基于维纳滤波压缩感知的车辆运动模糊图像恢复

针对摄像机拍摄运动车辆模糊图像产生振铃效应且图像数据传输量大的问题,提出一种基于压缩感知理论的车辆运动模糊图像恢复方法。该方法先将车辆运动二维模糊图像离散退化小波变换,对高频系数矩阵进行维纳滤波过滤后,采用托普利兹矩阵测量得到高频稀疏系数,有效抑制了振铃,重组高频和低频系数矩阵得到图像高稀疏信号。重构时,采用维纳滤波去噪后进行非线性重构。结果表明,此种方法能大大减少车辆图像传输数据量,以较小误差实现车辆模糊图像的去模糊重构,获取车辆及车牌图像的丰富细节信息。     

基于奇异值的小波变换微弱信号消噪法

针对信噪比低、噪声非均匀分布的弱信号消噪效果不佳的问题,提出了基于有效奇异值分解和小波阈值消噪相结合的方法.通过构造相空间矩阵并对其进行奇异值分解(SVD),得到一系列正交子空间.因为信号和噪声对奇异值贡献不同,提出奇异值最小二乘误差判定法进行有效奇异值选择,利用子空间重构信号.仿真实验表明:本方法提取出的信号完整性更好,信噪比更高.     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于小波变换的语音去噪阈值函数的研究

目的小波去噪可以提高语音的信噪比,其中通过放宽阈值限制、加强小波系数的连续性,以及对小波系数较高的语音信号实现噪声与语音的分离可以增强语音去噪效果。方法基于一段信噪比为10dB的语音信号,采用不同的阈值函数,对该段语音进行小波去噪处理,比较各种阈值函数得到不同的去噪语音和各个阈值函数的特点。结果传统的硬阈值和软阈值得到的信噪比分别为11.57dB和10.91dB,软硬阈值折衷法得到的去噪语音信噪比12.70dB,模平方法得到的去噪语音信噪比为12.20dB,改进以后的软硬阈值折衷法和改进后的模平方法得到的去噪语音的信噪比分别为11.38dB和13.40dB,用降低阈值的方法得到的去噪语音信号的信噪比为11.68dB,新的阈值函数得到的去噪语音的信噪比为13.49dB。结论相比较软硬阈值折衷法,改进的模平方法和其它传统的方法,新阈值函数语音去噪可以取得更好的效果。     

基于小波分析的图像压缩与去噪研究

介绍了图像小波分析的基本理论和基于小波变换的分解与重构原理,利用小波变换对二维图像进行分解,将原始图像分解成不同方向、不同频率成分的子图像.同时对含噪图像进行小波分解,通过选取适当的阈值,对小波分解系数进行阈值量化,再对高低频系数重构,实现图像的去噪.最后运用MATLAB仿真平台进行仿真验证,仿真结果表明:利用小波分析对图像进行压缩和去噪可以得到非常好的压缩效果和去噪效果,对工程应用具有一定的借鉴意义.     

基于曲波变换的面波去噪方法研究

地震数据去噪在地震资料处理中是必不可少的步骤,随着地震勘探的日益发展与进步,对地震资料的信噪比提出了更高的要求。曲波变换作为新兴的多尺度变换方法,在地震资料去噪中拥有巨大的潜力。提出了一种基于曲波变换的面波去噪方法:首先对经过预处理的含噪信号进行多尺度分解,然后在各尺度下尽可能提取出有效信号的曲波系数,同时去除噪声的曲波系数,最后用曲波逆变换重构出地震信号,从而达到去噪目的。试验结果验证了曲波变换去噪的可行性。     

