白车身外观件轮廓激光信号处理技术的装配防错检测方案

基于实际生产线应用场景需求的深入技术分析,及现场一系列实施过程,针对低辨识度多产品柔性生产的白车身外覆盖件,探索出一种装配防错检测方案。该技术方案基于外观件轮廓激光信号处理技术的车身工厂装配线防错系统,在行业内具有一定的推广借鉴意义。

激光多普勒信号处理中小波分析的应用研究

文章提出了一种通过小波变换的方式,对激光多普勒信号进行处理,以消除人体激光多普勒信号噪声。首先对小波转换的原理以及特点进行分析,然后分析小波分析在激光多普勒消噪处理中的应用,其次通过激光多普勒信号消噪仿真实验,并对仿真结果进行小波分析,验证小波变换消噪效果,供有关人员参考。

改进小波变换在激光雷达回波分解中的应用

全波形激光雷达是一种新兴的三维测绘系统,它可以快速直接地获取复杂地物的垂直方向结构,并最终达到测距与成像的目的。对于该系统而言,回波信号的拟合分解是后期数据处理的关键步骤。通过对叠加后的波形进行拟合分解,从而反演出原始的形貌特征,可以说波形分解的准确度直接关系着全波形激光雷达的探测精度。而对原始回波信号的去噪处理,是波形分解的第一步,同时也是影响拟合优度的重要因素。在各种去噪方法中,小波变换因其良好的时频局部化特性,非常适合这种非平稳信号的处理。结果表明,通过改变小波变换的阈值函数,并将其应用到全波形信号的分解中,可以提高拟合的准确度。

基于EMD及FRFT的激光回波去噪算法

去噪是激光回波处理的重要一环,好的去噪算法可以有效地去除噪声带来的影响,保留有效信号,减少失真。经验模式分解以信号的局部特征时间尺度为依据,将时域信号分解为若干个不同频带尺度的时域信号分量,传统的去噪实现一般是直接舍弃高频分量。然而,由于在某些高频分量中,存在着有效信号和噪声的混叠,如果直接舍弃,会导致有效信号的损失。由此考虑并提出了一种基于经验模式分解及分数阶傅里叶变换的激光雷达回波去噪算法,用分数阶傅里叶变换处理特定的本征模态函数,以此来提高去噪的有效性及准确性。

基于贝叶斯因子分析模型的激光回波信号增强方法

激光回波易被噪声污染,被干扰或遮挡时会出现数据缺失。针对该问题,提出一种基于贝叶斯因子分析(Bayesian factor analysis, BFA)模型的激光回波信号增强算法。首先利用因子分析(factor analysis, FA)模型对激光回波进行建模,从而将信号增强问题转换为对模型参数的求解问题;然后将自动相关确定(automatic relevance determination, ARD)理论引入FA模型,实现对因子个数的自适应寻优;最后采用变分贝叶斯期望最大(variational Bayes expectation maximization, VBEM)算法对模型参数进行迭代更新,在贝叶斯后验概率最大准则下实现激光回波的噪声抑制和缺失样本恢复。基于实测数据开展试验,在低信噪比和数据随机缺失情况下,所提方法能够获得较好的噪声抑制性能和较高的缺失样本恢复性能,从而保证后续信号处理能够准确采集到回波中的高价值信息。