基于MI-EMD的激光引信回波信号去噪方法研究

为解决激光引信回波信号容易被噪声污染、信噪比低的问题,提出一种基于互信息经验模态分解的激光引信回波信号去噪方法。该方法融合了互信息相关性和经验模态分解自适应性的特点,对基于雷达原理建立的激光引信回波信号进行经验模态分解,通过互信息及相关阈值区分噪声模态和信号模态,提取出分解信号中的有用信号分量,并将其相关模态进行重构实现噪声的有效去除。实验结果表明:该方法处理后的信噪比提高到了18.8854 dB,均方根误差减小到2.81×10^(-6),且去噪后信号曲线的平滑度较高。该方法能有效滤除激光引信回波信号中的噪声,很好地还原激光引信回波原始信号,保证信号的完整性,为后续激光引信在噪声条件下的精确定距奠定了坚实的基础。

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising,BPDN)算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。

基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法

在使用经验模式分解(Empirical Mode Decomposition,EMD)对激光雷达回波信号进行去噪处理时,由于信号含有脉冲及间歇等间断事件而产生模态混叠,导致不能很好地分解出有用信号成分,影响去噪效果。针对这一问题,提出了一种形态滤波与EMD相结合的组合算法。首先,使用自适应多尺度形态滤波器作为前置单元,对信号进行初步处理,剔除信号中的间断事件干扰。之后,应用EMD对处理过的信号去噪。采用仿真数据及真实激光雷达回波数据进行了去噪实验。实验结果表明,文中算法相比于直接EMD去噪,在仿真试验中信噪比提高了8.89 d B,均方根误差降低了0.0514;在真实回波数据去噪实验中,6 km以后平均信噪比提高了3.356 4 d B。该组合算法有效地抑制了模态混叠现象,具有良好的去噪效果及应用前景。

基于经验模态分解的管道超声回波信号噪声消除

在管道超声无损检测中,超声回波信号往往受到电子噪声、结构噪声等噪声的影响,所以在分析缺陷回波信号时,必须对回波信号进行去噪处理.本文提出了一种新型的基于经验模态分解的方法对超声回波信号进行了良好的消噪处理.通过计算,超声回波信号的信噪比大约提高了11 dB.

基于最优匹配小波的回波与图像消噪

研究了用于消噪的小波与信号、图像的匹配原则,在采用时域波形逼近与频谱匹配原则的基础上,提出了最优匹配小波的设计方法。首先构造了两种小波滤波器组,其次给出了最佳匹配小波的设计优化算法,最后分别探讨了应用最优匹配小波对超声回波和图像消噪的方法。仿真结果表明,该方法性能优于常规的小波消噪,能较明显提高信号与图像的信噪比。

小波阈值去噪在超声测压回波处理中的应用

超声管外测压中回波信号易受到噪声的干扰,针对循环法时间测量中存在门限电压高、触发点漂移问题,提出用小波阈值去噪法对回波信号进行预处理。仿真结果表明:选用Sym8小波、"heursure"阈值准则,采用软阈值法,分解尺度为9时,去噪效果最好。去噪后,门限电压降低,消除了触发点的漂移。

基于自适应提升方案的回波信号消噪算法研究

采用自适应提升小波方案,根据激光探测系统接收的回波信号特征,提出了一种更新滤波器和预测滤波器的设计方案,从而实现了自适应地调整预测和更新算子,增强了与处理信息的匹配,有效地提高了系统输出回波信号的峰值信噪比.其次,利用激光探测系统中检测的回波信号与噪声特点,给出了一种去噪软阈值的选取方案.将此算法应用于激光探测系统消噪,较好地满足了在强背景噪声下检测微弱信号的要求.仿真结果表明,采用该算法实现的激光探测系统去噪,在抑制噪声的同时较有效地保留信号的细节,重构了清晰的回波信号.

“二代小波变换算法”在激光雷达回波信号去噪中的应用

提出了一种新的基于二代小波的消噪算法,可以有效地消除激光回波信号中的噪声.仿真结果表明,该算法可以有效地提高信噪比,降低激光回波信号中所含有的噪声,与传统小波去噪算法相比,该算法计算简单,适合于实时处理.