基于改进EMD-TEO倒谱距离的生猪音频信号端点检测

针对生猪音频信号识别中传统端点检测方法存在的抗噪能力差,准确率低等问题,将一种改进EMDTEO(经验模态分解的Teager能量算子)倒谱距离的端点检测方法应用到生猪音频信号的端点检测,对生猪音频信号的2个端点检测特征参数(Teager能量参数和倒谱距离参数)进行研究。仿真试验结果表明:1)与EMD-TEO和倒谱距离端点检测法相比,当高斯白噪声的信噪比(Signal-noise ratio,SNR)为-5dB时,改进后的算法用于生猪音频信号的端点检测准确率达到84.725%,分别高出前2种端点检测算法9.857%和16.403%,SNR为10dB时,仍优于其他2种算法;2)当饲养场背景噪声的SNR为10dB时,改进后的用于生猪音频信号的端点检测准确率达到90.293%,分别高出EMD-TEO和倒谱距离端点检测算法4.972%和7.932%;3)改进后的算法对不同类型的生猪音频信号均呈现出很好的端点检测效果。改进EMD-TEO倒谱距离的端点检测算法在低SNR的环境下,对生猪音频信号的端点检测有较高正确率,且具有一定的鲁棒性。     

基于压缩感知的农田温度信息处理

由于农田温度信息在离散余弦基(DCT)下的近似稀疏性,采用压缩感知(CS)技术对每块农田温度信息进行压缩和重构,即将温度信息投影到随机高斯观测矩阵,在接收端通过OMP算法重构出每块农田的温度信息.仿真试验结果表明,在较为稳定的网络环境中,CS算法能够以较少的观测值实现对原始信号的精确重建,降低节点能耗,延长网络生命周期.     

基于连通域筛选和腐蚀重构的钢材裂痕检测

为实现自动准确的检测带有裂痕的不合格钢材产品,提出了一种基于连通域筛选和腐蚀重构的方法。首先运用均值滤波对样品图像去噪,然后将去噪后的图像二值化以提取目标特征,进而采用了连通域筛选法和腐蚀重构法滤除伪特征,前者通过标记图像信息,选出满足大小的连通区域来实现特征提取,后者则先通过腐蚀算法去掉大部分伪特征,再通过重构算法恢复部分特征信息。针对不同样品进行检测试验,达到了预期效果,证明了该方法的有效性。     

基于EMD自适应阈值的铡草机振动信号去噪

针对铡草机振动信号噪声污染的问题,采用EMD(Empirical mode decomposition)与基于SURE(Stein’s unbiased risk estimate)的自适应阈值算法,并利用自相关函数性质与二阶可导阈值函数,对铡草机振动信号进行研究。结果表明:1)模拟信号经EMD自适应阈值去噪后,信噪比SNR(Signal to-noise ratio)提高了15～19dB;经小波阈值去噪后,SNR提高了9～13dB;经EMD低通去噪后,SNR提高了5～11dB;经EMD阈值去噪后,SNR提高了12～15dB。2)铡草机振动信号经EMD自适应阈值算法去噪后,200 Hz的高频信号均消除,并且保留了≤200Hz低频信号的幅值;经小波阈值去噪后,振动信号200Hz的高频信号未能消除;经EMD低通与EMD阈值去噪后,振动信号≤200Hz低频信号幅值降低,导致部分信号失真。本研究提出的EMD自适应阈值算法可一定程度上降低铡草机振动信号噪声。     

基于SVM的中值滤波去噪方法研究

提出了一种针对椒盐噪声的去噪方法.去噪过程先利用SVM分类器将含噪图像中的象素分为噪声或非噪声点;接着,非噪声点象素值被保留,而噪声点象素值则通过中值滤波方法进行处理,从而达到去噪的目的.本研究在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0工具箱分别建立了四邻域,八邻域和二十四邻域三种分类模型,仿真实验证明,与已有的算法比较,本研究方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于无下采样的正交小波变换的阈值去噪方法

现行的小波阚值去噪算法中,都包含采样的操作,但下采样导致信号所含信息出现丢失,上采样则引入新的畸变。为克服这些不足之处,提出了基于无下采样的正交小波变换的阚值去噪方法,并在Matlab6．5环境下给出了具体的算法。并进行了数值试验。试验结果表明,取消下采样的操作,可以提高信噪比,减小最小均方误差,使去噪效果得到了明显改善。     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

