EMD算法的改进及在信号去噪中的应用

噪声的干扰在生活中无处不在,本文针对传统EMD算法在信号的非线性和非平稳特性条件下,分解而得的本征模态函数(MF)随时间尺度变化的振荡而造成的模态混叠和噪声干扰等问题进行改进。在此基础上,引入人为添加的高斯白噪声,并根据其均值为0的特点,深入探索基于改进后的EMD算法在信号降噪中的应用。仿真实验对比分析表明,改进后的EMD算法能清晰地判断有用信号和无用信号,有效降低噪声对信号的干扰。

基于EMD分解算法的长距离特高压输电线路接地故障定位

由于传统方法在长距离特高压输电线路接地故障定位中应用效果不佳,不仅定位结果相对误差较大,而且定位时间较长,无法达到预期的定位效果,因此提出基于EMD分解算法的长距离特高压输电线路接地故障定位。利用电压传感器采集输电线路电压信号,通过EMD分解算法对信号进行分解处理,提取信号时域特征,根据时域特征确定接地故障位置,以此实现基于EMD分解算法的长距离特高压输电线路接地故障定位。经实验证明,设计方法定位结果相对误差在2 m以内,定位用时在1 s以内,在长距离特高压输电线路接地故障定位方面具有良好的应用效果。

基于颜色直方图和卡尔曼预测的目标跟踪算法

为改善Camshift算法在复杂背景下的目标跟踪成功率,本文提出一种基于颜色直方图和Kalman预测的目标跟踪算法。应用颜色直方图计算目标的概率分布,引入Kalman滤波来计算目标的质心象素点,快速预测并确定当前帧中目标的质心位置,更新跟踪模型。通过仿真实验证明了算法的有效性。

基于改进向量场直方图算法的无人机动态避障策略

目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷,本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法,更加符合局部未知环境下无人机路径规划的要求,并针对复杂未知场景中无人机避障问题,提出了基于A^(*)算法和改进VFH算法的避障算法。首先,无人机根据全局已知障碍物信息,基于A^(*)算法构建目标航路点;其次,在目标航路点不可达的情况下,无人机根据运动状态与激光雷达探测到的地形信息,基于改进向量场直方图算法进行局部规划。在局部规划中,针对传统VFH算法存在的缺陷进行了改进:针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱,本文提出陷阱检测机制的VFH算法,动态选择历史信息增强向量场直方图算法的记忆性,无人机可自主检测陷阱并及时跳出;针对向量场直方图算法的阈值敏感性问题,设计了动态阈值更新策略,使得无人机能够在复杂或稀疏的障碍物环境中,动态平衡避障安全性和抵达目标的时效性。最后,通过对比仿真验证了算法的有效性,为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。

基于EMD-RF算法的重介精煤灰分预测研究

针对煤炭重介分选控制过程中的精煤灰分测量延迟问题,基于随机森林算法(Random Forest,RF)与经验模态分解(Empirical Mode Decomposition,EMD)将工业现场实测的密度、磁性物含量、灰分数据进行降噪处理后,建立了重介分选系统数学模型;提出了灰分前置对应方法:用t时刻的输入(悬浮液密度值m、磁性物含量值n)对应t+T(T为延迟时间)时刻的输出(精煤灰分值h)进行模型训练。在对BP神经网络、随机森林算法以及基于最小二乘原理的算法进行对比寻优后,最终得出随机森林算法的建模效果最优。研究结果表明:可将随机森林估计值作为指导值用于煤炭分选工业现场,以提升重介分选效率,改善精煤煤质。

基于SIFT特征点提取的ICP配准算法

为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根据提取特征点完成快速点特征直方图(FPFH)特征运算,通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵,再进一步运用ICP算法进行点云精细配准。实验结果表明:与ICP算法相比较,ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10^(-2) cm级别时,ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择,提升了配准精度和配准效率。

