基于DK-SVD的深度学习电阻抗块稀疏成像方法研究

针对电阻抗层析成像逆问题的病态性和非线性,提出一种基于DK-SVD的电阻抗块稀疏图像重建方法。该算法通过多层感知器为每组测量数据提供最优的模型参数,以适应数据集的多样性,进一步提高成像质量,并在稀疏编码阶段采用迭代收缩阈值算法加快收敛速度。仿真实验结果表明DK-SVD算法重建图像的结构相似性可达到0.95以上,误差可控制在0.1左右,平均重建速度为0.034 s,有效地提高了电阻抗层析成像的质量和效率,且经进一步实验证明了该算法具有良好的噪声鲁棒性和实际应用价值。

基于自适应动态粒子群优化的RAK-SVD方法

K均值奇异值分解(K-SVD)算法是一种行之有效的地震资料去噪方法,但由于其稀疏分解存在不确定性,需要引入正则项对其改进。为此,在常规粒子群算法的基础上,提出了一种自适应动态粒子群算法优化正则化参数的正则化近似K-SVD(RAK-SVD)去噪方法。首先通过修改字典原子和相关参数,解决了由于常规粒子群算法的惯性参数固定不变,导致后期搜索效率下降的问题;其次将正则化系数引入近似K-SVD(AK-SVD)方法,明显提升了去噪效果;最后利用自适应动态粒子群算法自动优选AK-SVD方法中的正则化参数,提高了稀疏分解的确定性,在对强反射信号进行去噪的同时加强了对弱信号的保护。模型测试和实际应用均表明,该方法有利于弱信号的提取和识别,不仅能够显著改善弱地震信号的去噪效果,还提升了计算效率。该方法具有一定的实际应用价值。

基于K-SVD算法的数字图像自适应修复方法

为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字典,求出其稀疏系数,结合字典和稀疏系数更新数字图像中的每一类图像块,完成数字图像中每一类图像块的修复或重构,将修复好的图像块放回原数字图像中,实现数字图像的自适应修复。实验结果表明,该方法能够有效地恢复图像的细节和结构,修复后的数字图像均方根误差低,并且具有较高的峰值信噪比,同时,修复后的数字图像与原图像的结构相似性高达0.95,且在数字图像修复效率方面具备显著优势。

基于视觉密码和DCT-SVD彩色图像水印技术

本文提出了一种基于视觉密码和DCT-SVD的彩色图像水印算法,通过视觉密码方案将彩色秘密水印图像拆分成3份与彩色秘密水印图像等大小的分享份图像,并利用待标记图像、水印图像和密钥生成验证信息和测试图像。由版权所有者提供水印图像和验证信息,密钥交由图像所有者保存。当要验证图像所有者的所有权时,会要求图像所有者提供密钥,结合密钥、测试图像和验证信息便可生成水印,若密钥正确,生成的水印可识别为原始水印。将其中一份分享份图像利用DCT-SVD水印算法嵌入到载体图像中并进行攻击测试,利用数字水印的提取算法将分享份图像从遭受常见攻击的载体图像中提取出来,与剩余分享份进行叠加恢复秘密水印图像。实验结果表明,水印具有良好的不可感知性和鲁棒性。

基于APSO-SSD-SVD的特高压换流站OLTC振动信号降噪方法

随着中国特高压交直流换流站的大规模投运,有载分接开关(on-load tap changer, OLTC)已成为特高压换流站中发生故障较多的设备之一。针对强背景噪声环境下特高压换流站OLTC故障特征难以提取的问题,提出一种基于自适应粒子群算法优化奇异谱分解和奇异值分解的方法。首先,利用自适应粒子群优化(adaptive particle swarm optimization, APSO)算法对奇异谱分解算法中的模态参数进行优化,选取最优分解模态数。其次,基于最大峭度准则选取最佳奇异谱分量。然后,确定最佳重构阶数,通过奇异值分解重构信号,从而达到信号降噪的目的。将所提方法应用于仿真信号和实验信号,结果表明所提方法的信噪比达到23.302,均方根误差仅为0.004,并且波形相似参数高达0.998,优于其他降噪方法。所提方法能够更有效地实现对特高压换流站OLTC振动信号的降噪,为辅助运维人员诊断OLTC状态提供参考。

