基于无监督深度图像生成的盲降噪模型

鉴于有监督神经网络降噪模型的数据依赖缺陷,提出了一种基于无监督深度生成（UDIG）的盲降噪模型。首先,利用噪声水平评估（NLE）算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中,所得到降噪后的图像（称为初步降噪图像）作为UDIG降噪模型的输入。其次,选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像（即生成图像）分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数;再次,以loss最小化为优化目标,通过随机梯度下降（SGD）网络训练算法调整网络模型的参数值从而获得一系列生成图像;最后,当残差图像（噪声图像与生成图像之间）的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程,从而确保生成图像（作为降噪后图像）的图像质量最佳。实验结果表明：与现有的主流降噪模型（算法）相比,UDIG降噪模型在降噪效果上具有显著优势。     

一种鲁棒性的少样本学习方法

少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性.     

基于滤波的SAR影像去噪方法分析

根据SAR(Synthetic Aperture Radar)影像相干噪声的特点,对现在广泛应用的各种抑制噪声的滤波方法如均值滤波、Frost滤波、增强型Lee滤波、Lee滤波、中值滤波等进行分析,并提出适合本研究区影像的基于小波变换的分量滤波处理去噪方法,利用均值、标准差、平滑指数、PM值、信息熵和平均梯度等评价指标对各种滤波去噪后的影像质量进行评价,并对去噪效果进行对比分析,证明本文所采用的滤波方法对SAR影像噪声有很好的抑制作用,并且较好的保存了图像纹理信息。     

SVD域的图像高斯噪声强度估计

精确估计图像或视频中的噪声强度对于后续的信号处理是至关重要的先决条件。通过对含噪图像的奇异值特性的研究,提出一种精确的SVD域的图像噪声强度估计算法。该算法对噪声强度估计提出了创新的解决方法:1)利用奇异值的尾部数据进行噪声强度估计,这样达到尽可能地降低图像信息对噪声估计的干扰;2)对含噪图像加入已知强度的高斯白噪声,以计算噪声估计时需要设置的与图像内容相关的参数,因此该算法可以自适应图像的结构,能够广泛地适应各种类型的图片。实验结果表明SVD域噪声强度估计算法适用于各种图片类型,而且在极大的噪声强度范围内都能够稳定精确地估计噪声强度。     

汽车振动噪声测试的阶次跟踪方法

汽车振动和噪声是影响舒适性的主要因素，如何采用有效的技术手段测量分析汽车的振动、噪声，日益受到人们重视。本文应用PULSE多分析系统中的阶次跟踪分析方法，测试分析了车内司机座位处振动、噪声随发动机转速变化的关系，结果发现，对于试验车在测试工况下1．5倍发动机转速时，车内振动和噪声都有一个峰值。文中通过阶次分析，对发动机运转稳定性进行了测试。为降低车内噪声和振动响应提供了分析依据和参考。     

地铁车辆永磁同步电机振动噪声测试及特性分析

为获得某地铁车辆永磁同步电机的噪声特性,开展了永磁同步电机的电磁力波理论分析和振动噪声测试,从A计权声压级、1/3倍频程和色谱图等指标分析不同测试工况与转速下的噪声特性。研究结果表明：永磁同步电机噪声主要由电磁振动产生,加速过程的主要频谱成分是48阶、56阶和104阶等阶次成分以及以开关频率及其倍频为中心的调制成分,减速过程无开关频率作用,其余阶次成分一致;电机在316 Hz、440 Hz和910 Hz等频率处存在局部模态,在电机阶次激励作用下易引发共振。振动噪声测试及特性分析可为永磁同步电机的应用提供指导。     

D-2-DenseNet噪音鲁棒的城市音频分类模型

为了提高噪音环境下城市音频分类系统的鲁棒性,提出了一种双特征2阶密集卷积神经网络（D-2-DenseNet）噪音鲁棒的城市音频分类模型.首先介绍了噪音添加和噪音鲁棒处理,阐述了一种双特征互补偿的算法;然后结合2阶密集卷积神经网络与自适应机制提出了一种噪音鲁棒音频分类模型：双特征2阶密集卷积神经网络.模型采用双特征互补偿自适应算法,可在特征提取与模型训练中更有针对性地提取有效音频信息,降低噪音干扰,以提高噪音鲁棒性.最后,基于Dcase2016数据集开展噪音环境下城市音频分类测试.实验结果表明,模型分类准确率分别可达77.12%、75.52%,与基线模型相比,平均分类准确率分别提高了8.51%和10.38%,验证了模型良好的噪音鲁棒性.     

多小区多播无线携能通信鲁棒信干噪比平衡

针对非理想信道多小区多播协作网络中的供能问题,提出了一种鲁棒的无线携能通信优化方案,该方案以最差用户信干噪比最大化为目标、以每用户能量采集和每小区功率为约束,在保证用户能量采集约束和系统功率预算的前提下实现最差用户服务质量最优化.为了求解优化问题,采用半定松弛和S-引理将原始问题转化为拟凸优化问题,进而采用二分迭代算法得到问题的最优解.仿真结果表明,所提系统设计正确,迭代算法收敛特性良好.     

针对通过噪声的空滤器声学特性研究与改进

通过实验方法分析研究了一种中型乘用车通过噪声的特性,比较该车进、排气两侧通过噪声的声级和频谱特性,确定了进气噪声对车辆进气侧通过噪声的重要影响.为了解决该车进气噪声的问题从而达到整车降噪的目的,应用实验与边界元法计算两种手段,对该车空滤器的频率响应特性进行了研究.研究发现空滤器声系统的第一阶声固有频率与进气噪声基频相耦合是造成该车辆进气侧通过噪声高于排气侧的重要原因.基于这一研究结果,在计算和实验的基础上利用Helmholtz共振腔对空滤器的声学特性进行了改进,改进后的空滤器对降低车辆进气侧通过噪声有很好的作用.     

电能变换领域中随机脉宽调制技术研究概况及展望

相较于传统的脉宽调制技术,随机脉宽调制具备有效的谐波频谱分散能力,从而实现机电负载噪声的削弱。随机脉宽调制技术包括起步的随机开关调制、后续的随机脉冲位置与随机开关频率等3个基本方法。随着电力电子技术的整体发展,随机脉宽调制已从传统的载波调制逐渐拓展到空间矢量调制之中,应用范围日趋广泛,谐波频谱分散与功率谱峰值抑制的效果不断提升。同时,新的优化方案不断被提出,对谐波频谱及功率谱的分散效果亦在不断提高。梳理了随机脉宽调制的研究历程,总结了数种典型的随机脉宽调制的基本原理,并对未来随机脉宽调制的研究方向作出展望,为随机脉宽调制技术的深入研究提供参考。