基于像素直方图和YOLO优化算法的视觉图像识别检测技术研究

针对传统识别检测技术对较小目标的检测准确度不足,且检测速度较慢的问题,提出利用小波变换进行图像整合得到原始的背景图像,并引入图像特征融合机制和感受野增强机制优化YOLO算法。对改进像素直方图方法的性能验证结果表明,像素直方图+小波变换检测方法在数据集1~4中的准确率分别为90.39%、94.29%、96.69%和96.60%。在数据集1~4中改进的YOLO算法在目标检测的准确度和检测速度高于YOLOv2和RetinaNet算法。从结果可以看出,改进后的方法具有较高的准确性,可以实现对较小目标的检测,在视觉图像识别技术中可以得到较好的应用,具有较高的应用价值。

基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients,HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm,PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine,SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。

圆形直方图线性化的高精度高适应性多阈值分割方法

针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题,提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后,构建累积分布方差最大化准则,将圆形直方图截断后延展为线性直方图。在线性直方图上,结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法,快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较,在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明,提出方法在计算效率方面与比较方法大致持平,但在分割精度和分割适应性方面明显优于比较方法,在PSNR、SSIM、FSIM和GCE等评价指标上分别以19.95 dB、0.80、0.94和0.16取得最优结果。

基于质量扰动鹈鹕优化算法的图像匹配方法研究

针对传统群优化算法在图像匹配中存在调节参数多、不易操作等问题,提出了一种基于质量扰动的鹈鹕优化算法(disturbance quality pelican optimization algorithm,DPOA)的图像匹配方法。传统的鹈鹕优化算法(pelican optimization algorithm,POA)在求解多峰函数问题时,其全局收敛性需要进一步改进。首先,引入了一种新的质量扰动方法,通过检测分布点附近的点来收敛到更好的解,提高了在解决多峰函数问题时易陷入局部最优的问题,同时提高了算法的收敛精度。其次,通过数据集CEC2019对算法的有效性进行评价。最后,通过提取图像的方向梯度直方图(histogram of oriented gradient,HOG)将DPOA算法在图像匹配中应用,并通过实验仿真,证明了DPOA算法在图像匹配中的可行性与有效性。

医学CT序列图像的混合去噪算法

医学CT(computer tomography)序列图像会因为各种原因而掺杂噪声,去噪能够有效地提高图像的质量.常见的去噪算法都是针对单张图像进行,考虑到CT序列图像之间具有很高的相似性,本文提出一种基于相邻图像结构相似性的混合去噪算法.该算法首先计算序列图像的最大和最小灰度值,根据灰度值绘制直方图,设定相关阈值参数,根据筛选之后的直方图计算窗宽窗位,然后进行调窗处理.之后计算目标图像与其前后相邻图像之间的结构相似性,最后根据结构相似性对3张图片混合使用BM3D和高斯滤波2种去噪算法.通过对比实验表明,该算法在均方误差、峰值信噪比和结构相似性三方面都有所提高,能够有效地提高图像质量.

基于RKF-EMD的禽类无线动态自适应称重系统

针对禽类养殖过程中人工称重费时费力、造成动物应激以及电子仪器易被破坏等问题,设计了一套适用于禽类的无线动态自适应称重系统。系统将经验模态分解和鲁棒卡尔曼滤波结合并做出适应性改进;针对秤台因粪便和饲料堆积造成的称重零点偏移问题,创新性提出了一种基于队列的自动去皮算法。通过在肉鸡养殖场实际应用和监测验证,结果表明,本文设计的适用于禽类的无线动态自适应称重系统能够快速准确地获得动物体重,且具有良好的自适应性、稳定性和鲁棒性。

基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

基于EMD-AVOA-BP的逆变器故障诊断方法

以CRH3C型动车组逆变器中的绝缘栅双极型晶体管(IGBT,Insulated Gate Bipolar Transistor)双管开路故障为研究对象,提出了一种基于非洲秃鹫算法(AVOA,African Vultures Optimization Algorithm)和优化的反向传播(BP,Back Propagation)神经网络的逆变器故障诊断方法。在Simulink中搭建列车逆变器的控制模型,取得故障电流;采用经验模态分解(EMD, Empirical Mode Decomposition)对电流信号进行去噪和故障特征提取,再利用AVOA对BP神经网络进行优化,实现了对列车逆变器IGBT双管开路故障的诊断。与传统方法进行对比可知,该方法具有更高的精准度,在测试集中其精准度达到100%。

