基于新的模态单元滤波消除地震信号中的汽车噪声

由于地震信号采集环境和采集仪器存在干扰，采集到的地震波形中通常包含很多噪声信号，严重影响了地震信号的应用。模态单元滤波（Mode Cell Filter：MCF）无需先验基函数，是一种自适应的消噪算法。本文将MCF引入到地震信号消噪中，提出了一种基于MCF的汽车干扰消除算法，并设计对仿真信号和实际信号的消噪试验。仿真试验中，MCF消噪性能优于最优小波基算法，而在实际信号消噪中，MCF算法性能优于IIR数字滤波器，与改进最优小波基方法相当。     

进化论动态参量自适应消噪算法

由于以输出信号平均能量的倒数为适应度函数、以及定值克隆系数和定值匹配系数的因素,制约了传统进化论自适应消噪算法的收敛特性,影响了传统进化论自适应算法降噪的有效性。针对该问题,提出了基于动态适应度函数的进化论变系数自适应消噪算法。新算法中,匹配系数与进化代数相关联,克隆系数由进化代数和适应度值决定,并采用动态适应度函数,改善了滤波器的收敛特性和噪声抑制能力。模拟仿真分析表明,新算法较同类进化论算法有较快的收敛速度和良好的消噪效果。物理台架实验数据验证了该算法对故障信号的有效提取能力。     

基于EEMD和共振解调的滚动轴承自适应故障诊断

本文为解决滚动轴承原始振动信号信噪比低以及带通滤波器参数选择依赖于人的主观经验等影响传统共振解调技术有效应用的问题,提出了EEMD自适应消噪和自适应共振解调相结合的方法。论文首先利用EEMD自适应地将信号分解成多个分量,通过互相关系数方法进行自适应重构以突出故障特征信号,然后利用谱峭度自动确定带通滤波器的中心频率和带宽,最后对滤波后的信号进行能量算子解调谱分析。数字仿真信号和滚动轴承实验证明了该方法的有效性。     

一种新的声发射信号消噪及故障诊断方法

在旋转机械故障诊断中,声发射信号极易受到噪声的干扰。针对经验模态分解(EMD)易产生模态混叠现象,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的消噪和旋转机械声发射碰摩故障诊断的方法。利用了EMD和小波变换的优点,通过对傅里叶频谱进行自适应划分,并构建小波滤波器组来提取声发射信号所包含的不同固有模态分量,可有效消除模态混叠现象,同时对分量进行Hilbert变换从而实现声发射信号的消噪和故障诊断。采用该方法对仿真信号进行加噪声和消噪处理,在同信号源下,对比基于d B4全阈值消噪、d B4默认软阈值消噪、d B4对高频系数处理消噪和EMD消噪效果。并将该方法应用到实际的声发射碰摩信号中。仿真和实验分析结果表明:EWT方法可以有效地分解出信号的固有模态,分解出的模态少,并且不存在难以解释的虚假模态,消噪效果优于其他方法,并且在声发射故障诊断中也有较大的优势。     

双自适应提升方法用于洞壁加速度信号消噪

摘要：爆炸应用波对岩土洞壁所产生的加速度随着能量和时间的变化表现出非平稳的特性，由于加速度传感器的内阻高、输出信号小，容易受到环境噪声的影响，实测加速度曲线中存在大量的噪声信号。文中采用一种双自适应提升的小波变换方法对加速度信号进行消噪处理，在提升过程中采用自适应的方法设计更新算子和预测算子，并采用半软阈值法消噪。实验结果表时，双自适应提升小波变换结合半软阈值消噪方法与传统小波变换消噪方法相比，消噪后加速度信号的信噪比（SNB）有所提高，并且保留了突变信号部分信息量，基于提升方法也大大提高了算法灵活性，缩短计算时间。     

