基于软阈值函数的深度学习磁信号去噪算法

针对采用固定阈值函数的深度学习信号处理方法在处理实测磁信号时学习特征的能力差、去噪效果差的问题,提出基于自适应参数软阈值函数(APSTF)的去噪算法。该算法将软阈值函数作为激活函数引入神经网络框架,用于剔除特征图中的噪声特征,增强神经网络的学习能力,从而实现信号处理效果的提高;将U-Net网络中的ReLU激活函数替换为自适应参数软阈值函数,增强了实测噪声下神经网络的学习能力,显著的提高了去噪后磁信号的信噪比。区别于以往采用传统软阈值函数的去噪算法,利用ECA模块来自适应选取阈值,取消了对噪声分布已知的假设前提,能更好地适应实测噪声并将其去除。

自适应收缩函数的Contourlet变换图像去噪方法

针对传统图像在去噪过程中存在丢失细节且去噪效果不理想的情况,提出一种自适应收缩函数的Contourlet变换图像去噪方法。该方法利用Contourlet变换的基本形式,结合软阈值和硬阈值收缩函数的优点定义自适应收缩函数,并将其应用于图像去噪。实验结果表明,所提出的方法能有效消除噪点,图像的峰值信噪比及增强因子等图像质量指标有明显地提高,去噪后图像的视觉效果良好。

红外含噪图像自适应增强

通常的红外含噪图像增强方法很难有效滤除图像中噪声。提出一种新的红外含噪图像自适应增强算法以克服边缘增强和抑制噪声的矛盾。首先采用尖锐频率局部化Contourlet变换完成图像分解;然后采用分层自适应阈值算法估计降噪阈值,并进行自适应降噪;最后对降噪后高频带通信号引入图像清晰度参数,设计半软阈值增强函数,实现红外含噪图像自适应增强。实验结果验证了新方法的有效性。

采用TCN-HS的滚动轴承剩余使用寿命预测

滚动轴承作为旋转机械中的关键部件,对其剩余使用寿命RUL(remained useful life)的准确预测可以帮助维修人员及时制定维修计划,延长设备工作时间,保证安全。由于利用数学建模精确建立轴承退化过程的模型涉及到复杂的物理过程,所以以深度学习为基础的基于数据驱动的方法已经成为主流方法。提出了一种融合混合膨胀卷积与自适应斜率软阈值函数的时间卷积神经网络TCN-HS(temporal convolutional network with hybrid dilated convolution and self-adaptive slope thresholding)用于滚动轴承寿命预测。模型使用混合膨胀卷积HDC(hybrid dilated convolution)解决了栅格效应问题,并利用自适应斜率软阈值函数(self-adaptive slope thresholding)进一步筛选特征。为了验证TCN-HS模型的有效性,基于PHM2012轴承数据集进行了实验,结果表明:改进方法提升了模型的性能,预测结果准确。

最优阈值系数和经验模式分解的语音增强

针对传统的软阈值噪声处理技术在信噪比高的情况下会产生固定幅度偏差的情况,提出最优阈值系数的语音增强算法。在经验模式分解的基础上,由输入信号的信噪比自适应地决定最优阈值系数,对每一层固有模态函数分量进行分帧,大于阈值的语音主导帧几乎保持不变,小于阈值的噪声主导帧则实施最优阈值系数去噪,最后合成得到增强的语音信号。仿真实验表明,改进算法得到的信号在分帧信噪比方面可提高3.01d B,感知语音质量评估得分则提升0.42。

改进的深度残差收缩网络轴承故障诊断方法

针对深度残差收缩网络(deep residual shrinkage network,DRSN)在降噪过程中引起的信号失真问题,提出了一种改进的深度残差收缩网络(improved deep residual shrinkage network,IDRSN)并将其应用于滚动轴承的故障诊断中。首先,引入一种改进的半软阈值函数(improved semi-soft threshold function,ISSTF)用于解决恒等偏差的问题并消除软阈值函数引起的信号失真。然后,设计了半软阈值模块(semi-soft threshold block,SSTB)和自适应斜率模块(adaptive slope block,ASB)构建改进的残差收缩单元(improved residual shrinkage building unit,IRSBU),用于自适应设置最优阈值并进一步修正输出。最后,将所提方法应用于两种不同工况的滚动轴承故障诊断中。研究结果表明,与现有方法相比,所提方法的分类准确率和鲁棒性更高,对于变转速工况下的故障诊断更为有效。

量子衍生图像变换与阈值去噪算法研究

为了充分利用图像信息,同时有效地去除图像中的高斯噪声与泊松噪声,提出一种基于薛定谔方程的量子衍生图像变换与阈值去噪算法。将图像看作离散薛定谔方程中的势场,求解定态薛定谔方程,得到的特征函数构成了自适应基。将图像投影到自适应基上,由于噪声主要由高能量对应的高阶特征函数表示,所以采用软阈值函数对投影系数在能量上进行阈值处理,实现去噪。为了减弱量子系统存在的安德森局域化现象对去噪的影响,采用高斯滤波器对图像进行预处理。实验结果验证了所提算法在高斯噪声和泊松噪声场景中均具有良好的去噪效果。

基于平衡正交多小波的MR图像去噪算法研究

磁共振图像中的噪声分布的特殊性不仅大大降低了图像的质量,影响医学诊断,而且为噪声的去除提出了更高的要求。平衡正交多小波同时满足正交性和对称性,不仅具有比单小波分解更加精确、去噪效果更好的特点,同时避免了普通多小波分解过程中的预处理过程。文中对磁共振图像进行平衡正交多小波分解后,采用了一种自适应性更高的阈值确定函数与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明:该方法优于97提升小波及ghm多小波方法,去噪效果进一步提高。