抑制温度信号噪声方法的研究

在空间相机中,温度传感器输出的信号易受到噪声的干扰从而造成有用信号的淹没,因此研究适用于温度信号的噪声抑制方法具有重要的实用价值.本文对干扰温度信号的噪声来源进行了综合分析,并针对温度信号所含噪声的特点,采用中值滤波法和小波阈值滤波的复合数字滤波算法相结合,对温度信号进行滤波,实现了信噪分离的目的,提高了信噪比,并通过MATLAB的仿真功能对输出的信号进行验证.仿真表明,这两种方法的混合使用对温度信号的噪声的抑制有明显的效果.     

一种用于磁流体陀螺微弱信号检测的小波降噪方法研究

新型磁流体陀螺可以同时满足卫星微角颤振在轨测量的亚微弧度测量精度及千赫兹带宽的技术要求,优于当前卫星系统中所用陀螺,是用于卫星微角颤振测量的理想传感器。但是其输出信号极其微弱并且淹没在大量噪声中导致无法有效地实现检测角速度的功能。提出了一种基于自相关的小波阈值去噪算法提取微弱信号。该方法通过计算小波分解各层细节分量的自相关系数,自动确定最优小波分解层数,并通过该自相关系数选择最优去噪阈值。对传统阈值去噪算法与所提出的改进小波算法进行了对比实验,实验结果表明该方法能将输出信号信噪比提高7 dB~10 dB,适用于所设计的磁流体陀螺微弱信号的检测提取。     

微弱光信号检测

光功率计只能检测单通道信号,通过数字滤波系统不仅可以实现多通道同时检测弱光信号,而且较硬件电路检测来说灵活性高,检测精度也可以和进口设备相媲美。     

小波变换在分析化学信号Kalman滤波中的应用

根据小波变换能从原始信号中分离高频段噪声的特性，本文提出一个用小波分析法从分析化学信号中估计Ｋａｌｍａｎ滤波法所需要的噪声测量方差的新途径。     

数字视频滤波方法研究

一般情况下所拍摄的视频图像往往由于多种原因存在着含有噪声的缺陷,使得图像质量下降,对人们正常使用数字视频造成了影响,对数字视频图像进行滤波处理是非常重要的.通过介绍中值滤波和自适应时域递归滤波的原理,针对两种滤波的局限性,将小波域内自适应中值滤波和自适应时域递归滤波方法相结合对数字视频图像进行滤波处理.经实验证明方法有效地克服了中值滤波和小波滤波的不足,能较好地实时处理数字视频图像,具有一定的工程应用价值.     

基于小波分解和Duffing振子的变尺度微弱信号检测

传统的时频分析方法在对周期性微弱信号进行检测时,提取的信息具有信噪比不高的缺点,从而影响了检测效果,为此,利用Duffing振子混沌系统对噪声的强免疫力的特征,提出了一种基于小波分解和混沌阵子的混合微弱信号检测方法;首先,采用小波变换对信号进行分解,通过小波变换的平滑作用实现对含噪微弱信号的离散处理,并设计了一种根据阈值来确定分解层数的方法,然后将降噪后的重构信号作为Duffing阵子的周期驱动力并入混沌系统,采用混沌Duffing阵子阵列实现在强噪声背景下的微弱信号检测,并提出了一种临界状态策动力幅值和初始相位的自适应确定方法;在Matlab7仿真环境下进行实验,结果表明:文中方法能有效地对湮没在强噪声下的微弱信息进行检测,具有信号检测信噪比高,重构信号频率较其它方法更接近于真实频率,具有较强的可行性。     

基于Transformer的汽轮机滚动轴承早期微弱故障检测方法研究

为了应对滚动轴承早期微弱故障的挑战本文提出了一种新的方法。该方法首先采用PCA（主成分分析）对振动信号进行特征筛选,以降低数据维度,有效地简化了振动数据的结构,增强了特征的表达力。接着,使用CEEMDAN（完全自适应噪声集合经验模态分解）算法来分解被背景噪声干扰的微弱故障振动信号,它通过在经验模态分解（EMD）的基础上引入自适应噪声,增强了对微弱特征的识别能力,有够效地分离出趋势和噪声数据,显著提高了故障诊断的准确性。最后,引入Transformer模型,进一步优化了特征的提取和表征,实现对长序列数据的高效处理,用于微弱故障特征的提取和表征。这一综合方法具有降维、噪声抑制和长序列处理等多重优势,有望在滚动轴承故障检测中取得显著成果。     

一种改进的图像复原方法的研究

该文提出了一种改进的图像复原方法,能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像,将小波阈值降噪与自适应中值滤波相结合,既能很好保持图像的边缘,又能有效抑制噪声,使图像复原达到理想效果。     

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.     

