基于SVD-EMD的有效微弱信号提取算法

针对奇异值差分谱的信号提取方法不能有效提取出强噪声环境中的微弱信号这一问题,提出了一种基于奇异值分解(SVD,singular value decomposition)和经验模态分解(EMD,empirical mode decomposition)相结合的微弱信号提取方法。采用奇异值差分谱选择奇异值进行信号重构,提取出带噪部分信号,对其进行EMD分解和SVD降噪处理,叠加得到降噪后的信号。仿真结果表明,该方法能够准确提取微弱信号信息,并能有效地去除信号噪声。     

基于CEEMDAN的MEMS加速度计输出信号降噪方法

针对微机电系统(MEMS)加速度计输出信号存在误差,导致高压输电杆塔倾斜监测系统的输出倾角数据精确度不高的问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)联合奇异值分解(SVD)对杆塔的加速度计输出信号降噪方法。利用CEEMDAN对原始加速度计输出信号进行分解,得到一系列模态分量,分别计算其排列熵(PE),筛选出特征分量和含噪特征分量,然后再将需进一步降噪的特征分量通过SVD进行二次滤波,最后将降噪后的特征分量与未处理的特征分量进行叠加即得到降噪后的加速度计输出信号。仿真实验结果表明,所提出的方法可以有效地抑制噪声干扰,通过与扩展卡尔曼滤波和CEEMDAN-PE对比说明该方法滤波效果更好,有效提高了加速度信号分析精度和杆塔倾斜角测量精度。     

基于奇异值分解的电感式磨粒传感器信号降噪方法研究

利用奇异值降噪技术对含有系统噪声的电感式磨粒传感器测试信号进行处理.针对奇异值降噪中轨道矩阵最优重构阶次难以有效确定的问题,提出一种基于噪声阈值和奇异值聚类的重构阶次确定方法.首先由含噪信号轨道矩阵的嵌入维数和噪声方差确定奇异值的噪声阈值,得到重构阶次的上限;然后依据信号奇异值分布离散,噪声奇异值分布集中的特点,对大于噪声阈值的奇异值进行聚类分析,进一步确定轨道矩阵的重构阶次.仿真和实测信号降噪效果表明,该降噪算法能显著改善含噪信号的信噪比,降噪后的信号具有较小的峰值误差,适合电感式磨粒传感器信号的降噪.     

奇异值能量差分谱在信号降噪中的应用

为了提高现场采集信号的信噪比,针对奇异值分解中重构矩阵有效阶次确定难的问题,提出了一种基于奇异值能量差分谱的信号降噪方法。该方法根据有用信号与噪声能量的差异性,通过构造信号的奇异值能量差分谱,将能量差分谱曲线中最大峰值点作为重构信号的有效阶次来实现有用信号和噪声的分离,能够使信号奇异值降噪阶次得到合理确定,较好地保护了原始信号中有用信息的完整性,获得了较大的信噪比,对后续进行信号特征的准确提取和分析至关重要。仿真和实例分析结果验证了该方法的有效性。     

敏感SVD和EEMD的故障诊断方法研究

在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法.对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型.方法应用于轴承故障诊断,实验证明了所提方法的有效性.     

奇异值分解去噪中有效秩阶次的自身辅助确定

为解决奇异值分解(Singular value decomposition,SVD)去噪中有效秩阶次难以确定的问题,提出一种利用SVD本身进行辅助确定的方法。充分借助SVD在奇异性检测中表现出的优良特性,将原始含噪信号进行SVD处理后获得的奇异值序列视作一个新的信号,并对该信号对象重新进行奇异值分解;通过对各分量信号的奇异性检测,将奇异值序列的奇异点位置作为有效秩阶次确定的依据。对一个仿真实例信号的实验结果表明,该方法可准确地确定出有效秩阶次,从而能够实现信号的有效去噪。     

基于SVD-形态降噪的TKEO故障诊断方法研究

针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断方法.首先对轴承振动信号进行SVD,对得到的分量信号进行形态滤波,以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选,并对其进行重构;最后利用TKEO计算重构信号的瞬时能量,得到信号的能量谱,提取振动信号的特征.将提出的方法应用于滚动轴承故障分析,结果表明该方法能清晰地提取故障特征信息.     

