基于VMD分解和小波阈值去噪的时差估计算法

为了提高时差定位算法的精度,提出了一种基于VMD分解和小波阈值去噪的时差估计算法。通过VMD分解将信号分解成若干个分量,再利用小波阈值去噪对各个分量进行去噪,最后将信号重构进行互相关得到信号的时延值。仿真结果表明,该方法优于直接小波阈值去噪的时差参数估计算法,具有更高的准确度和稳定性。     

基于EEMD-RobustICA和Prony算法的谐波和间谐波检测方法

针对经验模态分解存在的模态混叠现象和Prony算法对噪声敏感的问题,将总体经验模态分解与鲁棒性独立分析法和Prony算法进行有机的结合,应用到谐波和间谐波的检测中。首先将含有噪声的谐波信号进行总体经验模态分解,得到不同阶数的固有模态函数,然后将其作为鲁棒性独立分量分析法的输入,对得到的独立分量进行软阈值去噪后进行逆变换得到重构后的固有模态函数,叠加得到去噪后的信号,最后用Prony算法对谐波和间谐波信号进行参数辨识,得到谐波和间谐波的参数。仿真结果表明,该方法具有较好的抗噪性,克服了Prony算法对噪声敏感的缺点,有效地提高了谐波和间谐波检测的精度。     

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。     

结合非下采样轮廓波变换和混合阶次图像扩散的图像去噪

通过研究非下采样轮廓波变换理论及其在图像变换中的优点,提出一种新的基于非下采样轮廓波变换的图像去噪方法.该方法首先通过非下采样金字塔分解和非下采样方向滤波器组对待去噪图像进行非下采样轮廓波变换,然后采取不同阶次的图像扩散去噪算法分别对高频部分和低频部分进行去噪处理,最后将经过处理后的系数进行非下采样轮廓波逆变换便可得到去噪后的图像.通过实验结果表明,该方法不仅能有效的去除噪声,而且可以很好地保持边缘信息,整体性能优于近年来一些常见的去噪算法.     

改进的经验模态分解法去除脉搏波基线漂移

脉搏波信号中含有丰富的人体生理病理信息,然而基线漂移的存在严重影响人体生理参数的准确提取,需要予以去除。针对传统经验模态分解（EMD）方法在去除基线漂移时,通过经验来确定基线漂移信号所在的固有模态函数阶数,导致去噪性能下降。根据EMD分解过程中固有模态函数的特性,提出基于过零率检测的方法进行算法改进,通过计算每阶固有模态函数的总过零率,设定阈值来确定基线漂移阶数。仿真实验结果表明：该改进算法科学严谨,能够有效地去除脉搏波基线漂移,提高了信噪比,有利于提高基于光电容积脉搏波提取血压、血氧等人体生理参数的精度。     

基于小波阈值算法的中心静脉压信号去噪研究

为去除无创中心静脉压监测仪采集的中心静脉压信号中的噪声,提出了一种基于小波阈值的去噪算法。针对采集过程中出现的基线漂移和高频噪声,通过选取合适的小波基、小波分解层数和阈值方法,对中心静脉压信号进行小波阈值处理,并与经过傅里叶变换和维纳滤波去噪后的结果进行对比。在信噪比、均方根差等评价指标上,小波阈值的效果更好。选择sym3小波基对中心静脉压信号进行6层小波分解,设置硬阈值所得到的效果更好。该算法能够有效去除采集过程中产生的噪声信号,信噪比达到90.1942dB,均方根差接近0,与其他算法相比去噪效果更好。     

基于块分类和字典优化的K-SVD图像去噪研究

基于K-奇异值分解（K-SVD）的图像去噪方法使用K-SVD算法训练得到的过完备字典对图像进行稀疏表示去噪,能够在去除噪声的同时较好地保持原始图像信息。但该方法缺少对图像结构特征的考虑;此外,K-SVD算法训练得到的字典中往往含有噪声原子,从而导致该方法在强噪声下去噪性能欠佳。针对这些局限性,提出一种新的去噪方法：基于块分类和字典优化的K-SVD去噪方法。首先通过图像块的分类训练得到与图像结构相适应的字典,能够更为稀疏地表示图像;然后通过噪声原子检测将字典原子分为噪声原子和非噪声原子,并对噪声原子进行替换,减弱噪声原子对去噪性能的影响,得到优化字典;利用优化字典对图像进行稀疏表示去噪。仿真实验表明,与非局部均值去噪、曲波去噪以及经典K-SVD去噪等算法相比,新方法能够取得更好的去噪结果。     

