基于复小波域的自适应贝叶斯估计SAR图像相干斑抑制算法

提出了一种基于复小波域的自适应贝叶斯估计SAR图像相干斑抑制算法。该方法将传统小波的软阈值去加性噪声的特性与双树复小波变换的方向选择性结合起来,可以自适应选择有效的阈值来保留边缘等细节。应用贝叶斯估计来计算复小波系数的最佳值。该估计算子假设信号和噪声的复小波变换系数分别满足阿尔法稳定分布和高斯分布。实验结果表明该算法的去噪性能优于现有的基于离散小波变换的算法。     

对α稳定分布噪声中振动信号滤波研究

在振动测量中,采用基于高斯模型的信号处理方法进行噪声处理,但对于强冲击噪声则出现性能退化。研究α稳定分布信号的特性,提出采用中值滤波结合工程算法的方法进行滤波处理。仿真结果表明,在不同冲击性α稳定分布噪声环境下,采用高斯模型分析结果出现退化,而采用中值滤波变换结合工程算法,对幅值大的尖脉冲噪声具有较强的韧性,变换得到频域信号结果能够表征频率特性,具有更广泛的意义。     

基于BP神经网络自适应噪声抵消系统的设计与实现

在基于误差反向传播学习算法的多层前向人工神经网络进行分析基础上,结合传统自适应噪声抵消系统基本原理,建立了基于人工神经网络的自适应噪声抵消器,并经过基于Matlab的Simulink仿真实例来证明人工神经网络具有很强的噪声滤除能力和鲁棒性,并提出了网络及算法进一步改进的方法.     

一种改进的遥感图像去噪自适应中值滤波算法

遥感图像在其获取、传输的过程中,受多种因素的影响,会含有大量噪声而使图像降质。文中在分析标准的中值滤波算法和自适应中值滤波算法的基础上,结合均值去噪提出了一种改进自适应遥感图像去噪方法。通过MATLAB实验证明:在噪声密度较大时,该算法能有效的滤除遥感图像椒盐噪声,同时可更好的保存原始图像的细节和边缘信息。与其它传统方法相比,文中介绍的方法更具有一定的优势。     

基于自适应NLM算法的地震勘探随机噪声压制研究

针对地震信号中有效信号数据存在重复性与冗余信息较多等特点,对比分析了传统的NLM算法与改进后的自适应NLM算法对地震勘探随机噪声压制,研究了不同SNR下的模拟地震信号以及两种方法去噪后的MSE和SNR对比,研究得出:当采用传统的NLM算法时,由于整个地震数据信号只利用一个滤波参数,忽略了信号区域内的不同噪声强度与结构特性,效果不佳;而采用自适应的NLM算法的滤波方法,能够较好的实现滤波的效果,模拟仿真信号与真实地震信号的滤波效果,有效验证了改进算法的自适应NLM算法对地震勘探随机噪声具有较好的压制去噪作用。     

基于噪声检测的矿井视频监控图像投票中值滤波

矿井视频监控由于受到井下光照不均匀、高浓度粉尘、成像器件电压不稳定等因素的影响,导致实时获取的图像对比度不高且含有大量的颗粒状噪声,严重影响对图像的准确判读与分析。为此,对经典中值滤波算法进行了改进,提出了一种融合噪声检测策略与投票统计学原理的改进型中值滤波算法。首先对获取的原始矿井视频监控图像采用双平台直方图均衡化算法(Double platform histogram equalization,DPHE)进行处理,该算法通过对图像各灰度级对应的像素点数目设定2个阈值(平台值)对图像背景信息进行抑制,对图像细节信息进行增强;然后将增强后的图像划分为多个规则图像块,根据各图像块内像素点灰度值的分布特征设计了一种噪声图像块自适应检测方法,若某图像块内的灰度值异常点数目超过一定限值,则该图像块被标记为噪声图像块;最后,对噪声图像块进行投票中值滤波。采用C++语言对所提算法进行了编程,并采用2幅采集于某煤矿井下综采工作面的视频监控图像进行试验,结果表明:所提算法对于不同失真程度的矿井视频监控图像的处理效果优于中值滤波、直方图均衡化等算法,对于最大限度地发挥矿井视频监控系统的作用有一定的参考价值。     

