自适应广义形态滤波方法在介损在线监测数据处理中的应用研究

该文基于数学形态学的基本形态变换及其组合形式,提出了一种采用不同结构元素级联而成的广义形态滤波器,将其应用于介损在线监测数据处理,以保证进一步分析诊断的准确性。考虑到广义形态滤波器仍存在统计偏倚现象,造成开一闭滤波器的输出幅值偏小,而闭一开滤波器的输出幅值偏大的问题,结合了自适应方法实现形态开、闭自适应加权组合滤波以保证输出的准确性。仿真分析和现场处理结果表明,广义形态滤波对于数据中存在的各种加性白噪声和正负脉冲性噪声有较好的抑制作用,能有效地还原数据的基本变化规律,同时采用自适应组合形态滤波的效果要优于单一形态滤波方法和其它非形态滤波方法。

ITD和自适应广义形态滤波的特征提取方法

针对滚动轴承早期微弱故障特征难以从强噪声背景中分离的问题,提出了一种本征时间尺度分解(ITD)和自适应广义形态滤波的特征提取方法。将故障信号进行ITD分解成若干固有旋转(PR)分量;利用峭度准则选取若干PR分量进行重构,对重构后的信号通过自适应广义形态滤波进行降噪处理;对降噪后的信号进行Hilbert包络谱分析。通过对滚动轴承内外圈进行实验分析,验证了方法的有效性。

基于组合形态滤波与自适应广义形态滤波的ECG去噪算法

针对ECG信号中存在的基线漂移和高频干扰,提出了一种传统线性组合形态滤波与自适应广义形态滤波相结合的新的去噪算法。该算法首先采用传统线性组合形态滤波器滤除基线漂移,然后将无基漂的信号送入采用不同结构元素级联而成的自适应广义形态滤波器滤除高频干扰,最后得到无噪声的ECG信号。结果验证了本文算法的有效性。

基于图像二维熵的自适应形态学滤波方法

为了在滤除噪声的同时保持图像的细节信息,结合已有的形态学滤波方法,提出了一种新的自适应滤波方法.综合图像灰度分布的聚集特征和空间特征,构造图像二维熵,结合形态学运算,合理设置滤波算法流程,通过连续改变结构算子的大小,观察图像二维熵的变化,合理设置滤波终止条件,通过对椒盐噪声图像的滤波测试,取得了理想的滤波效果.重点阐述了二维熵的构造方法和自适应滤波的流程设计.

自适应广义形态滤波和GG聚类在轴承故障识别中的应用研究

针对复杂工况下滚动轴承受机械噪声等因素影响轴承故障类型区分难的问题,提出了一种基于自适应广义形态滤波和GG聚类的轴承故障诊断方法。采用自适应广义形态滤波对轴承振动信号进行降噪处理,对降噪后的信号进行变模式分解,去除虚假分量和噪声分量,最后对去噪后故障特征较多的信号分量求解近似熵,作为特征向量输入GG聚类分类器中,达到故障分类。仿真实验结果证明该方法能有效提取信号特征信息,准确识别故障类型。

强噪声背景下红外弱小目标的快速检测方法

提出了一种强噪声背景下弱小目标的快速检测方法,解决了在此背景下存在厚云层和大运动杂波的问题。在分析了强噪声背景图像之后,提出了采用矩形结构元的形态滤波算子进行背景抑制,对处理后的图像进行双门滤波,实验结果令人满意,易于硬件实现。

基于ASEGMF的旋转机械振动信号降噪方法研究

针对实测振动信号易受噪声污染而淹没有用信息的问题,提出一种基于自适应结构元素广义形态滤波(ASEGMF)方法对旋转机械振动信号进行降噪处理。首先,根据待分析信号的性质,选择正弦形结构元素,并定义了结构元素的长度尺度和高度尺度。其次,根据信号局部峰值特征,定义了峰值间隔和峰值高度,结合自适应方法得到了正弦结构元素的长度尺度和高度尺度。最后,采用一小一大自适应结构元素级联而成的广义形态滤波器对振动信号进行降噪处理。该方法克服了以往形态滤波器结构元素尺寸选择的随机性,完全根据信号局部峰值特征自适应地确定结构元素,消除了人为因素的影响。仿真和实例分析结果表明,自适应结构元素广义形态滤波具有更强的降噪性能,非常适合旋转机械故障的在线监测和诊断。

图象中的噪声及复原方法研究

文章主要阐述了噪声图象的复原方法,介绍了图象中噪声的产生及与图象信号相关的噪声的分类,并分别讨论了用于图象复原的均值滤波、中值滤波、自适应维纳滤波、形态学滤波和小波去噪的工作原理和适用性。

基于能量增强和形态学滤波的车标定位方法

根据车标在垂直方向上能量高且集中的特点,提出了一种新的快速且鲁棒性较高的车标定位方法。先通过能量增强和自适应形态学滤波进行图像过滤,进而通过自适应阈值分割出车标候选区域,然后根据车标特征及其与车辆的相互关系进行了车标精确定位。大量实验表明,晴朗天气下,定位准确率在94.5%左右,天气较差时定位准确率在89.2%左右,定位时间为120～150ms。

多用户源头无线传感网络不完整数据挖掘算法

针对无线传感网络多用户源头数据受噪声影响,导致数据缺失的问题,为了提高数据的完整性,提出多用户源头无线传感网络不完整数据挖掘算法。采用组合广义形态滤波方法对多用户源头无线传感网络数据展开去噪处理,避免噪声数据影响数据填补结果;采用集成学习方法对数据进行深度挖掘,将挖掘出的数据展开分类处理;利用低秩矩阵填充理论对分类后的数据展开首次填补,在此基础上引入曲线相似分类对缺失数据进行二次填补,完成多用户源头无线传感网络数据的完整挖掘。仿真结果表明,所提方法在不同数据集中获得的均方根误差低于0.164%,信噪比高于41.8dB,补全后的数据平均绝对误差为0.023%、平均百分比误差为3.5%、均方根误差为0.021%。因此,所提方法具有较好的去噪效果和较高的数据填补性能。

