基于改进维纳滤波的自适应电力线通信降噪方法

针对电力载波通信过程中被传输信号受因负荷波动变化导致产生的噪声,且负荷噪声占比明显,进而影响通信质量的情况,文章提出一种基于改进维纳滤波的自适应电力通信降噪方法。该方法首先根据负荷波动规律,利用维纳滤波最小均方误差准则,求取最佳线性滤波器参数,即滤波器的输出信号与期望信号之差的均方值最小;再利用上一时间序列得到的信号,求取此刻滤波器得到信号梯度;最后将梯度值作为维纳滤波的阈值,作为下一期望信号的百分比,从而得到误差最小的真实信号。实验结果表明:文章改进滤波算法得到的信号准确率相对原始信号平均提高了28.3%。

基于多窗谱估计的改进维纳滤波语音增强

为减少维纳滤波在语音增强中残留的"音乐噪声",将多窗谱估计和改进的维纳滤波方法结合,并进行语音合成。设计了基于多窗谱估计的改进维纳滤波语音增强方法,该方法采用多窗谱估计噪声功率谱,改进维纳滤波降噪得到增强语音,以及重叠相加语音合成,并给出仿真对比验证。结果表明,基于多窗谱估计的改进维纳滤波方法在抑制噪声,减少音乐噪声方面优于基于维纳滤波的增强算法和基于多窗谱估计的改进谱减法的增强算法。

改进循环维纳滤波器算法的滚动轴承复合故障诊断

现有的滚动轴承故障诊断方法大多针对单一故障有效,滚动轴承复合故障诊断是一热点,也是一难点.传统的循环维纳滤波器将故障信号本身作为期望输出,对滚动轴承单一故障诊断有效,但对滚动轴承复合故障诊断不再适用.提出基于改进循环维纳滤波的滚动轴承复合故障诊断方法,用滚动轴承单一故障仿真信号作为期望输出.通过仿真验证所述方法的有效性,再通过滚动轴承复合故障(内圈、外圈和滚动体复合故障)验证所述方法在滚动轴承实际复合故障诊断中的可行性,同时,验证了所述方法相对于传统循环维纳滤波的优越性.

基于改进ARIMA的新能源发电短期动态调度模型

针对地区电网因运行方式变更导致新能源上网通道受限,而采取等比例限电方法造成新能源利用率较低的问题,文章提出一种基于改进ARIMA算法的新能源电厂上网负荷短期动态调度模型。该模型首先根据光伏发电的不连续性、风力新能源发电的季节性、随机性、间歇性等特点,利用改进的维纳滤波算法通过自适应阈值变化从历史负荷中提取有效的负荷规律;再利用伊藤过程和乘积方法对ARIMA进行改进,即通过改进时序的方法提高新能源负荷不连续时的准确性;最后通过ADMM对新能源电厂上网负荷进行动态调度。实验结果表明:文章的方法预测光伏准确率相比于ARIMA、LSTM平均提高了29.1%、22%,风电预测准确率提高了17.3%、5.6%;新能源利用率相比于传统方法提高了10%。

基于维纳滤波和综合评价因子的遥感图像复原

在光学遥感相机成像过程中,会有诸多因素导致遥感图像的退化。维纳滤波是一种应用广泛的光学遥感图像复原方法。为了克服传统的维纳滤波方法中功率谱难以计算的问题,提出了一种基于改进维纳滤波和综合评价因子的遥感图像半盲复原算法。该算法采用维纳滤波进行退化图像的复原,并采用直线运动方法估算图像的退化函数。维纳滤波所需的功率谱比采用迭代方法计算,而迭代的依据为综合评价因子。该评价因子集成了标准差、对比度和空间频率三种无参考质量评价方法。为了进一步提高遥感图像质量,采用BM3D方法对维纳滤波复原后的图像进行二次降噪处理。实验表明,基于改进维纳滤波和综合评价因子的遥感图像复原算法能够取得良好的光学遥感图像复原的效果,而且处理时间能够控制在可接受的范围内。

一种基于椒盐噪声新型组合滤波算法仿真研究

提出了一种新型组合滤波算法。该算法首先在噪声方差估计、滤波模板类型和尺寸大小等方面对自适应维纳滤波进行改进,对图像噪声进行预处理;其次将预处理后的图像进行二维多尺度小波分解,由于低频子图像基本不受噪声污染,故不作处理;然后对开关中值滤波分别从噪声检测、噪声分类、噪声滤波等方面进行改进,并给出具体实现步骤,用于小波域高频子图像滤波;最后将滤波后高频子图像和低频子图像进行小波系数重构。实验结果表明,两类改进滤波算法在滤波性能上均优于原始算法,在抗噪性和细节保持等方面具有一定优势。

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。

低信噪比环境下的麦克风阵列语音识别算法研究

针对在低信噪比环境下语音增强对语音识别率的提升不明显的问题,提出一种用在识别系统前端的麦克风阵列增强算法。该阵列增强算法基于相干滤波和频率带宽波束形成后置改进维纳滤波器。首先将采集到的阵列信号,求相邻通道间的相关函数,利用阵元间信号的相关性进行初始噪声抑制,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信息的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,再通过改进的维纳滤波器去除噪声残留提升语音可懂度,最后用梅尔频率倒谱系数(MFCC)和隐马尔科夫模型(HMM)对增强后的语音信号做特征提取并识别。仿真过程模仿双耳采集数据,结果表明该语音增强方法在低信噪比环境下获得较好的增强效果,能有效的提高低信噪比环境下的语音识别率。

低信噪比环境下语音识别的鲁棒性方法研究

针对噪声环境下语音识别率急剧下降的问题,提出了一种基于语音时频域稀疏性原理的改进最小方差无畸变响应波束形成与改进维纳滤波结合的算法。该算法首先利用麦克风阵列语音信号的空间信息,通过基于时频掩蔽的改进最小方差无畸变响应波束形成器,增强目标声源方向的语音信号,抑制其他方向噪声的干扰,然后再使用改进的维纳滤波器去除残留噪声并提高语音可懂度,对增强后的语音信号提取梅尔频率倒谱系数作为特征参数,使用隐马尔可夫模型搭建语音识别系统。实验结果表明,该方法能够有效提高低信噪比环境下的语音识别率,具有较好的鲁棒性。

双微阵列语音增强算法在说话人识别中的应用

针对复杂噪声环境下识别性能显著降低的问题,提出一种用于说话人识别系统前端的双微阵列语音增强算法。该算法采用的是相干滤波和频域宽带最小方差无畸变响应波束形成器后置结合改进的维纳滤波器。其基本原理是首先求出双微麦克风阵列信号中两个相邻通道间的相干函数,再利用通道间信号的相干性来进行初始噪声抑制。其次,通过一个频域宽带最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)波束形成器保留目标声源方向的信号并抑制其他方向的信号干扰,再通过改进的维纳滤波器去除噪声残留提升语音质量。最后,使用梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)和伽马通滤波器组频率倒谱系数(Gammatone Filter-bank Frequency Cepstral Coefficients,GFCC)对增强后的语音信号做特征参数提取并进行说话人识别。仿真过程采用声学人工头模拟双耳采集数据,实验结果表明,该语音增强算法在复杂噪声环境下能够获得较好的增强效果,能有效提升说话人识别系统的识别率。

数字图像复原技术中运动模糊图像相关问题研究

随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一,运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程;建立运动模糊退化模型;用维纳滤波复原方法对模糊图像进行复原;根据维纳滤波运动模糊图像复原方法中的不足之处,引入介绍了一种新的方法,降低了原有算法的复杂度,改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进,其他复原方法有待我们进一步研究。