基于噪声白化准则的自适应噪声抵消方法

提高泄漏检测信号的信噪比是提高管道泄漏检测定位性能的重要途径,针对泄漏检测定位的工程实际提出一种新的噪声抑制方法,基于噪声白化准则的自适应噪声抵消方法。用噪声白化准则控制检测信号的线性预测,提取出与干扰噪声相关、与泄漏信号不相关的信号作为自适应噪声抵消器的参考输入,这样能够有效抵消泄漏检测信号中自相关长度小于泄漏信号自相关长度的干扰噪声。实验结果和实际应用表明,该方法能有效抑制泄漏检测信号中的干扰噪声。     

基于神经网络的自适应裂谱分析方法

在应用 RBF神经网络建立具有自适应能力的信噪分离算法的基础上 ,提出了一种基于神经网络的自适应裂谱分析方法 ,实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒 (或其它散射体 )散射中的缺陷回波信号能力。     

基于神经网络的自适应噪声相消

要用常规自适应滤波器实现噪声相消,处理是很繁杂,也是很困难的。而神经网络具有高度的并行运算能力和非线性变换特性,特别是多层前向ＢＰ网可以实现复杂的非线性映射,以及很强的自适应和容错能力,为解决以上问题展示了十分诱人的前景。本文采用ＢＰ网络实现自适应噪声相消,实际应用效果是良好的。     

基于HRIS图像数据特征的畸变像元相关校正

说明了HRIS相邻光谱通道图像数据具有高度的相关性,提出了基于这种特性和数据插值的畸变像元相关校正方法,该方法分为两个步骤,第一步,利用图像相关性对图像中的畸变像元进行检测,目的在于减小图像数据的变化,减少运算时间;第二步,通过曲面拟合方法,对检测出的畸变像元强度进行校正。实验表明该校正方法,具有很好的效果,并应用到了实际的HRIS数据处理中。     

基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

基于自适应模糊神经网络的噪声抵消器

讨论了基于自适应模糊神经网络的噪声抵消器的设计方法。自适应模糊神经网络系统具有非线性映射和自学习能力，能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计，并互能够克服信号处理中存在的模型和噪声的不确定性、不完备性。该法设计的滤波器效果良好，并可以用于多路信号和复杂信号的噪声消除。     

基于神经网络的自适应裂谱分析法

在应用RBF神经网络建立具有自适应能力的信噪分离算法的基础上，提出了一种基于神经网络的自适应裂谱分析方法，实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒（或其它散射体）散射中的缺陷回波信号能力。     

数字超声波信号中有色噪声的自适应滤波

针对测试环境中常存在的超声波频段的有色干扰噪声,设计了一种基于横向滤波器和最小均方误差自适应滤波算法的自适应对消器结构,并提出了固定步长和自适应步长相结合的自适应滤波算法流程。该方法增设了一个接收环境噪声的专用探头来自动跟踪噪声特性的改变,无需手动设置自适应滤波器参数和期望信号。通过自适应步长调整算法与固定步长方法结合,该方法能够在实现良好滤波效果的同时兼顾快速跟踪环境的变化。实验表明,提出的方法可以有效滤除目标超声波信号频带之外频率点处的有色干扰噪声,信噪比改善幅度可达16dB;时间复杂度为O(n),可实现实时处理。本文方法可以在无人工干预下自动、实时、有效地滤除与超声波信号频率接近的有色干扰噪声,已被成功地应用于气体超声波流量测量中。     

基于频域滤波的自适应条带噪声去除算法

针对在传感器平台等条件下产生的图像条带噪声，在分析了几种常用每带噪声去除方法基础上。提出了一种通过频域滤波方法在图像的傅里叶频域去除条带成分的自适应图像去噪算法。实验结果表明：这种算法可以自适应确定频域中的噪声成分，从而有效地去除图像中的条带噪声，减少传感器噪声等对图像后续处理的影响。     