基于ALIF-SVD的滚动轴承故障诊断

针对滚动轴承故障信号包含大量噪声信号和迭代滤波算法存在模态混叠等问题,提出一种自适应局部迭代滤波算法与奇异值分解算法相结合的滚动轴承故障诊断新方法。首先采用自适应局部迭代滤波算法对故障信号进行处理得到若干个内禀模态函数,计算出样本熵后设定阈值进行信号重构;然后进行奇异值分解,绘制差分谱曲线;最后根据差分谱中的突变位置进行二次重构,进一步完成降噪。本工作将该方法应用于凯斯西储大学的轴承数据进行验证,实验结果表明该方法解决了迭代滤波算法存在的模态混叠问题以及大量噪声信号冗余问题,体现了该方法在滚动轴承故障诊断中的有效性。

利用LMD-SVD方法进行GNSS坐标时间序列降噪

为降低噪声对GNSS坐标时间序列的影响、有效提取时间序列中的有用信息,在局部均值分解(LMD)降噪方法的基础上引入奇异值分解(SVD)方法,建立了LMD-SVD方法。首先通过LMD方法将时间序列分解为若干个乘积函数(PF)和余量,PF分量可反映时间序列的时频分布特性;然后通过连续均方根误差方法确定高频分量与低频分量的分界点;最后对经SVD方法降噪后的高频分量、低频分量和余量进行重构,得到最终降噪结果。利用5个GNSS测站U方向坐标时间序列对该方法进行验证。结果表明,相较于单一LMD方法,LMD-SVD方法结果的信噪比与相关系数分别提高了34.28%与17.11%,均方根误差降低了51.31%,降噪效果更好。

基于提升小波-SVD差分谱的煤机设备故障诊断

针对煤机设备微弱故障特征识别困难的问题,提出了提升小波和奇异值分解(SVD)差分谱融合特征提取策略。对煤机设备的振动信号做提升小波分解得到若干个细节信号,利用这些细节信号分别构建Hankel矩阵,并根据实践经验确定Hankel矩阵的行数和列数。利用SVD对每一个Hankel矩阵做正交化分解得到奇异值序列,使用SVD差分谱选择奇异值进行SVD重构,再利用Hilbert解调方法对重构后的信号进行解调,实现煤机设备故障特征的提取。对煤矿现场的电机振动信号进行分析,结果表明,该方法对煤机设备微弱故障特征提取具有良好的效果。

基于改进CEEMDAN-SVD的故障信号降噪研究

针对旋转机械结构复杂及振动信号强耦合所导致的噪声识别和提取特征困难的问题,提出了一种自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与改进阈值筛选SVD算法对复杂噪声作用下的旋转机械振动信号进行降噪处理,运用信噪比与短时傅里叶变换(Short Time Fourier Transform,STFT)、连续小波变换(Continuous Wavelet Transform,CWT)分析来验证所用方法的有效性。实验结果表明:结合改进CEEMDAN与改进阈值筛选SVD算法对旋转机械振动信号进行降噪的效果较好,能有效的保留旋转机械振动信号特征信息,为后续利用旋转机械振动信号进行旋转机械的故障诊断奠定基础。

K-SVD字典在航空伽马谱数据降噪中的应用研究

为降低航空伽马谱数据中的噪声,消除统计涨落对数据产生的影响,开展了K-SVD训练字典的降噪应用研究。根据稳定性测试所采集到的航空伽马谱数据,采用K-SVD训练字典进行了降噪实验,并将信噪比、皮尔森相关系数以及均方差等值作为降噪效果的评价指标,与NASVD以及S-G算法进行了降噪效果对比分析。实验结果表明,经过K-SVD字典降噪后的上下测窗谱数据与真值数据之间的相关系数分别达到了0.9983和0.9999,其整体降噪效果要优于NASVD与S-G算法。进一步利用不同降噪方法对实际测区数据进行处理,结果表明K-SVD算法能够有效滤除噪声并还原地质体特征。分析认为K-SVD算法能够有效降低统计涨落对原始波形带来的影响,在提升波形平滑性的同时使得数据的波峰波谷等特征得到较好的还原,在航空伽马谱数据处理中具有较好的降噪效果。