基于EMD和互信息熵的微震信号自适应去噪

针对强干扰背景下的微震信号提取,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）和互信息熵的自适应提取算法。通过EMD对微震信号进行分解,得到高频和低频两部分信号,并对分解得到的各阶固有模态分量求出能量和能量熵值。根据互信息准则,通过依次计算相邻分量能量熵之间的互信息值来区分高频和低频信号。将经过自适应阈值滤波后的高频信号和低频信号一起进行信号重构,得到新的微震信号。仿真结果表明,在对微震信号去噪时,该方法可以有效地去除噪声信号,信噪比均提升了10 dB以上。工程上的微震信号通过该方法处理后,也取得了较好的效果。     

改进布谷鸟算法在乙烯工业能效分析中的应用

通过考虑乙烯综合能耗计算方法、指标分解方法(Index Decomposition Analysis, IDA)和节能潜力分析方法，建立一种严格的乙烯能耗分析模型，并提出一种改进的布谷鸟算法应用于该模型进行辨识参数，得到乙烯生产耗能工质能源折算系数，基于能源折算系数得到综合能耗和节能量对乙烯装置进行能效评价。为了验证改进算法的有效性，对该算法在测试函数上测试，实验结果显示改进后算法具有较好寻优能力，明显优于粒子群算法和布谷鸟算法。最后，基于乙烯数据实例验证了该方法的可行性和有效性，可以很好地作为不同规模不同技术下乙烯标准能源折算系数计算的补充，为乙烯装置能效分析的准确性提供更为实用的方法。     

一种维护分解的并行增量视图维护方法

实化视图维护是指在数据源的原始数据发生改变时,有效地将这种变化反映到数据仓库中,使相应的实化视图得到及时更新.当前的视图维护方法主要以C/S结构为基础,当更新频繁时将会导致数据仓库超载而崩溃.针对这种现状,提出基于维护查询任务进行分解的实化视图并行增量维护P3Sweep算法,算法修正了Sweep算法只能顺序处理的限制,赋予其并行处理能力.对于单个更新,P3Sweep算法通过对维护查询任务进行分解,并行执行左右扫描过程来完成维护演算;对于并发更新,算法通过递归分解方式进行细粒度并行演算.性能计算和实验测试结果表明,该方法增加了系统对更新的吞吐能力,减少了维护的延迟,从维护查询任务本身实施对实化视图维护的优化.     

基于分组字典与变分模型的图像去噪算法

针对加性高斯噪声去除问题，在现有传统的K均值奇异值分解（K-SVD）字典学习算法的基础上，提出一种将字典学习与变分模型相融合的改进算法。首先，根据图像的几何和光度信息将图像进行聚类分组，再将图像组按照边缘和纹理类别进行分类，根据噪声水平和图像组类别训练一个自适应字典；其次，将通过所学字典得到的稀疏表示先验与图像本身的非局部相似先验进行融合来构建变分模型；最后，通过求解变分模型得到去噪后图像。实验结果表明，与同类去噪算法相比，当噪声比率较高时，所提算法可以解决前期算法准确性较差、纹理丢失较为严重、产生视觉伪影等问题，在视觉效果上要更为理想；同时该算法结构相似性指数有明显提高，峰值信噪比（PSNR）的值更是平均提高了10%以上。     

EMD消噪在取样光栅滤波器设计中的应用

通过改变取样光栅的各参数来仿真其反射谱,调试出四种基于取样光纤光栅的光学梳状滤波器。为了优化取样光栅梳状滤波器功能,提出了利用经验模态分解对信号进行滤波分析和降噪处理的方法。该方法是将经验模态分解得到的固有模态函数,分为信号分量起主导作用模态与噪音分量起主导作用模态,去除噪音分量起主导作用模态,并利用反映信号主要结构的模态对信号进行重构实现去噪。文中最后以一种含噪声的反射谱为例,进行降噪后得到平滑的反射谱。     

