考虑局部自相似性的土地复垦规划空间预测算法

土地复垦规划时土地图像存在较大噪声,且不同地区的土地复垦情况可能存在空间异质性,无法达到理想空间预测效果。为此,提出一种考虑局部自相似性的土地复垦规划空间预测算法。利用低秩逼近处理方法对噪声污染的观测矩阵的核范数低秩逼近,得到矩阵的最小核范数,实现土地空间图像去噪;利用局部自相似性计算土地再利用贡献值,以此建立空间预测模型,计算子区域内栅格与所选区域栅格差异程度;利用ArcGIS软件计算评价因子,以此划分等级,预测土地复垦规划空间。由实验结果可知,该算法预测的空间规划基本适宜度比例最大,其次是不适宜度、中度适宜度、临界适宜度,与理想规划结果一致。

基于优化分解与误差修正的光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种基于优化分解降噪联合误差修正模型。该模型分为3个阶段,第一阶段,首先用基于全局搜索的鲸鱼优化算法(GSWOA)选取变分模态分解(VMD)的参数,之后运用优化后的VMD对原始数据进行分解;然后利用互相关分析重构高频分量,最后对高频分量进行小波软阈值降噪(WTSD);第二阶段,运用门控循环单元(GRU)对每个分量进行预测,将所有分量预测结果叠加起来得到初步预测结果;第三阶段,对初始预测结果进行误差修正(EC)。为验证模型的有效性,利用宁夏太阳山光伏电站2021年1、4、7、10月份的光伏实测数据进行实验,实验结果表明,相比于LSTM、GRU、VMD-LSTM,该混合模型表现出更好的性能。

应用加权迭代软阈值算法的高分辨率Radon变换

Radon变换的分辨率是其进行地震数据处理的关键因素。基于Bayes反演理论的迭代加权方法改善了Radon变换的分辨率,但其收敛速度较慢;由于Radon变换空间的强相关性,常用的迭代软阈值方法(ISTA)应用于Radon变换反演时的收敛速度也较慢,且分辨率较低。为此,将迭代加权最小二乘法嵌入ISTA中,形成了加权ISTA算法。该方法引入高分辨Radon变换中加权矩阵的思想,利用Radon参数的先验信息约束反演误差函数,克服了ISTA收敛速度慢、分辨率低的缺点。合成记录和实际地震资料处理结果表明,该方法提高了Radon变换分辨率,在多次波分离、噪声压制中效果显著。

基于迭代p阈值投影算法的压缩感知磁共振成像

针对迭代软阈值投影算法中的软阈值函数收缩功能较差的问题,提出了迭代p阈值投影算法。用p阈值函数替换迭代软阈值投影算法中的软阈值函数,对小系数的惩罚更大,对大系数产生更小的偏置,以抑制噪声,减少重建误差。为加快算法速度,利用Nesterov梯度加速技术,设计了快速迭代p阈值投影算法,用于磁共振图像重建。在紧标架为平移不变离散小波变换和轮廓波下,将快速迭代p阈值投影算法用于压缩感知磁共振成像。与光滑化的快速迭代软阈值算法、迭代软阈值投影算法和交替方向乘子法进行仿真对比分析的结果表明,快速迭代p阈值投影算法提高了磁共振成像的重建速度和重建质量。分析了p值对算法性能的影响,给出了适合的p值选择方法,以获得较好的收敛速度、减小重构误差。

基于小波变换和Prony算法的间谐波参数辨识

现场采样获得的间谐波信号通常叠加着随机噪声,如果不对噪声进行有效消除,其信号特征信息的提取将会受到很大影响.通过对小波软阈值去噪方法的探讨,对间谐波信号进行去噪预处理,并采用现代谱估计P rony方法辨识间谐波参数,提取信号特征信息.计算结果表明,采用小波软阈值方法对间谐波信号进行去噪预处理,有利于提高其参数辨识的准确性.

