基于几何纹理与Anscombe变换的蜂窝材料太赫兹图像降噪模型

为解决太赫兹（Terahertz,THz）图像内泊松高斯混合噪声导致芳纶纤维蜂窝材料脱粘缺陷轮廓检测精度低的问题,基于Anscombe变换与小波阈值法构建了THz图像降噪模型。高斯噪声方差为降噪模型的必要参数,但实际THz图像噪声分布未知,且噪声与纹理在高频混叠,给方差准确估计提出了挑战。为此,首先以样件纹理几何形状为先验信息,构造Benzene-ring算子去除THz图像纹理,使其小波域高频分量中仅含有噪声;然后提出改进的Logistic混沌映射提高样本集的多样性,以训练Elman神经网络准确建立高频分量与高斯噪声方差间映射关系;最后依据噪声方差估计值,基于Anscombe变换将泊松高斯混合噪声转化为高斯噪声,并利用小波阈值法与Anscombe逆变换得到了最终THz降噪图像。仿真与试验结果表明,所提出的方法降噪效果最佳并有效提高缺陷轮廓检测精度,相比于高斯滤波、小波阈值以及非局部均值法,平均梯度指标分别提升12%、33%、9%,缺陷面积绝对误差分别降低234 mm²、304 mm²、263 mm²。     

基于正态反高斯模型的自适应小波消噪方法

提出一种基于正态反高斯分布模型局部逼近小波系数的降噪算法。该算法以db5小波作为振动信号的分解小波,对噪声信号进行分解。对于分解过程中包含大量噪声的小波系数,利用具有良好细节逼近性能的正态反高斯分布构造先验模型,在先验模型的基础上,运用贝叶斯最大后验概率估计从含噪的小波系数中估计出真实的小波系数。在后验估计的过程中,对于估计模型中的关键系数采用粒子群算法进行优化选取。利用估计的小波系数来重构信号,得到降噪后的信号。通过仿真实验和实际轴承的故障信号对该方法进行了验证,结果表明,该方法具有较好的降噪效果,可以有效的消除信号的噪声。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

自适应Laplace统计模型下的量子降噪算法

受量子理论启发,提出自适应Laplace统计模型下的量子降噪算法,并将其成功应用于机械故障诊断。建立起带自适应参数的Laplace概率密度函数模型,提高统计模型的适用性;结合贝叶斯估计理论,推导出小波系数收缩函数;利用父-子代小波系数的相关性,提出量子叠加态信号与噪声出现概率,并推导出基于量子叠加态参数估计的方差公式,实现小波系数的非线性收缩。通过仿真试验和轴承故障诊断实例分别对此算法进行分析和验证,结果表明,该算法均具有良好的降噪效果,可以有效地对机械振动信号进行降噪。     

应用小波变换实现光谱的噪声去除和基线校正

为消除实测光谱信号中的噪声和基线干扰,给出了一种基于小波变换实现两者同时去除及其参数选择的新方法。该方法通过对光谱信号在小波域内的低频段小波系数置零来实现基线校正,通过对较高频段小波系数阈值处理来实现噪声去除;并利用纯光谱和常见基线、噪声的仿真信号,通过兼顾重构信号整体逼近和特征峰处局部逼近的评估系数η来实现小波基、分解层数、阈值估计方式等参数的选取。仿真实验表明,仿真信号采用sym5、db5或db9等小波基进行5次分解,然后低频成分置0及所有高频成分利用单层Heursure阈值估计算法进行硬阈值处理较为合适。进一步的实验表明,该方法对实测光谱中噪声和基线的消除是行之有效的。     

小波降噪算法在临界折射纵波残余应力检测中的应用

利用超声波方法在进行材料及结构的残余应力检测时,影响因素众多。其中由于物体本身材料的不均匀性或存在缺陷,产生的超声信号噪声会影响应力的检测精度。以小波降噪算法为研究对象,对小波分解层数、阈值算法和阈值处理算法等影响小波降噪的三个条件进行综合分析。结果表明:当选用硬阈值算法对小波系数进行处理后重构的信号信噪比值整体比软阈值算法高很多;在选用无偏似然估计阈值和启发式阈值时,整体的降噪效果比使用固定阈值和极大极小阈值时好很多;并且在相同阈值处理和阈值算法下,降噪效果随着均随着分解层数的增加而降低。选用sym8小波,3层小波分解、无偏似然估计阈值和硬阈值处理是最优的降噪参数。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法.首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验.仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显.     

