基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,改善视电阻率曲线质量,具有较好的应用前景。

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。

基于多尺度语义分割的城区LiDAR点云滤波

针对传统点云滤波算法参数多、端到端的深度学习点云滤波算法计算成本高等问题,设计了一种基于多尺度语义分割网络的点云滤波算法(multi-scale semantic segmenta⁃tion network for point cloud filtering,MSSF)。首先,对点云进行栅格化并提取高程、强度等特征,得到多通道特征图;然后,基于多尺度跨层连接模块构建语义分割网络,以特征图为输入提取地面像素,映射到三维点云获取初始高程基准点,经过插值拟合得到地面高程基准面;最后,设置点到该基准面的距离阈值,实现点云滤波。实验结果表明:该算法减少了参数设置,获得了更高的精度,能实现城市区域的Li⁃DAR点云稳健滤波。

基于数学形态学的三端柔性直流系统仿真研究

柔性多端直流输电系统的成本低、供电可靠,应用灵活。文中主要分析了数学形态学基本原理,提出了多尺度形态滤波(MMF)算法,并将该算法应用在三端柔性直流系统仿真控制中,结果表明:多尺度形态滤波(MMF)算法时直流系统达到稳定状态需要的时间大约为0.1 s,电压稳步上升,对三端柔性直流系统进行控制时效果较好。

高频子带特征图像的人工智能配准仿真

在很多的应用领域上,都要求图像的配准精度达到亚像素级别。传统的SIFT算法是图像配准中用来描写局部特征较为精准、可拓展性较强的一种方法,但对于图像关键点特征向量描述有着冗杂,配准精度低等缺陷。为了进一步提高图像的配准精度,提出一种高频子带特征图像人工智能配准方法。提取高频子带图像特征点,处理高频子带图像滤波,将掺杂噪声与不含噪声的高频子带图像,采用图像像素点的灰度值、空间元素以及像素加权灰度密度这三个特征进行划分,完成图像去噪处理。根据去噪后的图像像素点提取出高频子带图像特征点,将提取的高频子带图像特征点进行粗配准。根据仿真结果表明,所提方法与传统的特征提取方法相比,有效的提高了配准精度,同时配准后的高频子带图像噪声滤除效果更佳。