基于频域ICA的语音特征增强*

为了降低卷积噪声对语音特征所产生的影响,提高语音识别正确率,文章提出了一种基于频域ICA（Independent Component Analysis,独立分量分析）的语音特征增强算法。该算法首先使用频域ICA方法作对噪声进行估计,然后在倒谱域内将带噪语音信号的短时谱减去所估计噪声的短时谱,最后根据去噪后语音信号的短时谱计算美尔倒谱系数（MFCC）作为特征参数。在仿真和真实环境下的语音识别实验中,本文所提出的语音特征参数相比较传统的MFCC其识别正确率分别提升了38.2%和35.8%。实验结果表明本文所提算法能够较好地解决卷积噪声环境下训练与识别特征不匹配的问题,有效提高了语音识别系统的识别正确率。     

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME（平均方差）都有所改善。另外本文实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。     

基于EMD间隔阈值消噪与极大似然估计的滚动轴承故障诊断方法

针对小波阈值消噪用作滚动轴承故障信号处理存在小波基函数较难选择及传统硬阈值、软阈值消噪效果差等缺点,将EMD间隔阈值消噪与极大似然估计相结合,应用于滚动轴承早期微弱故障诊断。对原始信号进行EMD分解;对各IMF进行基于极大似然估计的间隔阈值消噪,并重构出故障信号;进行包络谱分析得出诊断结果。数字仿真信号与实验信号验证了该方法的有效性。     

基于参考模型的自适应话音处理

本文讨论了一种带有参考通道的自适应话音消噪滤波器原理，该滤波器采用最小均方差(心幅)算法。将此滤波器应用于复杂噪音背景的话音信号提取，能很好地抑制背景噪声，从而获得清晰的话音信号。     

组合声源管路信号失真的自适应修正方法研究

针对使用外置声源模拟汽车进气、排气噪声进行空气声传递路径分析的试验中,现有低频声源无法发出进排气时频率为30 Hz的低频噪声,同时由于低频声源体积过大需要过渡管道才能将噪声信号传输至排气尾管.为了解决声源系统引入过渡管道带来的声阻抗变化,提出了一种自适应预滤波的噪声修正方法.该方法采用最小均方误差自适应算法对系统逆传递...     

Nonlinear clutter suppression using split spectrum processing andoptimal detection

Nonlinear processing of outputs from a filter bank to reduce ultrasonic clutter is often referred to as split spectrum processing (SSP). In this work, the optimal detector (OD) for a known transient in additive Gaussian noise is formulated as a filter bank followed by a nonlinear operation (decision). Then, the new formulation is used for several purposes. The first purpose is to present a simple framework for comparison of SSP based on the polarity thresholding (PT) method with SSP based on the OD. The second purpose is to point out that although the OD relies on a test statistic which is a linear function of the observed samples, it can be used for nonlinear clutter suppression. This is because the OD output is used to gate (mask) the original ultrasonic signal and the OD output is a nonlinear function of the filter bank outputs. The third purpose is to identify practical advantages of OD-based SSP, including fewer demands on the experimental data used for parameter tuning, a better understanding of the processing performed, improved resolution, and fewer parameters to tune. The fourth purpose is to discuss the difference between contrast enhancement in clutter suppression and receiver operating characteristics in detection theory. Statistical and geometrical interpretations of both PT and OD are also presented, as well as experimental results from simulated and real ultrasonic data     

Medical image enhancement algorithm based on NSCT and the improved fuzzy contrast

In order to solve the problem of noise amplification, low contrast and image distortion in the process of medical image enhancement, a new algorithm is proposed which combines NSCT (nonsubsampled contourlet transform) and improved fuzzy contrast. The image is decomposed by NSCT. Firstly, linear enhancement method is used in low frequency coefficients; secondly the improved adaptive threshold function is used to deal with the high frequency coefficients. Finally, the improved fuzzy contrast is used to enhance the global contrast and the Laplace operator is used to enhance the details of the medical images. Experimental results show that the proposed algorithm can improve the image visual effects, remove the noise and enhance the details of medical images. © 2015 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 25, 7–14, 2015     

对纹理敏感的误差扩散算法设计

针对误差扩散算法输出中边缘易被模糊的问题,对该算法的基本原理进行了分析,认为原因是误差扩散改变了未处理像素在量化中的取值倾向。据此设计了一种对图像纹理敏感的误差扩散滤波器。因该滤波器在平滑渐变区域输出质量较差,为此又设计了基于局部傅里叶分析的滤波器选择算法,分别使用该滤波器与传统滤波器处理纹理丰富区、平滑渐变区。通过对该算法输出的测试图进行评价,证明了算法对提高半色调输出质量有较明显的作用。     

