粒子滤波在含噪齿轮箱故障盲源分离中的应用

在机械故障诊断中,传感器所获得的信号不可避免地受到各种未知噪声的干扰,针对这种复杂噪声环境下的机械信号盲源分离不能得到较好分离效果的问题,提出了一种将粒子滤波用于含噪信号盲分离的方法,首先利用Rao-blackwellised粒子滤波对观测信号进行降噪处理,然后再进行独立分量分析。仿真和实验结果表明该方法是有效的。     

手机图像处理技术专利现状

随着彩信手机、拍照手机、智能手机等手机的发展,手机已不再简单地只是打电话发短信的一个工具,而渐渐成为集个性化、娱乐化为一体的数据中心.如何满足用户在获取图像后对图像进行个性化处理的需求,就变得十分重要.因此,手机图像处理已然成为手机技术发展的研究热点.针对手机图像处理领域的专利文献,给出了该领域主要申请人的申请量分布图,并对该领域的重要专利分布进行分析.     

引信激光信息交联系统光电探测接收模块降噪技术的研究

本文主要从降低系统噪声的角度出发,研究提高激光信息交联系统的微弱信号接收能力的光电探测接收技术.通过对信号接收检测系统噪声影响因素的分析,提出了两个降低光电探测接收系统噪声的解决方案:采用BJT组成的前置放大器电路和采用视频放大器组成前置放大器电路,并进行了关键参数的仿真,为系统设计提供了参考依据.     

三维地震勘探中强声波干扰的压制

在三维地震资料采集中产生的声波为非线性干扰波,能量强,频谱宽,利用常规的分频去噪和线性压噪方法难以将其去除,使后续的资料处理效果受到影响。基于声波具有非常稳定的传播速度这一特点,提出了一种利用非线性变换手段压制强声波干扰的方法。方法原理是,首先对三维地震资料中含声波到达时间的某段记录(时窗)进行转换,将非线性声波时距关系转换为速度趋于无穷、波数趋于零的一组噪声;然后应用f-k滤波对这组噪声进行压制;最后,再通过逆转换得到声波压制后的结果。该方法易于实现,并只对声波到达时间处的小范围数据进行处理,数据量小,计算效率高。对实际三维地震资料的处理结果表明,该方法压制强声波干扰的效果非常明显。     

笔迹鉴别预处理算法的设计与实现

笔迹鉴别是身份鉴别技术中的一种有效方法.作者深入细致的研究了笔迹鉴别中的各种预处理算法,对其中一些传统的处理方法提出了改进方案,以vc++6.0为开发平台通过大量的实验进行了验证,实验表明提出的算法具有处理效果好、可行性强、速度快等一系列的优点,用63副样本做对比实验,新方法可以提高笔迹鉴别率9%左右,其在笔迹鉴别、车辆识别、地理信息系统等图像处理领域都有较好的应用价值.     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。     

雷达辐射源信号聚类分选算法

基于脉内特征参数的聚类是实现雷达辐射源信号分选的一种重要途径.本文在小波域滤波算法的基础上提出一种新的雷达辐射源信号脉内特征提取和聚类分选方法,将小波变换后的低频逼近小波系数的能量分布熵与经过尺度相关去噪计算后反映信号边缘的高频细节小波系数能量分布熵作为分选的脉内特征向量,并引入灰关联测度来衡量脉内特征样本之间的相似程...     

基于小波的多路信号估计方法

从带噪信号中估计源信号在很多应用领域都是重要课题,例如通信、医学成像、远程图像以及天文学等等。估计多路信号是其中的一个小子集。本文阐述了最近提出的基于小波的多路二维信号估计方法。这种方法通过离散傅立叶变换(DFT)和二维离散小波变换(DWT)近似最佳地使数据解相关,从而充分地利用了信道内和信道间信号的相关性。同时,运用Normal Shrink降噪算法改进估计结果。     

利用EMD的自适应图像去噪

为了在去噪的同时保证图像细节尽可能不被破坏,提出了利用经验模式分解（Empirical Mode Decomposition,EMD）的自适应图像去噪方法。对噪声图像按照列、行、左对角和右对角方向一维展开,分别进行EMD处理,采用提出的基于噪声标准差的自适应阈值对各个基本模式函数（Intrinsic Mode Function,IMF）进行局部硬阈值去噪,将去噪后的IMF进行反变换分别获得按照四个方向展开对应的去噪后图像,将它们加和平均得到去噪后图像。实验结果表明,提出的方法能够有效地去除图像的噪声并保留足够的图像细节。     

一种复合局部与非局部梯度的图像去噪变分模型

局部变分有效地增强图像的轮廓信息,但不可避免地模糊图像的细节并在平滑区域产生阶梯效应。非局部变分能有效重构图像的纹理信息,但同时会破坏图像的结构轮廓信息。考虑到局部与非局部变分的互补性,提出了一种基于图像局部梯度与非局部梯度的复合变分模型,并通过Bregman交替迭代极小化图像的局部梯度与非局部梯度的L1范数,使去噪后的图像在去除噪声的同时更好地保留图像的结构与细节信息。对比实验证明,提出的复合变分模型有效地利用了图像的局部变分与非局部变分的优点,在图像评价的主客观方面都表现出了更好的性能。