基于复小波块阈值的降噪方法及其在机械故障诊断中的应用

提出一种基于对偶树复小波块阈值的信号降噪方法,并将其成功应用于机械故障诊断中.机械设备的振动信号都或多或少地含有噪声,导致弱故障信息的提取一直是故障诊断的难点和热点.提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性,可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的NeighBlock降噪法更高的信噪比,不仅能有效抑制高斯白噪声,还能够去除冲击信号中的脉冲噪声.对实际信号的研究表明:这种降噪方法可以提取齿轮箱早期故障信息和强噪声背景情况下的隐含故障信息,特别对提取弱冲击故障信号非常有效.     

小波域局部Laplace模型降噪算法及其在机械故障诊断中应用

提出一种基于小波域局部拉普拉斯模型的降噪算法。并将其成功应用于机械故障诊断中。降噪算法利用复小波变换幅值和相位的组合信息对信号奇异点具有更好的敏感特性,对各尺度上信号奇异点予以精确定位;根据各尺度上奇异点位置和一定宽度的邻域窗,将实小波分解的各尺度上小波系数分为两类：有效系数和无效系数。将奇异点邻域窗之外的无效系数直接置零;而对邻域窗内有效系数的统计分布进行拉普拉斯建模。在先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出真实信号的小波系数。利用信号小波系数的估计值来重构信号,便得到降噪信号。通过仿真试验和汽车驱动桥主减速器故障诊断实例分别对此算法进行分析和验证,结果表明,该算法均具有良好的降噪效果,可以有效地对主减速器中齿轮故障信号进行降噪。     

Noise Variance Estimation Using Image Noise Cross‐Correlation Model on SEM Images

A number of techniques have been proposed during the last three decades for noise variance and signal‐to‐noise ratio (SNR) estimation in digital images. While some methods have shown reliability and accuracy in SNR and noise variance estimations, other methods are dependent on the nature of the images and perform well on a limited number of image types. In this article, we prove the accuracy and the efficiency of the image noise cross‐correlation estimation model, vs. other existing estimators, when applied to different types of scanning electron microscope images. SCANNING 35: 205‐212, 2013. © 2012 Wiley Periodicals, Inc.     

基于经验模态分解的改进乘性噪声去除方法

乘性噪声往往由不理想的(时变的或非线性的)信道引起,它与信号是相乘的关系,因此难以消除。在乘性噪声消除应用背景下,引入同态变换去除噪声与信号的相倚性,将乘性噪声转化为加性噪声,并应用经验模态分解技术进一步研究受均匀分布白噪声污染的谐波信号及其同态变型的能量分布特性,据此建立起适用于乘性噪声去除的本征模函数幅值滤波新阈值准则。从而,形成基于经验模态分解的改进乘性噪声去除方法。结果表明,采用柔性阈值的改进算法对乘性噪声的去除效果最佳。而且,基于二阶多项式回归分析所构建的本征模函数幅值滤波阈值准则已经可以获得较高的源信号重建精度,过高的多项式阶次会导致本征模函数幅值滤波阈值与其实际噪声能量水平的失配,从而显著地降低算法的去噪性能。     

Potential Accuracy of Estimation of the Information Parameter of a Homodyne Laser Doppler Vibrometer Signal

This paper describes the analysis of the potential accuracy of estimation of the signal modulation index of a homodyne laser Doppler vibrometer with frequency modulation and known and unknown non-information parameters of the signal. The Rao — Cramer inequality is used to obtain expressions for calculating the lower bound of variance of the modulation index estimate and study its relationship with a signal/noise mixture. Recommendations on the choice of conditions for measuring the amplitude of vibro-displacement by the homodyne Doppler laser vibrometer are given.     

基于正弦高斯混合模型的磁目标通用快速检测

在诸如潜艇等磁目标的探测问题中,被测磁目标信号可能表现出参数待定的磁异信号或极低频磁信号的特征。提出了一种可同时检测参数待定的微弱磁异信号和微弱极低频磁信号的通用快速检测方法。通过抓住磁异信号和极低频磁信号在统计上共同具有的分段类正弦特征,建立了正弦高斯混合模型,实现了对参数待定的磁异信号和极低频磁信号的通用建模。基于正弦高斯混合模型和序贯检测理论构建了一种累积和检测器,实现了对微弱磁异信号和微弱极低频磁信号的通用快速检测,给出了未知模型参数的确定方法,分析了所构建检测器的序贯检测性能。并进一步研究了所构建检测器对不同的微弱磁异信号和微弱极低频磁信号的检测性能。在以地磁为背景的磁目标探测系统实验中,验证了所构建检测器对微弱磁异信号和微弱极低频磁信号的通用性和快速性。实验表明,所构建检测器的信噪比可低至-8 dB,计算量相比于传统检测方法降低4个量级。     