自适应滤波与极窄带陷波器在异步电机转子断条故障诊断中的应用

采用最小二乘法RLS自适应滤波算法对鼠笼式异步电动机定子侧电流信号进行自适应滤波,以滤除电流信号中的噪声干扰,再经过50 Hz的极窄带陷波器消除工频分量对断条特征分量的干扰,并在傅里叶频谱上实现断条的检测。实验证明,采用自适应滤波算法与极窄带陷波器相结合的方法,很好地解决了噪声对定子侧电流信号的干扰,能够实现鼠笼式异步电动机断条分量的识别。     

基于LMS算法自适应滤波器的仿真应用

自适应系统理论由于可以通过学习与适应外界的变化来解决经典系统设计方法中存在的局限性,受到国内外学者的广泛关注。本文在滤波器经典设计方法的基础上,结合LMS改进算法,研究了基于自适应FIR(Finite Impulse Response,有限冲击响应)滤波器的消噪系统。在仿真与应用部分,利用MATLAB进行了自适应FIR滤波器的设计与仿真,并通过对加噪声的音频信号进行处理验证了滤波的效果。研究表明,跟传统方法相比,自适应FIR滤波器具有较小的通阻带纹波,接近理想特性。     

两种抗差Kalman滤波在隧道监测中的应用研究

标准的Kalman滤波模型,要求系统噪声统计特性满足零均值白噪声等条件,但在实际工程应用中,一般会因复杂环境而难以满足要求。为此,以实际铁路隧道沉降监测为背景,对基于自适应因子的抗差Kalman滤波和基于稳健估计的抗差Kalman滤波的应用进行了比较研究。结果表明,两种抗差滤波算法均能抵御粗差影响,但前者应用效果更佳。     

基于Camshift自适应多特征模板的视频目标跟踪

Camshift算法实时性高,计算量小,在目标跟踪领域应用效果良好。但其仅依靠颜色模型的特点使得在噪声大、照度不均的井下视频目标跟踪中易造成目标丢失。通过在Camshift基础上建立多特征融合的模板自适应更新算法,实现边缘、纹理等特征的融合,制定特征贡献度规则,在环境变化时根据不同特征贡献度的不同自适应分配权重,更新模板。实验结果表明：新算法抗干扰能力强,特征间互补不足,跟踪准确,在煤矿复杂环境井下视频目标跟踪中有良好应用前景。     

基于小波变换和BP神经网络的地震波初至拾取方法

该文给出了一种利用Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ最优化算法来改进ＢＰ神经网络的方法。通过仿真试验,证明了改进的ＢＰ算法具有收敛速度快和精度高的特点。为了进一步提高ＢＰ网络拾取地震波初至的抗干扰能力,该文提出了应用小波变换对地震波信号进行预处理来消除噪声影响。该方法经实际应用取得了满意的效果。     

FASTICA算法在齿轮箱故障中的研究

振动分析是进行齿轮箱状态检测与故障诊断的重要手段。齿轮箱振动信号中常常含有大量噪声,这使得信号和噪声的频谱在频域内发生了重叠。研究适于齿轮箱振动信号处理方法。探讨基于负熵的FASTICA方法在齿轮箱机械故障特征提取中的应用,通过分析验证所研究的算法的有效性和适用性。     

矿井噪声主动控制技术研究及参数优化

矿井下有很多主动降噪设备降低噪声,但主要对高频噪声有较好的效果。针对井下环境中的复杂噪声信号,采用主动降噪算法降低噪声对矿工身心健康的影响,分析了LMS算法存在的次级声源信号的反馈和声音信号传输的延迟两大问题;针对存在的两大问题,采用FX-LMS算法,在次级通道上引入一传递函数对原始参考信号进行预处理,并给出了FX-LMS算法中收敛步长取值范围的求解方法,为寻求最优实验参数提供了参考依据。在MATLAB开发环境中,对混有白噪声的声音信号进行降噪处理,给出了不同收敛步长下的仿真结果,结果表明FX-LMS算法是有效的,并验证了收敛步长会影响收敛速度和稳态误差。     