激光雷达回波信号增强技术研究

针对当前激光雷达回波信号降噪在过程中易去除有价值信号,出现信号失真问题,提出基于改进经验模态分解的激光信号增强方法。采用小波分析的IMF分量去噪方法,为高频噪声分量的各层IMF分量赋予一个阈值,再叠加分量区间开展数据重组,去除高频噪声,保存低频有价值信号,实现有价值信号和噪声的准确分离,通过峰值检测设置阀值过滤掉回波信号噪声,提升回波信号的信噪比。结果表明,该方法具有较强的去噪性能,有效过滤了高频噪声,准确采集到有价值的回波信号。

基于改进变分模态分解的液体密度测量中超声回波去噪方法

超声波液体密度测量回波中包含大量噪声,难以准确获取有效回波波形,导致密度测量精度不高。为此,提出了一种基于改进后变分模态分解(Variational mode decomposition,VMD)的回波信号去噪方法。由于传统VMD方法中分解层数难以确定,因此构造了中心频率相似因子作为判断准则来自适应选定VMD分解层数。首先,通过首次分解后的中心频率计算出相似因子,并根据相似因子选定VMD分解层数;其次,利用VMD算法将回波信号分解成若干个具有单一成分的模态分量,利用超声发射信号特点提取出有效回波成分;最后,通过分离所得的有效回波信号,提取回波波形及时间,由此计算出液体密度。实验结果表明,利用改进的VMD算法分解回波信号可以将有效回波信号的信噪比提高至20.64 dB,并准确获得时间、幅值等回波信号基本信息。与集合经验模态分解(Ensemble empirical mode decomposition,EEMD)相比,该方法可以有效地抑制模态混叠,并最大限度地保留信号的细节特征,提高液体密度测量的精度,密度测量精度可达满量程的0.21%。

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.

用于多普勒回波去噪的双重指数型阈值函数

针对小波阈值去噪传统方法所使用的阈值函数存在不连续或估计的小波系数存在偏差导致去噪效果不理想的问题,提出了双重指数型阈值函数。该阈值函数呈双重指数形式,不是分段函数,含有一个调控参数控制估计的小波系数向分解的小波系数或0逼近的速度,以阈值和分解的小波系数的比值是否大于1判定估计的小波系数的逼近方向。仿真结果表明在对多普勒回波的去噪过程中,使用双重指数型阈值函数的去噪结果优于使用传统阈值函数的去噪结果。

基于超声回波信号的指端脉搏波提取

脉搏波可作为检测人体心血管系统生理病理状态的重要依据。为了验证用超声波测量脉搏波的可能、解决脉搏波的测量部位受限的问题,本研究提出一种从超声回波信号中提取脉搏波的方法。设计一种跟随式超声传感器,用数据采集系统采集指端超声回波信号,经过滤波、选点及小波去噪等处理后得到较为纯净的脉搏波信号;同时采集心电信号以及光电容积脉搏波信号作为参考信号。结果表明,可以从提取的指端脉搏波中准确地获取心率;与同步测得的光电容积脉搏波数据相关系数大部分在0.8以上;波形中的重搏前波、重搏波等细节部分也能明显地表现出来。本研究提出的方法实现了从指端超声回波信号中获取完整可靠的脉搏波信号,为日后获取不同部位的脉搏信号提供了基础。

人工智能技术的脉冲激光测距回波高精度估计方法

针对当前脉冲激光测距回波估计过程存在的误差,不稳定等难题,提出了基于人工智能技术的脉冲激光测距回波高精度估计方法。首先分析脉冲激光测距回波估计的研究进展,找到引起脉冲激光测距回波估计效果不好的因素,然后采集脉冲激光测距回波信号,并对进行去噪处理,然后引入人工智能技术建立脉冲激光测距回波估计模型,最后与其他方法进行了脉冲激光测距回波估计仿真对比测试,结果表明,本方法降低了脉冲激光测距回波估计误差,脉冲激光测距回波估计精度要高于其他方法,具有十分明显的优越性。