基于EMD-PSO-HMM刀具磨损监控系统

为解决在机械加工过程中刀具的磨损及崩刃对加工质量和效率的影响,通过机器人学习技术,设计一套基于EMD-PSO-HMM刀具磨损监控系统。首先提取不同刀具磨损状态下主轴的电流信号,由于传统小波分析及傅里叶分析在信号分析过程存在一定局限性,文章采用EMD算法对加工过程中主轴电流信号进行不同尺度信号分解并提取特征参数,将提取的特征值输入HMM模型进行训练迭代。为解决HMM模型在模型训练的过程中存在局部最小值的问题,文章引入粒子群算法对HMM模型的输入参数进行全局搜索以达到最优值。基于以上形成的EMD-PSO-HMM刀具磨损监控系统在实际刀具磨损状态评估过程中具有较高的准确性。

基于改进EMD-小波包的爆破振动信号降噪方法研究

针对经验模态分解(empirical mode decomposition, EMD)存在模态混叠和降噪效果不佳的问题,依据分解—正交—聚类—降噪—重构的思想,提出了改进EMD-小波包的爆破振动信号降噪方法。该方法融合了核主成分分析的正交性、K-means算法的聚类特性以及小波包的降噪优势,不仅可以消除EMD的模态混叠,也具有良好的降噪效果。研究结果表明:与自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise analysis, CEEMDAN)和EMD方法相比,在模拟信号降噪试验中,改进EMD-小波包方法的信噪比(7.9 dB)最大,均方根误差(2.96)最小。在实测爆破振动信号降噪中,改进EMD-小波包方法降噪后的信号与原始信号相关系数最大为0.91。改进EMD-小波包和CEEMDAN方法的降噪效果相对理想,且改进EMD-小波包方法对10~60 Hz低频信号能量保存效果较好,对60 Hz以上中高频噪声的滤除效果最好。

EMD新算法及其应用

经验模态分解(EMD)算法是 Hilbert-Huang 变换(HHT)的核心算法,它的分解效果依赖于包络线的生成算法和端点延拓算法。采用分段幂函数插值算法求包络线,结合一种改进的端点延拓算法,得到了一种新的 EMD 算法。分析了分段幂函数插值算法的收敛精度,从数学角度解释了选取该插值算法的原因。最后,结合一个股票模型的仿真结果说明新的 EMD 算法效果更好。

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法.用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象.新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重.实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性.

基于属性直方图的快速Otsu红外目标检测算法

为了提高红外小目标检测的有效性和实时性,提出了一种改进的二维Otsu算法。该算法运用了属性直方图的概念,通过构造适合红外小目标图像特性的属性集,来确定Otsu算法的最佳分割阈值。为了减小计算复杂度,从推导递推关系式和缩小搜索范围两方面,给出了快速算法。在数学形态学Top-Hat变换对原始红外图像进行背景抑制的基础上,利用本文提出的改进算法在含有噪声的背景抑制图中分割出候选的目标点,并和其他目标分割方法进行比较,实验结果证明了这种方法的抗干扰性更好、时效性更高。

基于直方图非线性拉伸的红外图像增强新算法

由于受物体导热特性及环境的影响和红外热像系统的限制,红外图像普遍对比度低、边缘不够清晰,其中最典型的是图像的直方图分布过于集中,针对这一问题将图像压扩量化中的纵向非均匀分层思想延伸为图像直方图灰度轴的横向非均匀拉伸,提出了一种基于直方图分布特性的非线性拉伸增强算法。在此基础上,将直方图非线性拉伸与线性拉伸进行了试验对比。