经验模态分解在电力绝缘气体SF6红外光谱去噪中的应用

经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势。本文以电力绝缘气体SF6为研究对象,在介绍E MD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频I MF分量与低频IMF分量叠加重构得到去噪后的信号。分析了在不同噪声水平上与小波阈值去噪方法的处理效果。实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势。     

基于非局部自相似性的遥感图像稀疏去噪算法

基于非局部自相似性的遥感图像稀疏去噪方法研究,在为后续的图像分析、识别以及较高层次的处理提供保证方面具有重要意义。针对遥感图像中存在非局部自相似性和稀疏性,在分析传统稀疏去噪模型的基础上,将具有相似结构的非局部块构建成组,用组作为稀疏表示单元,利用基于组正则化稀疏模型进行图像去噪。此外,针对采用整幅图像进行字典学习具有高计算复杂度,分析组特点,为每个组自适应学习一个字典。最后,为获得有效的去噪结果,利用迭代收缩阈值算法解决L0最小化问题。以"资源三号"遥感图像为数据进行实验,结果表明,该算法能较好地去除遥感图像的噪声,提高图像的峰值信噪比,保持图像结构信息。基于非局部自相似性的遥感图像稀疏去噪算法能够充分利用图像块信息有效的去除图像中的噪声,提高图像质量。     

结合遗传优化的多结构多尺度形态学消噪

传统的形态滤波以及广义形态滤波、自适应加权广义滤波、基于多结构元素的广义形态滤波、基于多方向的广义滤波和基于多尺度的广义滤波在考虑形态学滤波时基本上只兼顾到某一方面或者说只对某一方面的不足进行了改进,不论哪一种滤波方式都没有完全消除噪声。提出了一种基于自适应遗传算法的多结构多尺度形态学滤波方法,主要考虑了滤波窗口的大小、结构元素的种类和方向以及结构元素的优化选择问题,采用遗传算法对结构元素进行优化,并考虑到遗传算法自身的收敛性,采用了保留精英的策略,另外考虑到遗传算法参数的选择问题采用了自适应策略。同时,结合自适应加权广义形态滤波的思想构建基于遗传优化的多结构多尺度自适应加权形态滤波器,滤波效果比传统的形态滤波、广义形态滤波及在此基础上改进的滤波方法效果均好。     

Kernel PCA for Feature Extraction and De-Noising in Nonlinear Regression

In this paper, we propose the application of the Kernel Principal Component Analysis (PCA) technique for feature selection in a high-dimensional feature space, where input variables are mapped by a Gaussian kernel. The extracted features are employed in the regression problems of chaotic Mackey–Glass time-series prediction in a noisy environment and estimating human signal detection performance from brain event-related potentials elicited by task relevant signals. We compared results obtained using either Kernel PCA or linear PCA as data preprocessing steps. On the human signal detection task, we report the superiority of Kernel PCA feature extraction over linear PCA. Similar to linear PCA, we demonstrate de-noising of the original data by the appropriate selection of various nonlinear principal components. The theoretical relation and experimental comparison of Kernel Principal Components Regression, Kernel Ridge Regression and ε-insensitive Support Vector Regression is also provided.     

经验模态分解在称重检测中的应用研究

针对目前装载车称重系统存在误差较大的现状,设计了基于经验模态分解方法的动态称重检测方法。在分析称重信号采集工作原理的基础上,建立采集信号的数学模型。同时将信号进行经验模态分解,对归一化的本征模态则采用Bayes Shrink法进行有效去噪处理。试验结果表明,当装载车车速较快和较慢时,该方法均能有效抑制噪声,使处理后的信号平稳。     

计算机医用信号处理与分析——基于小波变换的医学瞬变信号去噪新方法

本文提出一种用于计算机辅助诊断前处理的医学信号去噪新方法。方法：１．对信号进行ＤＷＴ。２．在ｓ＝２１上，利用邻近尺度ＷＴ系数的空间相关性进行选择性去噪。３．在ｓ≥２２上，运用阈值法（Ｓｏｆｔ，ＨａｒｄＴｈｒｅｓｈｏｌｄｉｎｇ）去噪。４．信号重构。结果：分别采用本文方法及传统方法对突变信号进行去噪与结果比较。结论：本文方法在获得信噪比增益的同时，能够保持对信号突变信息的良好分辨且处理速度快、便于在微机上实现。     

A Bayesian approach for sparse flaw detection from noisy signals for ultrasonic NDT

Ultrasonic pulse-echo methods for flaw detection have been widely employed as an effective strategy for nondestructive evaluation, and flaw detection plays an important role due to its ability to detect localized damage in structures. In practice, flaw damage typically occurs in a few areas in the material, resulting in only a few echoes that exist in a received signal, which motivates us to detect flaws using sparse representation methods. In this study, the noisy signal is modelled by a linear combination of modulated Gaussian pulses, which form an over-complete dictionary. The over-complete dictionary is designed such that the sparseness of the representation is expected. A robust sparse Bayesian learning framework is employed with the goal of enforcing model sparseness and reducing the source of ill-conditioning in the inversion problem for flaw detection. Useful information, including the range of frequency and bandwidth parameters of the flaw echoes, is also estimated. Based on this information, we propose a post-processing scheme for structure noise elimination and flaw detection. The capability of the proposed method is quantitatively evaluated by simulation studies and is further validated by the experimental data.     

一种强噪声背景下的微弱信号检测的新方法

基于自适应滤波算法对小波滤波器的构造方法进行了研究,重点在于解决对强噪声环境下微弱信号提取所需要的小波变换的子带自适应滤波器的构造,把小波变换技术和自适应滤波技术应用于微弱信号的检测。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,回复后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

中值滤波在激光雷达点云数据预处理中的应用

为了研究3维激光雷达测量系统采集到的点云数据如何进行去噪处理,根据灰度图像中对灰度值进行滤波去噪的概念,采用改进的2维中值滤波方法对点云数据中的噪声点加以处理。基于激光雷达点云数据数据量庞大且存在噪声点特点,重点分析了改进2维中值滤波算法和点云数据信噪分离方法,并通过实验验证,得到了速度对比数据和滤波效果图。结果表明,利用改进后的2维中值滤波方法,速度明显得到改进,对激光雷达点云数据的滤波效果良好。     

近红外图像消噪方法的对比实验研究

为了选择一种既能消除近红外图像噪声又能达到保持其图像边缘要求的消噪方法,通过比较各种常见的图像去噪算法,采用信噪比(SNR)、均方根误差(RMSE)和图像灰度曲面图等作为图像去噪效果的评估.对实际拍摄的多幅近红外图像进行消噪效果对比,仿真实验结果表明:在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,分形消噪法较优,可应用于近红外图像的消噪处理.