基于小波变换的舰船辐射噪声检测

本文提出了一种基于小波变换的信号检测方法，对白噪声背景下的舰船辐射噪声(简称舰船噪声)进行了检测；推导了相应的检测统计量及其统计分布特性；并与传统的能量检测器、匹配滤波器进行了比较，计算机仿真结果证明了本方法是有效的。     

一种矢量相关性的抗噪声边缘检测方法

对图像中常见的高斯噪声特性进行了分析,对含有较强高斯噪声的数字图像的边缘检测方法进行了研究。分析了边缘的方向性相关特征和连续性相关特征,设计了图像特征矢量图,检测图像特征矢量相关的相似度,提取出抗噪声的图像边缘检测方法。仿真验证表明,对于含有较强高斯噪声的图像,本方法能够有效抑制噪声,而且能够提取出准确清晰的边缘。本算法在噪声图像中能很好地克服普通算子的噪声问题,而且算法简单,计算量较少。     

一种混合噪声滤除方法

传统的混合噪声滤除算法都存在各种不足.本文提出了一种新的基于灰度极值点检测的混合噪声去除方法.首先,该算法在保留图像特征的同时用基于噪声点检测的中值滤波消除椒盐噪声.其次,当椒盐噪声的污染程度低于某设定的阀值时,算法进入高斯噪声滤除阶段.     

舰船辐射噪声混沌特征提取方法研究

研究舰船辐射噪声信号影响目标识别,针对传统子空间降算法只适用于多通道信号处理,为了清楚识别目标,提出多次迭代降噪的思想,并根据定义的信噪比改善量控制迭代次数.用相空间重构进行特征提取,为了降低特征维数,引入K-L变换进行特征压缩,提出一个基于子空间降噪理论与相空间重构以及K-L变换相结合的完整的舰船辐射噪声特征提取方法,进行计算机仿真,结果表明对舰船辐射噪声特征有效提取和分类识别很有效,证明方法对三类目标舰船噪声信号具有较好的分类效果.     

基于Dopplerlet变换的舰船辐射噪声特征提取方法

在对信号进行线性变换的过程中,最好将基函数取成与待分析信号的性态相类似的信号。基于此,提出了一种基于Dopplerlet变换的舰船辐射噪声特征提取方法,给出了基于进化规划算法的Dopplerlet变换分解流程。理论上该方法提取出的特征不包含其他噪声的信息,因此由此提取出的舰船噪声特征更加可靠。使用本文方法与基于小波变换、波形结构、自然尺度等的特征提取方法对收集到的舰船辐射噪声进行了对比识别试验,结果证明基于Dopplerlet变换的舰船辐射噪声特征提取方法更加可靠和有效。     

一种基于矩不变的SAR海洋图像舰船目标检测算法

提出了一种先分离SAR图像场景中的陆地和海洋区域，再利用矩不变自动门限法对分离出的海洋子场景进行舰船目标检测的算法。对数据处理的结果表明，该方法能够有效、快速、准确地检测到SAR海洋图像中的舰船目标。     

噪声图像边缘检测方法的研究*

对图像中常见的高斯噪声和椒盐噪声的特性进行了分析,对含有这两种噪声的数字图像的边缘检测方法进行了研究,尤其对基于顺序形态学的噪声图像边缘检测方法进行了深入的分析研究,基于顺序形态学理论提出了针对分别含有高斯噪声和椒盐噪声的图像边缘检测方法。通过仿真验证表明,对于含有以上两种噪声的图像,提出的方法不仅能够去除噪声而且能够提取出准确清晰的边缘。     

一种基于脉冲噪声检测的图像去噪方法

针对标准中值滤波在去除强噪声时存在的不足,提出一种改进的去噪方法.该方法通过多尺度窗口对图像脉冲噪声进行检测,其中判断噪声点的阈值可由图像中不同区域的灰度值自适应地调整,然后根据检测结果进行选择性滤波.该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节,尤其在强噪声情况下的效果更为明显.最后给出了滤波实验的仿真结果,说明了该方法的有效性.     

舰船辐射噪声功率谱特征提取及系统实现

舰船辐射噪声特征提取是水下被动声探测装置进行目标识别、分类的关键技术;针对于此,研究了基于功率谱的连续谱、线谱特征实时提取技术和工程实现;该技术以分段拟合为基础,首先提取功率谱中的连续谱特征,再从原始功率谱中减去连续谱得到线谱分布,然后进行线谱特征提取;在此摹础上,详细介绍了舰船噪声功率谱特征提取的软、硬件系统设计和实现技术;系统经过实验验证,能有效提取不同类型目标的特征,系统性能良好,可满足新一代水下智能被动探测的要求.     