基于LMD-MFE-SVD的松动爆破降噪分析

为提高松动爆破振动信号分析精度,在局部均值分解(LMD)的基础上,建立一种基于局部均值分解(LMD)-多尺度模糊熵(MFE)-奇异值滤波(SVD)的混合去噪方法。使用LMD方法对松动爆破振动信号进行分解,获得一系列乘积分量(PF);通过计算MFE和相关系数,对爆破振动信号进行初步降噪;针对主要PF分量的残留噪声,使用SVD滤波进行降噪处理,提取真实信号成分。通过上述处理,最终实现松动爆破信号降噪。结果表明:提出的LMD-MFE-SVD降噪方法具有可行性和应用价值,能够对含噪的PF分量进行有效处理;对于含多信号成分、多噪声的仿真信号,LMD类算法相较EMD类改进算法降噪效率更高,信噪比(SNR)、均根方误差(RMSE)和失真百分比(PRD)指标表现显著提升,而相较LMD算法,提出的LMD-MFE-SVD算法降噪效率进一步提高,依次提升11.73%、22.07%和9.25%,降噪效率显著;根据实测松动爆破振动信号去噪后的波形和频谱对比,提出的LMD-MFE-SVD降噪后的信号波形更为集中,能保留多数信号信息,信号频谱图更为清晰,有效显示信号频率波峰,更利于松动爆破振动信号的特征分析。

基于峭度原则的VMD-SVD微型电机声音信号降噪方法

微型电机运转时的声音信号包含丰富的状态信息,可用于生产线上电机的快速检测,但由于待测电机体积小、声音能量低,采集过程中声音信号易与环境噪声耦合,导致声音信号提取和检测不准确。该文通过研究电机组成结构,分析声音信号频率成分与成因,得到该文研究电机的声音信号3倍频谐波特点,提出一种基于峭度原则的VMDSVD算法对电机声音信号进行提纯降噪,该算法采用VMD分段原理,对各分段信号进行SVD分解,提取谐波特征,利用峭度原则优化VMD参数选取。首先通过仿真信号对比实验,验证了该文算法具有更好的降噪效果和降噪性能指标。而后,将该方法应用于微型电机实测声音信号,测试结果表明提出的基于峭度原则VMD-SVD算法具有良好降噪效果,能够显著提高原始信号信噪比,更利于后续特征提取和故障检测工作。

基于DWT-DCT-SVD算法的数字音频水印性能评价分析

音频作品被非法篡改会导致作者利益受到侵害,因此音频水印嵌入提取算法的研究在数字产品版权保护中具有重要的研究价值。针对音频水印的特性及评价进行分析,分别基于离散小波变换、离散余弦变换以及DWT-DCT-SVD等算法,重点研究音频水印评价标准中透明性和鲁棒性问题。考虑相同音频及水印,针对不同的嵌入提取算法从透明性及鲁棒性两方面进行对比分析。结果表明,DWT-DCT-SVD算法在透明性及鲁棒性方面更具优势,为数字产品版权保护中音频水印算法的选择、应用及优化提供了重要的理论及应用依据。

基于DWT-SVD与迁移学习的水印检测模型

近年来,基于深度学习的空域水印检测已经取得较好进展,但对于变换域的检测效果还不太理想。针对此问题,本文提出一种基于DWT-SVD与迁移学习的水印检测模型。整个模型分为3个部分:在嵌入水印部分,首先对水印图像进行预处理,然后对载体图像进行三级小波变换和奇异值分解,最后完成水印嵌入;在迁移学习部分,将含水印图像和原始图像数据集放入改进后的VGG19-XVGG19神经网络模型进行迁移学习训练、特征提取、模型参数优化与检测模型构造;在水印检测部分,先利用模型对图像进行检测和预处理,如果检测结果存在水印,则利用DWT-SVD逆变换提取水印。实验结果表明本文算法在小波域上的水印检测耗时较短、准确率高。

基于MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究

针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)-奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障诊断方法。首先,以最大奇异值分辨率原则将一维振动信号构造成了Hankel矩阵,采用奇异值分解方法对Hankel矩阵进行了分解,得到了其奇异值序列,根据奇异值曲率谱理论选择有效奇异值,并进行了重构,得到了经降噪后的高信噪比信号,以重构信号构建了相空间矩阵,进行了二次奇异值分解,得到了其故障特征分量;然后,计算了故障特征分量的特征参数,构建了其特征向量;最后,采用了VPMCD分析了特征向量,完成了对交叉滚子轴承故障类型的识别,并与其它方法进行了识别准确率对比。研究结果表明:采用该方法对工业机器人交叉滚子轴承进行故障诊断,得到的故障类型识别准确率为98.66%,比SVD与共振解调相结合方法提高了9%;该方法通过构建最大奇异值分辨率矩阵提高了奇异值分辨率,可完整提取出工业机器人交叉滚子轴承振动信号的微弱故障特征分量,获得了更高的故障类型识别准确率。