基于特征的自适应有限元网格自动生成

针对常规自适应有限元网格生成方法对分析对象的特征描述能力不足,提出了基于特征的自适应有限元网格生成方法。通过特征定义及特征点、线、域搜索,可实现基于特征控制的自适应有限元网格密度分布。     

自适应除噪技术在激光准直中的应用研究

本文根据激光在大气中传播特性的理论，提出了多点监测，综合补偿的准直方法。根据现场采集的数据，用多元逐步回归方法建立适合于当时当地环境模型。     

平稳随机噪声中暂态信号的检测方法

提出一种在平稳随机噪声中检测暂态信号的循环双谱切片方法,同时给出仿真结果。     

基于神经网络的自适应滤波技术及其在超声检测中的应用

为满足超声无损检测和评价在新材料和新构件上应用的需求,提出了一种基于神经网络的自适应滤波器,使其兼具自适应滤波和非线性处理的能力。该滤波器是在线性自适应滤波器中引入一非线性隐含层而构成,在对该滤波器的结构和收敛性进行详细研究的基础上,实现了一种自适应噪声消除器并应用于超声检测中的材料噪声消除。实验结果证实:利用这种滤波器构成的材料噪声消除器比采用线性自适应滤波器具有更强的降噪能力。     

基于白噪声统计特性的振动模式提取方法

针对机械设备状态监测和故障诊断过程中的特征提取问题,提出一种基于白噪声统计特性来实现机械振动信号振动模式提取的方法。该方法是对经验模式分解算法(Empirical mode decomposition,EMD)的一种发展,应用归一化白噪声在EMD中具有的统计特性,可以自适应地消除机械振动信号经EMD分解产生的高频噪声分量及低频虚假分量,得到反映信号实际物理意义的振动模式分量集。对该振动模式分量集进行Hilbert变换,提取出信号的Hilbert时频特征。整个特征提取过程不需要构造任何参数表达的基函数及相关滤波函数,也无需有关信号的任何先验知识,因而在实际应用中具有更好的适用性。仿真信号和转子试验台试验信号验证该方法的可行性和有效性。     

实时图像自适应阈值边缘检测FPGA实现

传统的Sobel边缘检测算子对噪声变化抑制能力较差,并且其使用固定阈值导致适应性差.该方法利用中值滤波思想来确定图像的每一像素点局部边缘阈值来实现自适应阈值Sobel边缘检测,并在FPGA平台实现.实验结果表明,该算法检测出的实时图像边缘更加精细,并且能很好地抑制背景噪声.     

信号滤波和传感器特性对相关测速影响的研究

本文介绍在测量管内流动的高温烟气流速的实验中采用FIR低通数字滤波器方法可以排除干扰信号的影响的研究,实验结果证明,经过滤 处理后的信号互相关函数的图形不会出现大小相当的多个峰值,符合理论分析的结果;其次,本文还介绍了用热电偶和压力传感器采集的烟气温度和压力脉动信号,分析了传感器特性对相关测速的适应性。     

虚拟噪声通道在基于ICA消噪过程中的应用

考虑应用独立分量分析方法进行信号的消噪处理时，要求观测通道的个数大于或等于独立信源的个数的条件，以及实际应用中的噪声源的随机性，尝试引入虚拟噪声通道的概念，克服难以确定噪声源的个数，因而很难满足独立分量分析方法应用要求的限制，根据具体的检测条件和被测对象的特性，引入相应的虚拟通道数，从而提高独立分量分析方法在消噪方面的应用性能。实验表明，利用该方法可以得到很好的消噪结果，有效提高信号的信噪比。     

基于ODS的涡旋压缩机噪声振动测量方法优化

介绍了ODS在涡旋压缩机以振代噪测试中的应用方法,在结构声辐射原理的基础上,通过对压缩机振动与噪声信号分析,确定对总噪声贡献最大的频率段;然后选取优势频率画出涡旋压缩机ODS图,根据ODS图及参考点与选取测试点相干函数对测点进行优化;最后选出4个振动稳定点从而提高涡旋压缩机生产线在线噪声检测效率。