基于小波预处理技术的低频振荡Prony分析

提出了一种利用改进的小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用Prony算法提取低频振荡信号特征的分析方法。在分析Prony算法原理的基础上,分析了参数选择对算法的分析速度与精度有较大影响,提出了Prony算法主要参数的选择策略,即信号抽样频率应大于信号最高频率的2倍,以避免频谱混叠;信号时间长度应包含2个周期最低频率的振荡,以提高参数估计精度;模型初始阶数应远大于信号中实际包含的指数项个数,以使最优子集分量逼近观察到的数据。仿真和动模实验结果表明,基于小波预处理技术的Prony算法具有分辨率高、拟合效果好的优点,能满足电力系统低频振荡特征分析的需要。

基于TV最小化的稀疏角度CT重建算法的比较研究

离散梯度变换(DGT)已被广泛地用作稀疏算子,相应的TV最小化方法也被用于基于压缩感知(CS)的CT重建中。本文比较研究了梯度下降法、软阈值算法和Split-Bregman算法在基于TV最小化的稀疏角度CT重建中的应用。文章将Shepp-Logan模型和Head模型作为测试模型进行仿真实验,实验结果表明:对于稀疏角度CT重建问题,梯度下降法和软阈值算法收敛较慢,重建图像的质量及重建时间都相差不大,而Split-Bregman算法在收敛速度及重建图像质量方面都明显优于其余两种算法,但重建时间较长。

基于改进型中值滤波算法的图像去噪

去噪算法在图像处理中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在小波软阈值去噪算法的基础上,提出一种基于噪声个数判断的改进型中值滤波算法。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与小波软阈值算法、小波硬阈值算法、中值滤波算法相比,具有更好的去噪性能。

基于总体平均经验模态分解的语音增强算法研究

总体平均经验模态分解EEMD(Ensemble Empirical Mode Decomposition)虽然能够在一定程度上抑制模态混淆,但添加的白噪声不能被完全中和,对所有本征模态函数IMF(Intrinsic Mode Function)分量进行集成平均等增加了计算工作量。基于EEMD和结合小波阈值去噪思想,提出改进的EEMD方法。首先对原始信号进行EEMD分解,得到一系列IMF分量;其次对筛选后的每个IMF计算噪声强度;然后采用小波启发式阈值估计噪声并计算阈值;最后以软阈值的方式滤除每个IMF中噪声并重构信号还原出增强的语音。通过分析仿真信号和实测信号,结果表明:该算法对带噪语音有很好的滤波效果,与其他同类算法相比提高信噪比2~4 d B。

一种快速软判决译码的研究

本文给出一种分组码快速软判决译码—可变门限Chase算法 (VTC) .采用人工智能搜索技术—A 算法 ,快速生成试探序列集合 ,并利用已经试探译码的信息 ,对试探序列集合进行分类 ,生成试探序列的等价类及其代表 ,并用最优门限对候选码字进行最佳测试 ,可实现快速软判决译码 .模拟计算表明 ,与已有的软判决译码算法相比 ,该算法的译码速度更快而译码性能完全相同 .

新软阈值去噪方法在临场感中的应用

本文在分析了软阈值算法的优点与不足之处的基础上,提出了一种新的软阈值图像去噪方法,并将此方法成功运用到临场感系统中。该方法不仅继承了软阈值算法失真误差小、实现简单等优点,而且针对原始算法阈值划分粗糙、图像边缘模糊等缺点,引入了调整因子和相邻窗口等方法降低阈值估计风险和提高图像清晰度。理论证明及实验结果表明,新方法是一种高效的实时去噪算法,其不仅具有良好的视觉效果和较低计算复杂度,而且在相同噪声情况下,新方法的MSE、PSNR等指标均优于传统算法。

改进小波变换的电子音乐信号去噪研究

针对电子音乐信号受噪声干扰易出现信号失真、电子音乐存在断点的问题,提出改进小波变换的电子音乐信号去噪方法。首先,分析不同尺度中电子音乐信号小波系数相关性,采用软阈值算法去除电子音乐中的噪声;然后,采用修匀法对去噪后电子音乐信号进行处理,提升电子音乐信号整体连续性。结果表明,改进小波变换去噪后电子音乐信号波动区间与去噪前相同,去噪后电子音乐信号未受损,信号连续性好,去噪性能明显优于对比方法。

神经网络和小波变换融合算法的去噪研究

传统小波变换阈值选取采用软阈值和硬阈值方法,这两种阈值方法都存在自身局限性,软阈值方法处理后的系数存在偏差,影响信号的稳定性和连续性,硬阈值方法在处理语音信号时易导致pseudo—Gibbs现象,滤波效果粗糙.根据经验公式确定阈值方法存在不确定性,因此本文通过改进的神经网络遗传算法和小波变换算法进行融合,确定最佳阈值,通过去噪实验证明该融合算法的可行性.