模糊自适应滤波的主动控制方法研究

由于主动控制中广泛使用的自适应滤波 - x L MS算法只适用于线性控制问题 ,针对一些非线性问题 ,本文提出利用一种非线性自适应滤波方法——基于模糊逻辑系统的自适应滤波方法来解决一类参考信号与外扰呈非线性函数关系的前馈主动控制问题。仿真结果表明 ,该模糊自适应滤波器优于线性滤波器的控制效果     

一种新的回音消除的双向通话检测算法

在回音消除的算法中,近端语音信号的出现会引起预测回声路径的自适应滤波器发散,一个很成熟的回声消除算法一定包含双向通话检测算法。提出了一种基于滤波器抽头活跃位置的双向通话检测算法,该算法利用滤波器最活跃的抽头位置相邻的n个抽头2．范数作为一个检测参数,并且区分滤波器间差异性的参数的阈值是动态的,该算法对双向通话的出现与消失能做出快速的响应,实现简单,检测准确。文章的双向通话检测新算法是基于双辅助滤波器的回音消除器的结构,通过录制了真实的环境语音仿真验证了该算法的鲁棒性。     

石油管道超声检测信号的两级自适应噪声消除算法

针对石油管道缺陷超声检测信号的噪声消除问题, 研究了一种两级自适应噪声消除算法. 第一级自适应滤波器作为预处理级, 使信号获得较好的相关性和信噪比, 确保第二级自适应滤波器获得更优的性能. 实测超声信号两级自适应滤波结果表明: 两级自适应滤波算法能有效增强超声检测信号中的缺陷信号成分, 显著提高信噪比.     

线性修正下的神经网络盲均衡算法

研究了一种利用横向滤波器对神经网络进行线性修正的盲均衡算法。在神经网络的输入层之前加入一个横向滤波器,以横向滤波器的节点输出作为神经网络盲均衡器的输入,利用常数模代价函数分别得到横向滤波器和神经网络盲均衡器的瞬时输出误差,将瞬时误差加权处理作为调节误差分别对横向滤波器和神经网络盲均衡器的权系数进行调节,算法实现了对非凸性误差曲面进行线性和非线性寻优的组合。计算机仿真证明提出的算法有效提高了神经网络盲均衡算法的收敛速度,降低了稳态剩余误差,具有更好的实用性和均衡性能。     

多维线性模型参数估计的神经网络方法

本文提出一种用于多维线性模型（ＡＲ，ＡＲＭＡ）参数估计的神经网络方法和相应的递归预测误差算法。本文在分析多输入、单输出，含一个隐含和多层神经网络的输入输出关系的基础上，提出了首先将理想输出Ｘｉ进行预畸变（Ｆ（Ｘｔ））作为神经网络的训练目标。当神经网络训练完毕后，网络的连接权就是待估计的线性模型参数。本文提出方法的优点是网络结构简单，估计结果准确。仿真模拟结果表明，本文所提出的神经网络方法估计多维线性模型参数是有效的。     

Real-time tracking of time-varying velocity using a self-mixing laser diode

A new method is proposed for estimating the time-varying velocity of a moving target with a low-cost laser sensor using optical feedback interferometry. A new algorithm is proposed to track velocity variations from real-time analysis of the output signal of a self-mixing laser diode. This signal is strongly corrupted by a multiplicative noise caused by the speckle effect, which occurs very often with noncooperative targets used in many industrial applications. The proposed signal processing method is based on a second order adaptive linear predictor filter, which enables us to track the digital instantaneous Doppler frequency, which is proportional to the velocity. A model of the laser diode output signal is proposed, and it is shown that the sensor and its associated algorithm have a global first-order lowpass transfer function with a cutoff frequency expressed as a function of the speckle perturbations, the signal to noise ratio and the mean Doppler frequency. Numerical as well as experimental results illustrate the properties of this sensor.