基于改进EMD的GIS局部放电特高频信号降噪方法研究

特高频法检测GIS局部放电时往往受到不同类型的噪声干扰,天线采集到微弱的特高频信号容易被噪声淹没,导致局部放电检测不准确甚至检测系统在现场无法正常工作等问题。针对上述问题,提出一种基于改进EMD的GIS局部放电特高频信号降噪方法。该方法利用对偶树复小波(Dual-Tree Complex Wavelet Transform,DTCWT)对经验模态分解(Empirical Mode Decomposition,EMD)降噪法进行改进并对GIS局部放电特高频信号进行降噪。利用EMD法将含噪信号分解为一系列的固有模态函数(IMF)分量,然后利用联合分布模型进行每个IMF分量的DT-CWT降噪的小波系数估计,对每个IMF分量进行降噪。最后将降噪后的IMF分量进行信号重构得到降噪后的信号。GIS局部放电特高频信号降噪试验结果表明了该方法达到很好的噪声与非噪声信号的分离效果,拥有较高信噪比,以及能够保持早期局部放电特高频信号特征。

散斑干涉条纹图降噪技术比较研究

电子散斑干涉条纹图在形成的过程中引入大量的散斑噪声,有效地去除噪声是电子散斑干涉技术研究的重要课题之一。对电子散斑干涉条纹的降噪方法进行了比较研究,仿真结果表明,传统的空域降噪方式在滤除噪声的同时对图像造成了一定的模糊,降低了图像的对比度。只有在降噪的同时充分地考虑条纹的方向性和条纹密度,才能更好地保留条纹图的结构和对比度,并为下一步提取相位图进行测量奠定一个好的基础。

基于改进全变分的ESPI图像的降噪

图像的降噪是是各种图像信息提取和特征识别的前提。真实的电子散斑干涉条纹图中含有大量的噪声,对后续图像的相位提取造成了一定的影响。本文提出一种基于改进全变分(TV)的电子散斑干涉条纹图降噪方法。首先对图像进行小波分解,然后针对低频图像中含有原始图像绝大部分信息的特点,对小波分解后的图像进行TV降噪处理。实验表明,该方法可有效地去除电子散斑干涉条纹图中的大量噪声,图像的峰值信噪比有明显的提高,提高了散斑图像的降噪效率。

EMD算法和Hilbert算法混合的语音信号降噪和提取

针对语音信号降噪和提取算法存在降噪效果不佳等问题,已经无法满足现在社会的需求。本文提出一种基于改进EMD算法和Hilbert算法混合的语音信号降噪和提取方法,首先针对EMD算法在语音信号降噪可能破坏噪声特性的问题,利用全局阈值选择去噪的方法对其进行改进,然后引入Hil-bert算法将其与EMD算法融合,对语音信号进行降噪和提取。利用仿真实验可以发现:将EMD算法和Hilbert算法进行混合优化,和传统的小波变换语音信号降噪算法,不容易出现差错并且具有更好的降噪性能。

小波变换在干涉纹图噪声识别中的应用研究

为了解决InSAR干涉纹图在数据获取和处理中易受各种噪声干扰致使图像质量变差的问题,本文从干涉纹图的生成以及相位统计特征出发,分析了干涉纹图的噪声来源,研究了基于小波域的干涉纹图噪声识别方法。以两幅不含噪声的图像作为研究对象,对两幅图像分别施加加性噪声和乘性噪声,分析其小波系数的影响值以及小波分解后各个低频系数的能量比,结果表明:不同类型噪声模型对小波系数的影响不同,加性噪声主要影响图像的高频部分,而低频部分小波系数的能量变化较小;乘性噪声主要影响图像的低频部分,而高频部分小波系数的能量变化较小。最后得出了一种根据小波系数的能量变化识别干涉纹图中噪声类型的方法。

语音降噪方法的比较研究

例举五种语音降噪方法:经验模态分解法、自相关频域降噪法,基于gabor变换的时频域降噪法,以及经验模态分解——自相关联合降噪方法、gabor变换——自相关联合降噪法,并通过信噪比、互相关系数和主观评价等方法比较了五种语音降噪方法的特点和效果。结果表明:同单一方法相比,采用联合降噪方法可结合不同方法的优点,取得更好的降噪效果。

干涉仪合成孔径声纳原理样机的研制与试验

简要说明了干涉仪合成孔径声纳基本原理和信号处理过程：合成孔径成像、干涉图获取与处理和相位解卷。介绍了我国首台干涉仪合成孔径声纳原理样机研制的基本情况，给出了该样机水池及湖试试验结果。试验结果表明：干涉仪合成孔径声纳兼备合成孔径声纳高分辨率和干涉测深精度高的优点；设计的原理样机是成功的。

基于小波降噪与多项式拟合相位校正的干涉图处理方法

干涉图是傅里叶变换光谱仪测试的原始信号,理论上它是偶函数。在实际测量中,由于检测延时等因素会导致测量干涉图存在相位误差。此外,在光谱测量过程中必然还伴有噪声。干涉图中存在的相位误差和噪声会影响光谱的质量。本文提出了先采用小波对干涉图降噪,再用多项式拟合方法来校正干涉图的相位误差,然后由处理后的干涉图获得高质量光谱的方法。通过对酒精的近红外实验测试结果表明,该方法对于光谱的高质量估计有较好的效果,经过处理的干涉图计算得到的光谱在酒精的定量分析中获得了较好的分析结果。

基于分时散射目标的非城区地形PS-InSAR监测

永久散射体(PS)在非城区的分布密度通常难以满足PS-InSAR技术的地形监测需求,导致PS-InSAR监测误差较大,而非城区通常存在一定时段内的散射目标,即分时散射目标,为此,本文提出基于分时散射目标的改进PS-InSAR算法。首先采用通过边缘保持EMD算法对SAR影像干涉对进行降噪;然后以双层K-means聚类提取非城区的分时散射目标候选集,并通过可信概率提取可靠的分时散射目标;最后通过组内加权参数迭代和组间等权融合,计算监测区的地表形变。试验结果表明,提取的分时散射目标与同位置PS点具有相近的分布特性和变化趋势,较大地提高了非城区目标点的分布密度,提高了非城区地表形变监测的精度。