图像混合噪声的一种组合滤波消除方法

提出了一种基于高斯拉普拉斯边缘检测的含高斯噪声和脉冲噪声的图像组合滤波去噪方法,即首先对含有混合噪声的图像进行中值滤波,再用高斯拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用自适应Wiener滤波对中值滤波后得到的图像进一步滤波去噪,最后将边缘图像嵌入经Wiener滤波得到的平滑图像中。此种方法不但能够有效去除含高斯噪声和脉冲噪声的图像中的噪声,而且可以保持图像的边缘信息,提高了图像的去噪效果和清晰度。     

基于GIS 的区域环境噪声评价方法研究

噪声污染具有复杂的空间分布特征, 传统评价方法难以达到准确、直观的效果。以大学校园为例, 探讨了GIS 方法在区域环境噪声评价方面的应用。研究表明, GIS 方法是区域环境噪声评价理想的技术工具并具有良好的应用前景。将噪声模拟、与GIS 平台整体集成是改善区域环境噪声评价方法的重要途径。     

基于高阶谱和倒谱的舰船噪声特征提取研究

研究舰船目标识别问题,舰船辐射噪声的特征提取一直是信号处理工程领域的难点.原因是海洋环境的复杂性和水声信道的特殊性,导致从复杂背景噪声中获取舰船信号特征显得比较困难.针对上述情况,提出了高阶谱和倒谱等多种类型的提取方法.根据舰船辐射噪声不同的特性,选择合适的提取方法,获取更多的线谱特征和抑制干扰噪声的特征信号.最后,采用高阶统计量的双谱、三谱、11/2维谱和倒谱对实测信号和仿真信号进行了特征提取,并指出各种提取方法所具有的优越性.实验结果表明特征提取方法是可行的,从而为目标识别提供有效的特征量.     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

双稳随机共振系统信号调制噪声效应用于弱信号检测

通过对双稳系统随机共振模型的数值分析，得出在双稳系统输出信号中，有一个正弦信号成分和一个表现为维纳过程的噪声成分分别与输入的正弦信号和白噪声相对应。通过选择合适的系统参数，可以减小系统输出中信号和噪声之间的耦合效应。该系统可以大大抑制噪声，并在双稳系统中产生信号调制噪声效应。然后对双稳系统的输出信号作功率谱分析。不但可以辨识出淹没在白噪声中的微弱正弦信号的频率，还可以较精确地估算出微弱正弦信号的幅值。数值仿真表明，双稳系统的信号调制噪声效应可用于多个微弱正弦信号的检测。     

一种新的基于噪声点检测的脉冲噪声去噪算法

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。该文在此基础上提出了一种新的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据。而在滤除被检测到的噪声点时,采用的是迭代的中值滤波算法。从实验结果中可以看到,与其它中值滤波算法相比,该文的算法在去除脉冲噪声时能取得较好的效果。     

图像中椒盐噪声去除算法研究

为了有效地去除数字图像中的椒盐噪声,提高图像质量,本文 在分析一些典型消除噪声方法的基础上,给出了一种新的椒盐噪声去除算法。首先,针对椒 盐噪声的特点,设计了一种基于动态窗口和邻域像素统计信息的噪声检测算法,有效地区分 了噪声点与非噪声,然后对检测出的噪声点,采用改进的自适性的中值滤波算法进行噪声滤 除,在滤波算法中加入了窗口大小自适应控制和滤波值调优策略。实验表明：该方法不仅能 去除图像中的椒盐噪声,而且能有效地保护图像的细节特征,对于高密度噪声的图像去 除噪声的效果比其他方法更优。     

船舶哭噪声的特征描述及其模糊分类方法的研究

研究了船舶的辐射噪声的分形特征和噪声谱ＡＲ模型特征,并利用这两个特征作为区分船舶的依据;通过聚类分析,发现本文提取的特征具有良好的可分性。文中还详尽研究了Ｍａｘ－Ｍｉｎ模糊神经网络,讨论了各个参量对隶属度函数形成的作用,并提出了几项措施,解决了原有方法的固有问题,通过仿真与实船数据验证分类效果有明显的提高。     

MEMS加速度计信号光电检测与电容检测的噪声分析

在高精度MEMS扭摆式加速度计电容检测和光电检测实现原理的基础上,分析了该加速度计热机械噪声和电学噪声特性.该加速度计结构在品质因数Q=1和Q=85时,热机械噪声分别为2.4μgn/根号Hz和0.28 μgn/根号Hz.对于电学噪声,电容检测的电学噪声为3.27 μgn/根号Hz,光电检测在只考虑电学噪声时能分辨的最小加速度可达0.05 μgn.对比得出对于扭摆式加速度计结构,光电检测具有比电容检测更小的系统总噪声.     

消除椒盐噪声的改进滤波算法

数字图像在采集、传输等过程中会产生椒盐噪声。传统滤波算法在高噪声率情况下,很难对图像进行有效处理。该文在极值中值滤波的基础上,提出一种具有精确噪声点检测步骤的滤波算法,通过设定阈值并考虑相邻像素的相关性来区分噪声点和信号点,提高滤波精度。实验表明该算法在滤除噪声并保护图像细节方面比其他算法有较大提高,在严重噪声污染情况下,对图像的恢复也有较好效果。     

去除椒盐噪声的自适应开关加权均值滤波

提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改算法有更好的滤波性能。