基于STA/LTA改进的CEEMD-SVD微震信号降噪算法

针对煤矿井下工作环境复杂,采集到的微震信号包含大量噪声信号,严重影响对微震信号的拾取、定位和反演。采用互补集合经验模态分解(complementary set empirical mode decomposition, CEEMD)联合奇异值分解(singular value decomposition, SVD)与长短时窗法(STA/LTA)相结合的降噪算法。利用CEEMD分解微震信号,得到固有模态分量(inherent modal component, IMF),依据相关系数确定噪声主导的IMF和信号主导的IMF,通过STA/LTA去除CEEMD产生的伪分量。对噪声主导的分量进行SVD分解降噪后与信号主导的分量及剩余分量重构得到降噪后信号。加入模拟噪声信号与实际采集的微震信号进行仿真实验,结果表明本文算法在保证小剩余噪声干扰的情况下,可以节省计算时间。通过与经验模态分解(empirical mode decomposition, EMD)、聚合经验模态分解(ensemble empirical mode decomposition, EEMD)及新型自适应聚合经验模态分解(novel adaptive ensemble empirical mode decomposition, NAEEMD)降噪方法进行对比,依据信噪比、能量百分比及标准差三个评价指标进行定量计算,实验表明该方法具有更好的降噪效果。

基于VMD-SVD的拉曼分布式光纤测温系统降噪方法

针对分布式光纤测温系统,其产生的包含温度信息的后向拉曼散射信号极其微弱,因此极易被白噪声掩盖的问题。本文设计了一种基于VMD-SVD联合降噪算法,并提出通过对构造的仿真信号做降噪对比实验,以更优的降噪性能指标选取该算法的重要参数。实验表明,将该联合算法及EMD、VMD、EMD-SVD算法分别用于多组测试信号降噪时,VMD-SVD降噪算法相较于EMD算法有均有15 dB以上提升,相较于VMD算法有均有9 dB以上的提升,最后相较于EMD-SVD算法也均有1 dB以上提升,最后将上述算法应用于分布式光纤测温系统测量的多组后向拉曼散射信号降噪时,VMD-SVD降噪算法也能最有效的消除该信号的白噪声,为后续高质量测温奠定基础。

基于K-SVD和残差比的低信噪比图像稀疏表示去噪算法

针对低信噪比图像去噪问题,提出了一种基于K-SVD(Singular Value Decomposition)和残差比(Residual Ratio Iteration Termination)的正交匹配追踪(Orthogonal Matching Pursuit,OMP)图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换(Discrete cosine transform,DCT)框架产生的冗余字典训练成能够有效反映图像结构特征的超完备字典,以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件来实现图像的去噪。实验表明,该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪,以及基于DCT冗余字典的稀疏表示图像去噪,能够更加有效地滤除低信噪比图像中的高斯白噪声,保留原图像的有用信息。

基于K-SVD的医学图像特征提取和融合

医学图像融合能够综合两种不同模态图像的信息,从而帮助医生做出准确的诊断和治疗.利用稀疏表示进行图像的特征提取和融合.首先由原始图像组成联合矩阵,通过K-SVD算法得出这个联合矩阵的冗余字典并求出联合矩阵的稀疏编码;然后将稀疏系数作为图像特征,并采用最大化选择算法合并相对应图像块的稀疏编码;最后通过稀疏编码和冗余字典得到融合图像.与3种流行的融合算法比较,结果表明所提算法在无噪声和有噪声的情况下都具有很好的性能.

改进K-SVD算法在曲轴轴承AE信号的去噪研究

针对柴油机曲轴轴承声发射(Acoustic Emission,AE)信号中裂纹特征信息微弱,易与噪声混淆等问题,在K-SVD字典对信号稀疏的基础上,提出一种均值信号改进的K-SVD字典的滑动轴承AE信号去噪算法。重组均值信号和扩展到K-SVD信号矩阵中,在实现K-SVD稀疏AE信号矩阵的同时,稀疏提取均值信号的裂纹信号,利用K-SVD处理前、后的均值信号提取其中的本底信号,并采用模糊加权均值滤波器对本底信号进行去噪,去除与裂纹信号混淆的噪声,最后根据信号矩阵、稀疏的裂纹信号和去噪后的本底信号得到低信噪比的AE信号。试验结果表明,所提算法有效去除了AE信号中易与裂纹信号混淆的噪声,使故障特征更加明显,成功刻画了滑动轴承不同摩擦状态间的变化。