基于小波软阈值去噪和EMD的车辆声信号频谱分析

为了更准确细致地分析普通燃油车和纯电动汽车两类车辆在低速行驶时由动力装置产生的声信号特征,研究无噪声条件下的车辆声信号的频谱尤为重要。文中使用小波软阈值去噪方法对两类声信号进行去噪处理,通过经验模态分解,获得对应的固有模态分量,并对每一个固有模态分量进行快速傅里叶变换,以获得相应的频谱。研究结果表明,与去噪后的声信号的频谱成分相比,小波软阈值去噪后的声信号频谱成分清晰可见。通过频谱分析,确定了两种车型的声信号所包含的频率分量。该文对分析车辆声信号的频谱成分,提供了一种可行的方法。

基于小波去噪和反卷积的光声成像优化算法

光声成像因兼具光学成像高对比度和超声成像高分辨率的优点而成为一种被广泛关注的无损成像技术。针对时间反转光声成像过程中存在的噪声污染和脉冲响应影响问题,通过建立光声压数据采集模型,将光声压数据的小波软阈值去噪和反卷积计算相结合来去除光声压数据中的噪声和脉冲响应影响。反卷积计算时设定可调节参数,使计算结果随着光声压的傅里叶系数大小不同而调整,从而进一步提升重建光声图像的质量。仿真实验结果表明,改进的时间反转光声成像算法,能有效减少重建光声图像中的噪声和伪影,明显提高重建光声图像的可视效果。

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet transform,CWT)和奇异值分解(singular value decomposition,SVD)相结合的提升小波系数SVD辨识信号振荡频率和模式信息提取及信号去噪的新方法。克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率。同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和SVD分解后矩阵重构来进行信号去噪。CWT可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度。仿真算例验证了算法的有效性和适用性。

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰。利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值。在仿真环境中对去噪前后的电压骤降信号进行检测和比较。结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性。

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。

基于LWT-WEST的IGBT器件中1/f噪声检测方法研究

1/f噪声的产生与IGBT器件质量缺陷紧密相关,在检测IGBT单管噪声过程中,热噪声、散粒噪声在低频段表现明显的白噪声特性,通过在强白噪声背景下检测出1/f噪声,即可表征IGBT器件的性能。因此提出了一种基于提升小波变换的小波熵软阈值(Lifting Wavelet Transform-Wavelet Entropy Soft Threshold,LWT-WEST)的1/f噪声检测方法,创新性的将提升小波变换(LWT)与小波熵软阈值(WEST)去噪进行结合,利用提升方案得到的二代小波变换可以更为灵活的构造小波基,达到算法优势互补,实现1/f信号与背景噪声的分离。通过在不同信噪比下的大量实验可知,相较于较优的小波熵软阈值去噪算法检测的信号,基于LWT-WEST去噪算法检测其信噪比可提高3%~4%,而均方误差相应的可下降1%左右,改善了信号检测效果。

CO2气保焊电信号的平移不变量小波消噪

CO2气保焊的焊接过程中电信号含有大量随机非平稳噪声,消噪预处理是电信号后期分析的重要环节。常见的信号滤波方法有硬件滤波和软件滤波,其中小波阈值消噪方法在软件滤波中应用最为广泛,该方法能够很好的消除电信号中的噪声,但在信号不连续点处易产生伪吉布斯现象。提出利用一种平移不变量小波方法（Translation invariant de-noising,TID）对焊接电信号进行去噪处理,其通过对信号进行多次循环平移,再将平移后的信号进行软（硬）阈值小波消噪处理,然后将消噪后的重构信号进行反向逆平移,最后再对去噪结果进行平均,该方法可消除软阈值小波消噪产生的伪吉布斯（Pseudo-Gibbs）现象。结果表明相对于传统软阈值小波去噪法,该方法去噪后的信噪比更高,去噪后信号更加逼近于真实信号。该方法在熔化极气体保护焊电信号降噪处理方面具有广泛的前景,进一步扩展了小波方法在焊接中的应用。

基于MDL的病毒冷冻电镜图像边缘检测

信息技术在生物分子病毒微观研究上有着越来越多的应用。本文介绍了应用MDL小波软阈值去噪结合盲目反卷积来实现病毒原图像的恢复,以达到对比度提高的效果。首先简单介绍了小波软阈值去噪和盲目反卷积原理。然后结合这两种算法,有效的恢复了冷冻电镜病毒图像。实验表明用该算法得到的病毒恢复图像来做边缘检测,在同一些经典图像复原算法比较中,衬度上有明显的改善。

基于1D CNN-BiLSTM网络联合集成学习的心律失常智能诊断系统

为提高心律失常智能诊断的准确率,本研究提出了一种多网络融合模型和Stacking集成学习算法,用于八种心律失常疾病的智能诊断。使用1D CNN-BiLSTM融合网络提取单导联信号的高维特征和时域相关性特征,将十二个导联的心电信号特征融合,得到高维的特征张量,采用Stacking集成学习算法训练得到泛化性更好的诊断模型。通过比较准确性、精确性、召回率、F1-Score四个诊断性能指标,验证了利用十二导联融合特征作为最终诊断特征,准确率有显著提升,且Stacking集成学习算法较单一机器学习算法有更好的性能。本研究通过将机器学习、神经网络、集成学习算法有效结合,训练得到的心律失常智能诊断模型有较高的准确率,为基于心电信号的心律失常智能诊断提供了一种新方法。

基于激光吸收光谱技术天然气管道泄漏定量遥测方法的研究

报道了基于激光吸收光谱学原理的天然气管道泄漏移动遥测技术,通过模拟天然气泄漏实验,分析了移动遥测的关键技术问题.为了定量遥测天然气管道微量泄漏,引入一个和剩余幅度调制(RAM)等值反相的信号对偏差进行补偿,降低RAM对谐波信号的影响,提高系统检测灵敏度.针对遥测回波吸收光谱特征,提出了改进软阈值小波去噪法,就提高系统信噪比而言,比传统软阈值去噪法高2倍多,同时对二次谐波(2f)信号形状也有很好的保留,通过探测限计算,系统移动遥测灵敏度达到80 ppm/m.