液晶显示器斑痕缺陷高质量背景建模

针对目前液晶显示器斑痕(LCD-Mura)缺陷背景抑制检测中重建的背景存在引入性噪声干扰和目标缺损的问题,提出一种基于奇异值分解(SVD)和最大熵的缺陷图像背景建模方法:通过SVD图像像素矩阵,求得奇异值序列;借助矩阵范式推导出图像分量与奇异值的对应关系,进而以图像各分量奇异值所占比率计算各分量的熵值,以此利用最大熵确定重建背景的有效奇异值;再由矩阵重构得到背景,并进一步提出关于背景重建效果评价的一般方法。相比双三次B样条曲线拟合方法,该方法将区域Mura的对比度最少提升0.59倍,提升线Mura对比度最多达到7.71倍;相比离散余弦变换(DCT)方法,该方法将点Mura的噪声最少降低33.8%,将线Mura噪声降低76.76%。仿真结果表明,该模型具有低噪、低损和高亮的优点,能够更为准确地构建出缺陷图像的背景信息。     

基于奇异值分解的飞行数据降噪方法

为了消除或减少飞行数据中的有害噪声,提高信息利用率,提出基于奇异值分解的飞行数据降噪方法。将奇异值分解滤波器应用于机载装备状态记录数据的消噪处理中,得到一种新的门限确定方法,推导出滤波门限与信噪比间的数学关系。实验结果表明,该降噪方法效果显著,所确定门限值合理有效。     

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。     

基于小波变换的电子音乐信号降噪算法

电子音乐信号受到多种因素的影响,包含了大量的噪声,直接影响电子音乐信号的后续处理。为了提高电子音乐信号质量,改善信号的信噪比,针对当前电子音乐信号降噪算法存在的局限性,设计了一种基于小波变换的电子音乐信号降噪算法。首先分析电子音乐信号降噪的研究现状,指出各种电子音乐信号降噪算法的弊端,然后采集电子音乐信号;对其进行截尾操作,提取最有效的电子音乐信号,最后引入小波变换对电子音乐信号进行多尺度分解和重构操作,过滤掉电子音乐信号中的噪声。并采用Matlab 2018编程实现电子音乐信号降噪仿真实验。结果表明,小波变换克服了当前电子音乐信号降噪算法的不足,电子音乐信号降噪的精度高,能够有效识别噪声,使得降噪后的电子音乐信号具有更高的信噪比。     

Adaptive image denoising using cuckoo algorithm

This paper presents a novel denoising approach based on smoothing linear and nonlinear filters combined with an optimization algorithm. The optimization algorithm used was cuckoo search algorithm and is employed to determine the optimal sequence of filters for each kind of noise. Noises that would be eliminated form images using the proposed approach including Gaussian, speckle, and salt and pepper noise. The denoising behaviour of nonlinear filters and wavelet shrinkage threshold methods have also been analysed and compared with the proposed approach. Results show the robustness of the proposed filter when compared with the state-of-the-art methods in terms of peak signal-to-noise ratio and image quality index. Furthermore, a comparative analysis is provided between the said optimization algorithm and the genetic algorithm.     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

Non-linear diffusion of image noise with minimal iterativity

Non-linear diffusion (ND) is an iterative difference equation used in several image processing applications such as denoising, segmentation, or compression. The number of iterations required to achieve optimal processing can be very high, making ND not suitable for real-time requirements. In this paper, we study how to reduce complexity of ND so as to achieve minimal number of iterations for real-time image denoising. To do this, we first study the relations between parameters of the iterative equation: the number of iterations, the time step, and the edge strength. We then proceed by estimating the minimally required number of iterations to achieve effective denoising. Then, we relate the edge strength to the number of iterations, to noise, and to the image structure. The resulted minimal iterativity ND is very fast, while still achieves similar or better noise reduction compared to related ND work. This paper also shows how the proposed spatial filter is suitable for structure-sensitive object segmentation and temporal noise reduction.     

