改进的小波域阈值滤波算法用于音频信号处理

在对音频信号进行去噪处理时,要应用具有时频转换分析能力的小波变换。在Donoho提出的小波域阈值算法的基础上,针对选取阈值时并未考虑分解尺度造成滤波效果差这一缺点,提出了一种基于分解尺度来确定阈值并根据相邻高频系数图的比较来确定最优分解尺度的改进算法。经过实际信号的仿真表明,改进后的算法可以有效地去除噪声干扰,在信噪比上也明显优于原算法。

改进小波阈值与优化BiLSTM组合的大坝变形预测方法

变形是反映大坝结构状态变化的重要指标。由于变形数据的非线性特点和其背后复杂的机理,提升变形的预测精度对大坝安全及结构控制具有重要意义。为此,基于融合建模理念提出了一种组合的大坝变形预测方法,该方法结合了改进小波阈值去噪与鹈鹕优化算法(POA)优化的双向长短期神经网络(BiLSTM)。首先,采用改进小波阈值去噪法对变形实测数据序列进行处理;其次,通过POA搜索最优超参数组合用于优化BiLSTM模型;最后,基于最优超参数下的BiLSTM模型进行大坝变形预测。工程实例表明,改进小波阈值法具有更好的去噪效果,POA-BiLSTM能够准确预测大坝变形。在最终测试集上平均MAE、MAPE、RMSE、R^(2)分别为0.244、0.041、0.301、0.906。相较于其他方法,表现出更高的预测准确性和稳健性,可为大坝变形监测提供参考。

基于改进小波阈值的自行火炮信号降噪方法研究

为有效滤除自行火炮柴油发动机振动信号中的噪声,提出基于改进小波阈值的振动信号降噪方法。运用改进的自适应噪声完备集成经验模态分解处理原始振动信号得到各个本征模态函数分量,通过多尺度排列熵检测分量的随机性,筛选出需要降噪的分量,使用改进的小波阈值降噪方法对筛选出的分量降噪,重构降噪后的分量与无需降噪的分量,获得所需的振动信号。同时,针对人工选取多尺度排列熵中各参数对计算结果影响较大的问题,提出一种改进麻雀搜索算法对多尺度排列熵中各参数进行寻优。分别通过仿真信号和实验室实测数据验证所提方法的可行性和有效性,结果表明:与小波阈值降噪、多小波相邻系数降噪和ICEEMDAN-MPE-小波阈值降噪方法相比,所提方法应用于仿真信号时信噪比分别提升5.989 4 dB、6.078 7 dB和1.565 3 dB;应用于实验室实测数据时,降噪误差比分别降低22.143 3、6.834 9和0.722 7,为自行火炮振动信号降噪提供一种新的思路。

一种小波域改进双边滤波的水果图像去噪算法

采用机器人实现水果的自动化精确采摘是现代水果采摘技术发展的基本趋势之一。但由于成像条件以及机器人自身电子电路等因素的影响,使得所获取的图像或多或少存在大量噪声。将小波变换与双边滤波算法有机结合,提出了一种针对水果图像中颗粒噪声的滤波算法。该算法首先对噪声图像实现小波分解,对于各高频子图像,给出了相似像素的基本定义并分别设计出尺寸为5的多方向的相似像素检测窗口;然后根据检测窗口中相似像素的个数与检测窗口全部像素点个数的比值大小,分别采用自适应双边滤波算法和改进加权中值滤波算法加以处理。最后实现小波系数重构。实验仿真结果表明,该滤波算法性能优于双边滤波算法以及小波域双边滤波算法,对于农产品视觉图像、基于流媒体技术设施现场采集的图像处理等领域也具有一定的参考价值。

NSCT域红外图像改进非局部均值滤波算法

结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF)。该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法 2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真。测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法。

优化变分参数与改进小波软阈值重构滤波算法

煤矿安全生产的关键是矿工,而情绪是影响矿工的重要因素,所以有必要对矿工的情绪进行识别。近年来,基于脑电的情绪识别受到了大量的关注,但由于脑电信号微弱,易受干扰,从而降低了情绪识别的精度。针对这一问题,提出优化变分参数与改进小波软阈值重构滤波算法。首先,利用乌燕鸥算法优化变分模态分解的参数,得到一组优化的变分模态分量。接着,通过相关系数差值比的判断条件来区分变分模态的有效分量和含噪分量。然后利用改进的小波软阈值对含噪分量进行分解和重构,得到去噪分量。最后,将去噪分量与有效分量重构,实现所提的滤波算法。结果表明:相比于VMD法、优化参数VMD和小波硬阈值法、优化参数VMD和小波软阈值法,所提滤波算法的信噪比平均提高了3.2847 dB,均方根误差平均降低了0.0695,滤波效果更优。

基于改进数字滤波和小波阈值的血栓弹力图仪信号处理

为提高血栓弹力图仪凝血功能状态检测效率,基于血栓弹力图仪采集的凝血强度信号,提出一种结合数字滤波算法与小波阈值去噪及Duffing系统的信号处理方法。方法针对血栓弹力图仪采集的凝血信号特点,在信号采集过程中因角度传感器的电机振动导致的噪声和干扰问题,采用改进数字滤波算法与小波软阈值去噪算法进行去噪处理;针对采集的凝血强度微弱信号,通过改进Duffing系统方程,以检测任意已知频率的微弱信号,实现了微弱信号的提取。仿真结果表明,所提方法可消除血栓弹力图仪采集的凝血强度信号中的随机噪声,检测到凝血强度微弱信号,且具有较高的灵敏度。相较于未处理的凝血强度信号,采用所提方法处理后的凝血强度信号更准确,可提高对凝血功能状态的检测效率。