利用数学形态学滤波方法压制多次波

传统的基于波动方程的多次波处理流程分为预测多次波模型和自适应匹配相减两步,但是在多次波能量和有效波能量交叉时难以取得很好的效果.本文引入数学形态学滤波的方法解决这个问题.在获取了较高精度的多次波预测模型后,通过取极值法和相关法获取多次波同向轴形态,并用数学形态学滤波方法在原始地震数据上提取并分离多次波.数学形态学滤波是一种非线性滤波方法,其计算在时域内完成,具有较快的运算速度和良好的并行性.同其他滤波方法相比,在多次波同向轴和有效波同向轴相交时,可以取得较好效果.本文介绍了形态学滤波的基本原理,并通过简单模型、Pluto数据和实际数据的测试,验证了方法的有效性.

基于单点激光检测的枪弹弹头快速匹配系统

枪弹弹头膛线痕迹具有不易破坏、难以伪装、唯一性和鉴定价值高等特点,其对于枪支批量建档、确定作案枪支等均具有十分重要的意义。针对基于显微镜检测、分段照相的传统弹头膛线痕迹匹配方法存在耗时长、效率低、受主观因素影响大,无法进行量化分析的缺点,设计一种基于单点激光检测的枪弹弹头快速匹配系统。该系统对弹头进行圆心位置和圆柱轴线的自适应调整,利用激光位移传感器对枪弹弹头表面膛线痕迹沿圆周方向进行360°环绕检测,多次检测数据叠加并利用广义形态滤波将检测数据进行降噪处理后,再利用皮尔逊相关系数进行痕迹相似度匹配计算,实现弹头痕迹快速匹配。实验结果表明,弹头快速匹配系统具有检测精度高、匹配速度快、对弹头表面纹理无破坏等优点,既可用于弹头之间的一对一数据匹配,也可用于一对多数据匹配,可以有效应用于枪支批量建档和确定作案枪支的作业中。

基于AGMF和改进灰色关联度分析的柴油机故障诊断

针对柴油机实测振动信号易受噪声污染而淹没有用信息的问题,设计一种自适应广义形态滤波器(AGMF),通过梯度法自适应调权值,使降噪效果达到最优。提出改进的灰色关联度分析方法进行故障诊断。实验发现,经过形态滤波降噪后的振动信号,效果较好,提取时域频域的特征值作为特征向量进行故障判别,运用改进的灰色关联度分析方法能够准确的判断故障模式,从而验证所提方法的有效性。

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测,只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘,检测性能具有局限性的问题,提出一种模糊图像的不连续边缘智能检测改进算法.首先通过广义交叉验证准则获取图像噪声方差估计值,对图像中高斯噪声进行判别,使用自适应模糊滤波器对含噪图像进行模糊滤波处理;然后采用改进模糊图像边缘检测算法,按图像含噪情形制定边缘检测策略,获取模糊图像边缘;最后通过灰度形态学的模糊图像不连续边缘检测算法,对模糊图像边缘受灰度值不均匀变化形成的膨胀、腐蚀、形态学梯度型不连续边缘进行检测.实验结果表明,该算法抗噪性较高,模糊图像不连续边缘检测的结果更清晰、完整。

广西电气设备介损在线监测系统改造与介损在线数据分析的研究

为了解决广西电网内多个介损在线监测系统不兼容的问题,采用改进的网络拓扑、新的数据库同步软件、统一的数据库表设计等措施,对介损在线监测系统进行改造,改造方案采用了自适应广义形态学滤波技术,对在线监测数据变化趋势进行分析。实验结果证明,改造后的在线监测系统能够将原有多个不兼容系统集中于同一平台,并具有数据功能,能够提供有效的数据。

基于背包LiDAR点云多尺度渐进DTM构建方法

针对传统滤波方法对于背包点云数据在地形陡峭、植被覆盖广的复杂地区的滤波精度较低的问题,提出一种基于背包LiDAR点云多尺度渐进数字地面模型(DTM)构建方法。首先,利用最小二乘法由地面种子点拟合出DTM曲面,并构建出渐进式DTM;然后,通过多尺度形态学开运算进行地物点探测;最后,通过设定自适应滤波阈值函数实现地面点的提取。选取4组位于复杂地形区域的背包LiDAR点云数据进行实验分析,本文方法得到的平均总误差为7.88%;与3种传统的滤波算法(LAStools、MCC和CSF)进行滤波对比分析,本文方法在4个实验区域内的总误差均明显低于以上3种方法的滤波总误差。此外,本文方法不需要设置复杂的参数,能够根据地形的变化自适应地调整滤波阈值,具有较强的鲁棒性。

An adaptive time-frequency filtering method for nonstationary signals based on the generalized S-transform

Aiming at the serious interference of the cross term existing in the time-frequency(TF) filtering method,an adaptive TF filtering method for nonstationary signals based on the generalized S-transform is proposed.Firstly the time-frequency distribution spectrum of the signal is got by the generalized S-transform,then the clustered energy of the signal on the timefrequency plane is identified by the TF region extraction algorithm,thirdly the TF filtering factor is constructed based on the distribution characteristic of the effective signal and noise,and finally the random noise is removed from the original signal and the effective signal is remained.Simulation results demonstrate that this method has satisfactory performance in denoising and improving the signal-to-noise ratio.