行的优秀算法.