采用SVD-NMF的管道泄漏信号去噪算法

在管道泄漏检测中,压力信号中的噪声干扰会降低传统互相关法的定位精度。传统的去噪算法对环境的适应性差,去噪效果不理想。为此,提出了一种奇异值分解SVD( Singular Value Decomposition)与非负矩阵分解NMF( Nonnegative Matrix Factorization)相结合的管道泄漏信号去噪算法。该方法首先通过奇异值分解确定非负矩阵分解的阶数并对其初始化;然后,采用改进的非负矩阵分解算法对原信号进行迭代分解,获得去噪信号;最后,对去噪信号进行处理后通过互相关计算时延,并结合泄漏信号的传播速度实现泄漏定位。大量实验结果表明,SVD￣NMF算法能够显著降低迭代次数,提高去噪速度;同时在泄漏检测中,能够达到去除噪声干扰,提高定位精度的目的。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

一种基于小波变换的混合去噪方法

该文提出了一种基于小波变换的混合去噪方法。该方法通过对图像进行小波分解后,首先确定低分辨率的截断参数,对于大于此截断参数的小波系数,进行小波收缩处理;而对小于此截断参数的小波系数,进行异性扩散迭代去噪。实验结果表明,该算法具有两种方法集成优点的去噪效果,边缘也能较好地保持。     

基于参数优化的ICEEMDAN-MEMS陀螺信号处理研究

航空飞行器多维智能感知系统极端应用环境中,MEMS陀螺的输出信号中会含有各种噪声,进而影响系统后续的导航任务。为了改善MEMS陀螺输出信号的质量,提出了一种参数优化的改进的自适应噪声完全集成经验模态分解(ICEEMDAN)的MEMS陀螺信号滤波方法。首先通过灰狼优化算法(GWO)对ICEEMDAN的参数进行优化;对MEMS陀螺的输出信号进行分解,得到若干个本征模态函数(IMF),并根据排列熵对分量进行划分,并使用递归最小二乘算法(RLS)对混合分量进行滤波;最后将信号重构得到最终信号。对系统实测数据进行处理,分析结果表明：与原始信号相比,降噪后的MEMS陀螺输出信号均方根误差(RMSE)降低了78.6%,该算法可有效地去除输出信号中的噪声,具备一定的工程应用价值。     

Series-parallel图的Δ-SP算法的实现

讨论了series-parallel图和它的二叉分解树，对S－P图的Δ－SP画法进行了详细的描述，给出了该算法的实现过程，并且对S－P图的分解树建树算法进行了改进。最后，通过一个具体实例尝示了该画法的结果。     

噪声方差未知的小波域中非局部均值图像去噪

为了有效地去除噪声,获得细节清晰的图像,提出一种噪声参数未知情况下基于小波分析的图像去噪算法.首先对图像上交互选定的不含细节的样本区域进行小波分解,根据噪声方差在不同尺度、不同方向子带内的映像建立噪声的特征向量;利用此特征向量计算小波分解后高频子带内各小波系数之间的相似度,把该相似度作为权值对当前小波系数进行调整.实验结果表明,文中算法对于噪声方差未知的图像不仅能有效地去除噪声,而且能保持图像的边缘信息,获得较好的去噪效果;对实拍的含噪数码照片进行测试的效果理想.     

卡通纹理分解和全变分梯度算法实现图像恢复

为了研究图像恢复技术,提出采用卡通纹理分解和基于全变分的广义加速临近梯度算法实现图像恢复。将原始模糊图像分解成卡通部分和纹理部分,卡通部分主要是图像的低频成分受噪声干扰小,纹理部分主要是图像的高频成分受噪声干扰大,采用基于全变分的广义加速临近梯度算法进行图像去模糊和去噪,卡通部分选择较小的正则化参数,纹理部分选择较大的正则化参数,将恢复的卡通部分和纹理部分进行合成得到恢复图像。通过对两张标准测试图像的MATLAB实验仿真,证明了该方法不仅收敛速度快而且效果比一般的临近梯度算法要好,尤其适合于恢复模糊度不是很高的图像。