A denoising method for inter-annual NDVI time series derived from Landsat images

The inter-annual Normalized Difference Vegetation Index (NDVI) time series derived from Landsat (INSL) has been applied to many fields. However, INSL may contain noise from many factors. At present, most researchers focus on denoising for NDVI time series derived from other datasets with shorter time intervals. In this paper, we proposed a denoising method for INSL by combining the best index slope extraction algorithm (BISE) with wavelet transform (WT). This method consists of two steps: (a) INSL are processed by BISE under a limiting condition to remove the significant noise; and (b) INSL obtained by step (a) are filtered by WT. Commonly used methods, including Savitzky-Golay filter (S-G) and BISE, were used as references to evaluate the proposed method. Using qualitative and quantitative comparisons and a change detection analysis, the proposed method was demonstrated to be reliable.     

小波阈值函数旋转机械振动信号去噪方法研究

从强背景噪声中提取出微弱的旋转机械振动故障特征信号一直是技术性难题。针对传统全局阈值函数去噪在阈值处不连续和存在恒定偏差的问题,提出一种改进的小波阈值函数分层去噪方法。首先对旋转机械故障信号去噪中的小波参数进行了筛选,然后采用改进的阈值函数,利用最优小波参数对振动信号进行分层阈值降噪处理。理论仿真和实测结果表明,对比传统阈值去噪方法,该方法能有效去除背景噪声,保留振动信号原貌特征信息,提高信噪比和减小均方根误差,适合非平稳振动信号去噪,为旋转机械故障诊断奠定了信号预处理的基础。     

基于形态学与小波变换的信号自适应去噪算法

针对常规的ECG（electrocardiogram）信号去噪算法存在的缺陷,提出了一种基于形态学与小波变换的自适应综合去噪算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,对ECG信号进行自适应滤波处理,最后得到去噪后的ECG信号。实验表明,本算法是一种有效的去噪算法。     

小波熵在心电高频噪声处理和R波检测中应用

为了在滤除噪声的同时不丢失信号有用信息,将小波熵理论与小波阈值去噪方法综合起来,提出一种基于小波熵的自适应阈值去噪和R波峰值定位方法,对心电信号高频噪声不同信噪比情况做了去噪处理,并同小波熵最优阈值法做了对比分析,结果表明,本算法可以自适应地确定小波系数阈值,不需要直接处理大量的小波系数,且具有良好的滤波性能,尤其在噪声严重时,去噪和R波检测效果更优。最后对实测和数据库中46例数据都做了应用分析,表明本算法具有快速性、有效性和稳定性的特点。     

基于多级中值滤波的小波去噪方法

经典图像去噪方法中，多级中值滤波有良好的保护细节的特性，近年来在小波域中对信号的处理，能使噪声抑制更加有效。结合两者的特点，提出了基于多级中值滤波的改进算法，利用最大最小中值之差判断平坦及边缘区域，实现了在小波域中平滑噪声的同时还可以保护图像细节不受损失。实验表明该方法与Donoho的软门限方法相比较，可以得到更好的去噪效果。     

基于负熵与多目标优化的轮对轴承故障诊断方法*

最优小波解调是一种常用的滚动轴承故障诊断方法,针对如何选择最优中心频率和带宽的问题,从故障振动信号的冲击性和循环平稳性出发,提出了一种基于负熵和多目标优化的复Morlet小波解调方法 .利用遗传算法的泛优化能力,分别以窄带信号包络的负熵和包络谱的负熵设计两个目标函数,通过非支配排序和拥挤距离排序,结合选择、交叉和变异遗传操作对复Morlet小波参数进行优化,自适应地确定富含故障信息的最优共振频带进行包络解调.试验表明,该方法通过多目标优化可以统一表征轴承故障的冲击性和循环平稳性,可以准确识别轮对轴承的局部故障.