一种利用级联小波变换的ICESat-GLAS波形去噪方法

波形去噪是大光斑星载激光雷达数据处理和应用结果可靠性的重要保障。针对ICESat-GLAS回波波形中的噪声问题,构建一种自适应阈值的级联离散小波变换的方法,可实现对地球科学激光测高系统(GLAS)回波信号的去噪处理,该方法既能够使高频信号得到再分解,又降低小波包变换去噪的复杂度。通过与传统的小波噪声阈值去噪等方法的对比分析,可以发现:在同样的小波分解层次下,文中构建的方法要优于传统的小波噪声阈值法,有助于ICESat-GLAS大光斑激光雷达波形数据去噪处理。

自适应灰狼小波去噪法在变压器套管引线超声检测中的应用

在对变压器套管引线进行超声检测时,检测精度易受噪声影响,难以准确判断套管端部内的引线状态,提出了一种自适应灰狼阈值去噪法。首先,通过小波变换对超声回波信号进行多层分解,采用基于包含多阶连续导数的梯度下降自适应阈值法,估计分层阈值;然后,结合灰狼算法,以最小梯度值为目标函数进行寻优,确定阈值大小并完成去噪。通过仿真与实例验证可得,采用文中算法去噪后,信号信噪比更高,均值误差更小,信号畸变程度较小,计算速度更快,可以有效保留超声回波信号起振位置等有用信息,更好地反映套管内引线的状态,具有一定的应用价值。

超声回波去噪算法在变压器套管引线检测中的应用

变压器套管引线在运行中受力的作用极易产生形变,影响变压器的安全运行,因此可通过超声检测技术实现变压器套管引线的定期检测。超声回波信号在进行采集时极易受到噪声干扰,需通过高效的去噪算法实现去噪。针对传统去噪算法阈值大小、信号分解层次难以确定和去噪效率低等缺点,提出一种全新去噪方法,将改进小波变换与EEMD分解去噪算法结合,使用改进小波去噪法进行信号预处理,然后对处理后的信号进行EEMD分解去噪二次处理,提升去噪效果与信号的信噪比。经试验验证,处理后超声回波信号信噪比显著提高,提高了超声检测的精度,达到了较为理想的效果。

基于声学回波的变压器数字化油位终端

本文中作者提出了一套基于声学回波的数字化油位终端。该装置利用非接触式声学回波原理,实现了变压器油位的精准测量,解决了变压器油位管理中人工巡视工作量大、观测误差大、油位缺陷评价未量化的问题。

基于改进EWT的浅水激光雷达回波信号降噪

浅水激光雷达回波信号中混有高斯白噪声及系统自由振动时产生的固有频率成分,因此较难从较低信噪比.的回波信号中获取目标的距离与特征,需要进行降噪处理。根据全波形回波及固有频率的频域特点,提出了一种改进的经验小波变换方法,并将其用于浅水激光雷达信号的降噪。首先对实验室自制的测深激光雷达系统测到的回波信号进行分解,得到降噪后的回波、噪声及固有频率成分,然后针对降噪后的回波信号,进行非线性阻尼最小二乘算法拟合优化,最终得到全波形回波的分解信号并测得水深。利用MATLAB建立信号模型,对比常用降噪算法处理的降噪效果,结果显示,改进的算法在计算时间、信噪比和均方误差等方面有明显优势;对比0.5~3.0m水深范围内不同降噪算法的实测回波处理效果,经所提方法降噪后,回波信号的测深误差小于0.1m。

基于递归最小二乘法的回声状态网络算法用于心电信号降噪

远程医疗的复杂环境中,心电信号极易被噪声淹没,从而影响心血管疾病的智能诊断。基于此,本文提出了一种基于递归最小二乘法的回声状态网络心电信号降噪算法。该算法通过递归最小二乘法对该网络进行训练,可自动学习得到含噪心电数据中非线性的且具有区分度的深层次特征,并利用这些特征自动分离心电信号与噪声。实验中,采用信噪比和均方根误差为指标,将本文方法与基于子带自适应阈值的小波变换法和S变换法进行比较。实验结果表明,本方法降噪精度更优,同时信号的低频成分也得到了很好的保持。本文方法可做到消除心电信号中的复杂噪声并完整保留心电信号的形态,为心电图的特征检测和心血管疾病的智能诊断奠定了基础。