基于卡尔曼滤波的小波去噪和IWOA-ELM的颈肩肌肉疲劳分类方法

针对采集的表面肌电信号噪声干扰多,以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题,本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法。首先,使用AnyBody建立颈肩骨骼肌肉生物力学模型,根据肌肉pH值和RPE劳累感知量表划分肌肉疲劳状态。采集6名健康青年人斜方肌上束疲劳状态下的表面肌电信号。然后,结合卡尔曼滤波和改进的小波阈值函数进行联合去噪,提取均方根、积分肌电值、平均功率频率、中值频率、瞬时平均频率、瞬时中值频率6个特征参数。最后,使用改进鲸鱼优化算法优化极限学习机的权值和阈值,建立IWOA-ELM颈肩肌肉疲劳分类模型。实验结果表明,联合去噪算法效果更佳,IWOA-ELM模型训练集准确率为96.3%,测试集准确率为97.5%,均方根误差为1.108,对于不同受试者分类模型准确率均高于95%,因此本文提出的联合去噪算法和IWOA-ELM模型在颈肩肌肉疲劳分类方面具有优势。

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。

基于多尺度梯度域引导滤波的弱光照图像增强技术

光照较弱会导致图像出现颜色失真以及部分图像细节消失等问题,提出了基于多尺度梯度域引导滤波的弱光照图像增强方法。对弱光照图像进行多尺度梯度域引导滤波图像增强和Gamma校正,将BIQME作为目标函数,将主观图像增强问题转换为最优解问题,采用改进鸡群算法对目标函数优化求解,获取图像增强所需要的最优多尺度梯度域引导滤波参数和色调平衡参数,最终达到弱光照图像增强的目的。实验测试结果表明,所提方法可以增强弱光照图像的同时,改善弱光照图像质量和提升图像处理速度,图像处理速度控制在0.85 s以内。

改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。

基于改进阈值小波算法的汽车轮速信号处理

在汽车制动过程中,轮速信号中的噪声对制动有着直接的影响,运用小波理论可以对轮速信号中的噪声进行去噪处理。噪声的幅值随着小波变换尺度的增加会逐渐减小,而信号的幅值与小波变换的尺度变化无关。在Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数量化法,该方法克服了硬阈值法不连续性和软阈值法有偏差的缺点,并把它们应用在汽车轮速信号的去噪上。新的阈值函数具有物理意义清晰、表达式简单等优点。实际信号处理结果表明,这种经改进的方法可以有效地去除噪声干扰,在信噪比指标上也明显优于常用的软、硬阈值去噪算法。

一种迭代小波域维纳滤波算法

在WienerChop算法的基础上，提出了一种改进的小波域维纳滤波器，在小波域采用基于贝叶斯估计的小波阈值去噪技术估计期望信号，提高估计的精度，并以此设计经验维纳滤波器；进一步适当选择多小波基，使每个基函数通过小波变换能够比其他小波基更好地捕捉信号的某些特定特征，从而实现WienerChop算法的迭代．仿真实验表明提出的迭代WienerChop算法有效地改善了去噪后图像的均方误差和信噪比，与BayesShrink算法和非迭代的WienerChop算法相比，迭代WienerChop方法去噪后图像的峰值信噪比增益分别达到0．78～1．00dB和0．36～0．49dB．

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。

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。Matlab仿真结果表明:去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。

变换域自适应滤波算法的研究

滤波技术在电子信息处理领域中一直占有极其重要的地位,其中对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一.介绍了时域LMS自适应滤波算法,然后在此基础上结合近年来国内外发表的相关文献,总结了变换域自适应滤波算法的研究现状,并分析了每种算法的性能特点,最后展望了变换域自适应滤波算法的前景.

基于小波滤波器的浮动阈值算法

在处理光照不均匀的图像分割时用常用的阈值分割方法不能得到良好的分割效果,通过分析图像特征及对小波分析理论的研究,提出采用小波滤波器将滤波以后的低通图像作为图像的浮动阈值进行二值化,获得了比较理想的效果。该算法在枪支在线OCR识别系统中得到实际应用。

小波尺度相关滤波及其改进算法在电火花声源信号处理中的应用

分析提取宽带电火花声源信号,受到船舶辐射噪声的严重干扰,在5 kHz以下的能量集中区信噪比低,且二者Lipschitz指数特性相近,传统基于相邻尺度相关的滤波算法抗干扰能力有限。根据宽带电火花声源信号不同频带所受干扰的不同,信噪比较高的小尺度高频小波系数,采用相邻尺度相关的滤波算法;信噪比较低的大尺度中低频小波系数,采用跨尺度相关的滤波算法,并对算法中阈值系数的选取方法进行修正。结果表明,该算法滤波效果良好,有效的提取了电火花声源信号,适合窄带强干扰背景噪声下的宽带水声信号处理。

一种基于改进阈值函数的小波域超声信号去噪方法

针对超声无损检测中超声信号受噪声污染、信噪比不高的情况,提出了一种新的基于改进阈值函数的小波域超声信号去噪方法。通过仿真实验,证明了该方法能够取得很好的去噪效果。相对于经典的阈值函数,改进的阈值函数在超声信号去噪中更具有优势。

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真。结果表明:改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。