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。     

深部采空区点云数据预处理研究与应用

依据MDL VS150空区探测仪工作原理及点云数据空间拓扑关系的特点, 基于弦高比理论、最大夹角理论及周长比理论, 提出一种点云去噪及数据精简的点云数据完整预处理算法和实施流程, 并在广西某矿山的空区探测中开展了实际应用。结果表明;该预处理方法在实现去除噪声点、降低点云数据总量的同时, 有效保留了采空区边界三维信息的完整性, 最终得到的精确空区三维模型与实际情况符合较好, 是一种高效可靠的采空区点云数据预处理方法。     

矿山遥感图像自适应加权改进中值滤波算法

矿山遥感图像的质量受成像区域环境的影响较大,加之成像器件固有的缺陷,易导致获取的图像存在一定程度的失真,影响对遥感图像的判读和分析。为此,在中值滤波（Median filtering,MF）算法的基础上进行了加权改进,提出了一种适合于遥感图像处理的自适应加权改进中值滤波算法（Adaptive weighted improved median filtering,AWIMF）。首先将遥感图像划分为多个尺寸为7 ×7的图像块,对每个图像块分别统计像素点灰度极大（小）值,将该类像素点标记为第1类疑似噪声点;其次计算每个图像块的像素点灰度中值,将各图像块中的每个像素点灰度值与对应的像素点灰度中值作差,将较大差值对应的像素点标记为第2类疑似噪声点,将2次检测均被标记为疑似噪声点的像素点确定为噪声点;然后,以每个噪声点为中心选取尺寸为5× 5 的滤波窗口,根据滤波窗口内各像素点灰度值与所在滤波窗口的像素点灰度中值的差值计算权重,分别将各像素点灰度值与对应的权重进行加权计算,实现对噪声点的高效滤波;最后,采用直方图规定化算法（Histogram specification,HS）对滤波后的图像对比度进行调节。采用内蒙古白云鄂博矿区遥感图像进行试验,结果表明,所提算法的性能相对于中值滤波及其已有的几类改进型算法而言,优势较明显。     

小波遗传神经网络在大型直线振动筛故障诊断中的应用

以大型直线振动筛侧帮裂纹为研究对象,利用小波分析对振动信号进行降噪和故障特征提取,设计了用于系统故障诊断的BP神经网络,并用遗传算法对网络结构和参数进行优化。通过样本训练、测试和在振动筛侧筛裂纹诊断中的应用,证明了这种小波遗传神经网络具有较高的故障识别能力、分类精度和速度。     

基于PURE-LET的激光光斑图像快速去噪算法

煤矿井下低照度成像环境会导致图像中产生泊松噪声，将引起激光光斑图像的强度和形状分布的不确定性，从而影响激光三角测距的精度。提出了一种基于PURE-LET（Poisson Unbiased Risk Estimator-Linear Expansion of Threshholds）的煤位表面激光光斑图像的快速小波域去噪算法。给出了泊松噪声下小波系数估计MSE（Mean Squared Error）的一个无偏估计子PURE，并将小波系数估计子写作一组基本阈值函数的线性组合以提高算法速度。仿真图像与真实煤仓图像的实验显示，与3种典型图像去噪算法（BayesShrink，Poisson_NLMeans，PURE-LET）相比，提出的PURE-LET-Smooth算法具有更好的噪声抑制能力，同时具有保持图像边缘结构和快速计算的特点，这在实时光斑质心精确计算和三角测距应用中是一个明显优势。此外此算法具有阈值函数组合系数的快速自动计算特点，适用于自动煤位检测应用。