基于三维曲波变换的弱信号恢复方法研究

传统的弱信号恢复方法在强噪声背景下具有较大的局限性,有用的信息往往淹没在强噪声背景下不易被识别。针对这个难点,提出一种基于三维曲波变换的弱信号恢复的方法。该方法将三维曲波变换和自适应滤波器相融合,从而提高数据中弱信号的能量,使得弱信号更易于被恢复。为了验证该方法的有效性,对楔形模型与实际三维数据进行处理。实验结果表明,恢复后的数据信噪比提高了2 dB到3 dB,频带也被拓宽了150 Hz,弱信号得到较好的恢复。     

基于小波分析的MEMS加速度计输出噪声消除

目前MEMS加速度计普遍存在信噪比低、灵敏度不高等缺点,其主要原因是系统内部电路中的干扰与噪声使得有用信号完全淹没在噪声之中,其中1/f分形噪声是主要的噪声.由于1/f分形噪声在小波域中展示出某些特殊性质,且小波分析兼具时-频分析与尺度分析的功能,为了有效消除1/f分形噪声,提出了一种基于小波分析与自适应阈值滤波的多尺度滤波算法.以信噪比、均方根误差作为去噪效果的定量指标,将本文算法与Donoho小波阈值滤波算法进行比较,仿真结果表明,改进的自适应阈值滤波算法优于Donoho阈值滤波算法.运用于MEMS加速度计噪声消除上科学有效.     

混沌系统在弱信号检测中的应用

首先提出了利用混沌系统检测弱信号方法,实验结果证明了此方法的可行性。在此基础上,又提出将自相关方法和互相关方法分别与混沌系统相结合形成混合测量系统。经大量仿真实验证明此系统比前一种方法信噪比门限更低。可见混沌系统在弱信号检测方面的应用有望成为降低信噪比门限的有效方法之一。     

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

电力系统故障的微弱信号检测方法的研究

为了确保电力系统能够安全稳定的运行,实时检测故障中的微弱信号。通过噪声干扰情况下微弱信号的不同变化进行研究,得到了一种微弱信号的DUFFING混沌检测模型。系统发生故障时会产生相应的微弱信号,运用DUFFING混沌振子法分析不同情况下微弱信号的时域波形和相平面轨迹变化规律,并建立数学检测模型,对其幅值进行混沌检测仿真。结果表明,当r=0.8264V,w=1rad/s时将白噪声和微弱正弦信号同时加入后,此时,混沌状态、大尺度周期状态的相平面运行轨迹依然在进行有规律的运行,可以清晰的观察出需要检测的微弱信号。在强噪声存在于系统中时,该方法明显克服了噪声对信号稳定性的干扰,能精确有效检测微弱信号。系统在应对不同工作环境、仪器设备老化等情况时,提高了检测效率,保证系统的稳定运行。     

基于改进型Duffing振子的微弱信号检测研究

传统的微弱信号检测在检测信噪比很低的信号时效果不理想,针对在强噪声背景下微弱信号的检测问题,提出了一种由单Duffing振子建立混沌系统的非线性恢复力项用-x~5+x~7来代替的改进方法,与传统Duffing振子检测系统相比具有更强的鲁棒性.阐述了基于相平面变化进行微弱信号检测的工作原理.对时间尺度进行变换,实现了对任意未知微弱周期信号的检测,通过对噪声背景中的微弱周期信号检测进行仿真实验,最后通过真实的故障轴承信号检测验证,都获得较好的效果,为工程实际应用提供了一种可鉴的方法.     

有效的纹理缺陷检测方法：子带共现矩阵法*

提出一种结合小波变换与共现矩阵用于纺织品图像缺陷检测的方法.首先将灰度图像分解成子带;然后将纹理图像分割成互不重叠的子窗口,提取共现特征;最后用无缺陷样品训练的Mahalanobis分类器将每一子窗口划分为缺陷的和无缺陷的.应用该算法进行实际工厂环境中的纺织品缺陷检测.实验结果表明,集中处理具有强判决能力的某一频带提高了检测性能,也改善了计算效率.     

GPS弱信号的自适应载噪比估计算法

载噪比是GPS接收机中的一个重要测量值和控制参数。针对高灵敏度GPS接收机中的载噪比测量,提出了一种自适应载噪比估计算法。该算法根据信号功率的大小自适应调整载噪比估计时间来获得准确且稳定的载噪比估计值。该算法已经在GPS接收机中实用,测试结果表明,载噪比大于40dB-Hz时,估计时间小于1s,估计值的标准差小于0.2dB,随着载噪比的降低,估计时间呈指数关系增加,载噪比为14dB-Hz时,更新时间为12.48s,估计值的标准差小于0.8dB。     

新的强高斯噪声自适应滤波方法

为有效去除严重的高斯噪声、更好地保护图像细节,提出了一种基于改进脉冲耦合神经网络（PCNN）的自适应去噪方法。根据PCNN神经元的点火捕获特性,定位受强噪声污染的像素,并采用类中值滤波对强噪声点进行滤除;基于无连接脉冲耦合神经网络（PCNNNI）的点火时刻矩阵自适应选择滤波方法平滑弱噪声点。实验结果表明,与传统去噪方法相比,该方法噪声去除效果好,图像细节保持完整,而且系统具有一定的泛化能力。     

光纤陀螺信号的数字处理方法

光纤陀螺（FOG）有着广泛地应用,如何有效地提高精度具有重要意义。根据FOG信号漂移的数学模型,分别采用了经典傅立叶分析的FIR低通滤波器和小波变换的阈值去噪对某型FOG的输出信号进行了消噪处理。实验证明了小波阈值在消除陀螺漂移和基座动态干扰应用中的优越性。