结合阈值去噪与边缘优化的图像增强算法

针对图像在传输过程中容易出现干扰的问题,该文通过研究图像的增强技术,通过对比分析,提出了一种结合阈值去噪与边缘优化的图像增强算法,该算法结合小波Contourlet变换与人眼的视觉固有特性,有效地对分解后的图像系数进行分类,并结合改进边缘优化算法的增益因子来优化边缘区信号;而非边缘区采用改进后的软阈值去噪算法进行去噪处理。经实验,该算法具有准确性高与去噪能力强的特性,能够在去噪的同时有效保护边缘信号,与预期目标相符,具有一定的实用价值。

基于迭代收缩算法的稀疏人脸识别

为了获得更加理想的人脸识别效果,提出一种基于迭代收缩算法的稀疏人脸识别方法.首先在研究现有的迭代软阈值算法的基础上,将迭代广义迭代收缩算法用于解决lp-数非凸稀疏模型求解问题,然后将该算法用于人脸识别,最后采用仿真实验测试算法的性能.实验结果表明,该算法的精确度明显优于其他算法.

改进型软阈值算法在临场感系统中应用研究

小波理论在图像去噪领域得到了广泛应用,在研究传统小波软阈值算法的基础上,分析了该算法的优点与不足之处,针对传统算法易造成背景信号模糊以及低频信号的损失的缺陷,在阈值选取时,提出了分层调整因子的概念,经过严格的理论证明,当调整因子取值1/2时,对不同的图像处理有较好的稳定性,且算法实现与小波基选取无关。研究结果表明:新算法在一定程度上弥补了传统算法的缺陷,去噪图像的频谱比传统算法宽广,低频信号保留较好,图像背景清晰平滑,去噪的视觉效果明显,而且具有较好的可操作性,易于实现。其应用于临场感系统取得了较好的效果,显示出新算法具有良好的应用前景。

基于双阈值AdaBoost算法的4-CBA含量软测量建模

针对PX氧化过程中4-CBA含量无法在线测量的问题,提出了一种基于双阈值更新样本权重的AdaBoost算法,该算法以BP神经网络作为弱学习器,采用轮盘赌方法根据样本权重在训练样本集中选择部分样本训练弱学习器,采用上一轮弱学习器的训练相对误差绝对值来更新所有训练样本的权重,在此基础上,用双阈值对样本误差范围进行划分,然后用不同的权重因子与原来的样本权值相乘实现样本权值的二次更新。该过程降低了含有大误差的样本的权值,增加了较大误差的样本的权值,从而减小了在下一轮训练过程中选到异常样本的概率。分别采用5种不同的方法并用实测的工业数据建立了4-CBA含量软测量模型,仿真结果表明用提出的改进AdaBoost算法建立的4-CBA含量软测量模型,其预测误差小于其他方法建立的模型误差。

小波信号分层中的软阈值模糊性确定分界

文中以小波阈值信号去噪为研究对象,提出将小波信号分层中的软阈值进行阈值精确取值分析。利用小波函数将信号从时阈变换为频域,使小波各层频域充满噪声信号的能量,使信号与小波系数形成一一对应,在各层分解后使信号层的小波函数在尺度空间中完成确定;运用小波阈值信号去噪方法,对经过处理后的信号进行小波阈值选定,通过对软阈值函数的选值,确定噪声小波函数在小于小波函数的情况下应舍弃该信号;确定软阈值的选择能够令大部分噪声的小波系数取值为零,输出处理后的有效小波信号,确定软阈值的界限。实验证明,对小波阈值中的软阈值函数进行精确取值,对叠加的噪声信号或干扰能实现有效的处理。

蜂群优化算法在带软时间窗的车辆路径问题中的应用

本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法。通过计算若干benchm ark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性。蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法。

基于子波变换阈值决策的非稳信号去噪

本文通过对Dinoho阈值决策子波域去噪方法进行研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。接着具体讨论了在Sym8子波基底下，用此方法对非稳雷达回被进行五尺度的Mallat算法仿真，结果表明该方法抑制噪声效果良好且简单易行，是传统匹配滤波无法比拟的。