基于小波去噪和EMD算法在齿轮故障检测中的应用

小波去噪和EMD算法(Empirical mode decomposition,EMD)被广泛地运用在非平稳信号分析中。为了减小外部噪声及局部噪声对蜗轮蜗杆减速机振动信号干扰,降低样条插值时的拟合误差,提高EMD分解的质量,提出了一种基于小波去噪和EMD算法相结合的方法,对正常和有断齿的齿轮振动信号进行测试分析。结果表明,该方法能够准确地得到特征频率,判断出故障类型,证实了该方法在诊断蜗轮蜗杆减速机蜗轮故障的有效性。     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT 结合的方法适合在谐波检测系统或装置中应用。     

基于小波变换的拉曼光谱去噪处理

拉曼光谱分析中,噪声的存在严重影响光谱的准确性。利用小波变换在信号处理方面的优良特性,采用基于小波变换的信号去噪方法,对含噪的邻二甲苯拉曼光谱进行处理。选用平稳小波 bior2.2处理了含噪的邻二甲苯拉曼光谱信号。结果表明,采用平稳小波 bior2.2可以将信噪比由10dB 提升到21.3588dB,而均方误差仅为0.0014,去噪效果明显。     

基于相关性阈值的NSCT图像去噪方法研究

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点，提出一种基于尺度相关与阈值去噪相结合的非下采样 Contourlet变换图像去噪方法。首先对噪声图像进行非下采样Contourlet变换，得到各个尺度各个方向子带的系数，然后采用相关系数归一的方法，结合Bayesian自适应阈值来达到更好的去噪效果。仿真实验表明，该方法在提高去噪后图像的峰值信噪比的同时，有效保留了图像的纹理信息，避免伪吉布斯现象，改善了图像的视觉效果。     

频谱细化分数阶Fourier变换的LFM信号滤波算法

针对传统分数阶Fourier变换域含噪线性调频(LFM)信号滤波算法计算量大的问题,提出基于频谱细化与分数阶Fourier变换的改进滤波算法。将含噪的线性调频信号与延迟信号在时域内点对点相乘,相乘后其结果再做FFT变换,估计出LFM信号的调频率范围,然后利用频谱细化提高调频率的估计精度,根据精确调频率计算出分数阶傅里叶变换最佳变换阶次,在最优分数阶Fourier域对含噪LFM信号做窄带通滤波处理。建立MATLAB含噪LFM信号滤波仿真模型,仿真结果表明:改进算法不但计算量明显减少,滤波后的信噪比比传统分数阶Fourier算法提高了近1.41 dB,验证了所提改进算法的有效性。     

语音增强在去除猪咳嗽噪声中的应用研究

[目的]猪的咳嗽声音可用来评价猪的健康状况,然而在实际环境中,猪场中常装有风扇使得提取到的猪咳嗽声音信号受到低频风扇噪声的干扰。为了滤除低频噪声,提出了基于猪咳嗽声音信号的增强方法。[方法]结合猪咳嗽声音信号的特点,借鉴语音增强方法对含噪猪咳嗽声音信号进行去噪处理。首先,分别采集猪咳嗽声音信号和风扇噪声信号,利用MATLAB(2016a)对两种信号分别进行分析处理,得到其时频域特性。其次,采用基于离散余弦变换(DCT)的增强算法对含噪猪咳嗽声音信号进行处理,同时对基于经验模态分解(EMD)和小波包变换(WPT)的增强方法和DCT的增强算法在去除风扇噪声的效果进行比较。[结果]理论分析与仿真表明,在-5~5dB的信噪比环境中,基于DCT的增强方法无论是在低信噪比还是非平稳噪声环境下,均比基于EMD和WPT的增强方法得到更高的增强信噪比信号。[结论]说明基于DCT的增强方法具有更好的去噪效果,可以更好的分离出猪咳嗽声音信号和风扇噪声信号。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理.实验表明该算法与BayesShrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果.