对偶树复小波流形域降噪方法及其在故障诊断中的应用

滚动轴承工作环境比较复杂,现场测得的振动信号往往含有大量噪声且滚动轴承早期故障特征比较微弱容易被噪声所淹没,如何有效降低滚动轴承故障信号中的噪声准确提取故障特征是一个难题。将流形理论与对偶树复小波(Dual-tree complex wavelet transform, DTCWT)方法结合,提出一种对偶树复小波流形域降噪方法。将轴承振动信号进行对偶树复小波分解构造高维信号空间,然后利用最大方差展开流形算法(Maximum variance unfolding, MVU)提取高维信号空间中的真实信号子空间,去除噪声子空间,充分利用了MVU的非线性特征提取能力以及DTCWT的完全重构特征和平移不变性。运用仿真数据和滚动轴承工程信号对降噪方法进行检验,结果表明DTCWT_MVU可以有效消除轴承信号中的噪声成分,保持信号特征波形,提高信噪比,具有较强的工程使用价值和通用性。     

Image noise variance estimation using the mixed Lagrange time-delay autoregressive model

The mixed Lagrange time-delay estimation autoregressive (MLTDEAR) model is proposed as a solution to estimate image noise variance. The only information available to the proposed estimator is a corrupted image and the nature of additive white noise. The image autocorrelation function is calculated and used to obtain the MLTDEAR model coefficients; the relationship between the MLTDEAR and linear prediction models is utilized to estimate the model coefficients. The forward-backward prediction is then used to obtain the predictor coefficients; the MLTDEAR model coefficients and prior samples of zero-offset autocorrelation values are next used to predict the power of the noise-free image. Furthermore, the fundamental performance limit of the signal and noise estimation, as derived from the Cramer-Rao inequality, is presented.     

低频成分校正的两谱线法

目前已经提出多种频谱校正方法,但是将它们应用于低频成分时其精度显著下降,这是由于相应的校正模型忽略了实信号所包含的负频率分量的影响。给出考虑负频率影响的一种显式校正方法,它仅利用局部谱峰附近的两条谱线。采用数值实验对新方法进行考核。考核算例包括无噪声、弱噪声和强噪声三种情形。研究结果表明:①新方法总体上接近无偏,但当接近整周期采样时偏差变大。②新方法的经验方差与Cramér-Rao bound(CRB)总体局势相符,前者大体为后者的1～3倍。当采样条件接近半周期采样时,方差接近CRB;当记录长度接近整周期采样时,方差反而比较大。     

波叠加法在机械噪声故障特征提取中的应用研究

声学故障诊断中,测量到的噪声信号是现场所有声信号的混合.为提取待诊设备噪声故障特征,建立机器系统的多声源宽带相关混合声场模型,使用波叠加法重建源表面为任意形状的空间声压场分布,计算出未知声源的数目与位置.提出的算法具有计算速度快、重建精度高,能够消除其他噪声源信号的干扰,从较小的信噪比的观测信号中分离待监测源信号的功率谱,有效提取机械噪声故障特征.实验结果验证模型与算法的可行性.     

基于可交换带通滤波器的CDS新方法

众所周知,随着CCD的不断发展,应用场合的逐渐扩大,噪声已经成为CCD进一步发展的障碍。噪声是CCD的重要参数,它是决定信噪比的主要因素之一。课题针对现有相关双采样技术的局限性,提出了一种新的双采样形式,这就是基于可交换带通滤波器的CDS新方法。对于这种方法,从白噪声和1/f噪声两个方面进行了探讨。为进一步验证这种新方法的特点,课题对此建立了数学模型并进行了仿真,这种模型充分考虑到了采样时刻信号的动态特性,较之其它方法更具实际意义。课题寻求了一种抑制CCD输出噪声的新方法,这种方法较之现存的相关双采样技术具有稳定性高、制作成本低、便于与A/D转换器连接等优点。这是对抑制CCD的输出噪声进行的一次有益尝试,将对提高CCD输出信号的信噪比起到积极的促进作用。