基于功率谱密度的蛋鸡声音检测方法

利用声音连续监测动物生长过程的缺点是无效声音数据量大。为了获得便于研究人员使用的小数据量并同时反映动物行为信息的声音,引入分类识别方法对原始声音进行处理。以栖架饲养环境中的含有海兰褐蛋鸡鸣叫声的声音片段和风机噪声片段为研究对象,基于不同类型声音在1 000~1 500 Hz频率范围内的功率谱密度存在差异,对2种声音片段进行了分类识别。试验结果表明,该方法的全面正确识别率为95%,其中蛋鸡声音片段正确识别率为93.3%。该方法将有助于实现风机噪声环境中动物声音实时检测与提取,从而减少无用声音数据的储存与传输。     

一种改进蛋鸡声音信号去噪方法

声音分析技术已成为研究动物行为、动物福利的一种重要工具,蛋鸡声音可用来评价其健康或福利状况,然而规模化蛋鸡舍中存在较多风机噪声等声源干扰,这对准确地识别蛋鸡发声有很大影响。本文以海兰褐蛋鸡为例,预处理获取的声音信号,减少风机噪声的干扰。利用数字化声音采集平台采集不同类型的蛋鸡发声和风机噪声音频,采用LabVIEW软件进行声音信号处理并分析蛋鸡声音和风机噪声的时频特征。同时,对比分析不同去噪方法(IIR滤波器去噪、小波阈值去噪和改进谱减法去噪)在去除风机噪声方面的效果。结果表明,在信噪比为-8~20 dB声音环境情况下,改进谱减法均方根误差最小(0.03~0.38),算法运行耗时最短(6~7 ms),在实际应用中去噪效果较好。该研究可为规模化蛋鸡舍中风机噪声环境下的蛋鸡声音信号处理和分析提供参考。     

基于小波包分析的水电机组振动信号去噪研究

水电机组有80%故障都可以在振动信号中有体现,研究振动信号很有必要。文章将小波包分析技术应用于水电站机组振动信号去噪,概述了小波包去噪的原理和步骤,通过实际电站运行数据的采用,应用matlab软件编写程序,实现水电机组振动信号的信噪分离。实验表明,小波包分析消噪消去的能量较多,费时较短,去噪后信号光滑,取得了较好的去噪效果。     

薯类农产品视觉图像的去噪方法

针对目前图像处理中的阈值去噪方法存在的问题,探讨了小波阈值法中小波分解层数和小波系数处理算法,在视觉图像阈值去噪中采用了小波分解层数的自适应算法,并针对小波系数处理中硬阈值和软阈值函数存在的问题,提出了一种新的阈值函数用于图像去噪.结果显示:去噪后图像的峰值信噪比PSNR、均方差MSE在最优分解层数下相对传统阈值函数能达到全局最优,同时视觉上的清晰度更好.     

基于小波包分析的水泵机组振动信号去噪

阐述了小波包的基本原理,介绍了利用小波包给信号去噪的一般工作原理,结合南水北调东线工程某泵站水泵机组的现场振动测试数据,利用小波包理论对被噪声污染的水泵机组的振动测试信号进行去噪分析,从中提取出无污染的振动信号,进一步对机组的故障做出诊断分析．选用db4小波对原始信号进行3层小波包分解,选用启发式SURE阈值,跟据最低层的小波包分解系数和经过量化处理系数,进行小波包重构．结果表明,利用小波包去噪的相关理论,对信号进行去噪处理有效地消除了噪声污染,使消噪后的信号与原始信号保持相似性．     

基于自适应阈值函数的铡草机振动信号去噪

针对传统小波软、硬阈值函数对铡草机振动信号去噪的不足,采用一种自适应阈值函数去噪算法,实现铡草机振动信号降噪。该方法根据小波分解原理,采用分层阈值,同时通过参数调整阈值函数,在信号分解小尺度上滤除大量噪声分量,而在大尺度上去除噪声分量的同时尽量保留有用信号分量。为验证本文算法有效性,采用软、硬阈值函数法与本文算法对模拟信号和铡草机振动信号进行对比试验,结果表明:本文算法优于2种传统算法,在滤除噪声的同时很好地保留了原信号特征。     

基于小波变换的汽车轮速信号去噪

传统的汽车轮速信号处理方法难以消除干扰信号的影响。根据信号与噪声通过小波变换后在各尺度空间呈现的不同特性,选用Daubechies四阶正交小波（db4）对噪声信号进行多层小波分解,对小波分解的各层细节信号,分别采用软阈值处理方法进行量化处理,然后进行小波逆变换重构信号以达到对信号去噪和恢复的目的。研究结果表明,采用此方法能够有效地去除轮速信号中的各种干扰。     

偏微分方程在图像法去噪中的应用

图像技术发展当中去噪处理,在图像技术中得到了深刻的应用。通过分析偏微分方程在图像去噪当中的处理方法及其相关内容,并针对热扩散方程和P-M扩散方程进行图像去噪原理的分析,为探究偏微分方程在图像去噪中的应用创设良好的条件和前提。     

Kinect获取植物三维点云数据的去噪方法

为解决Kinect获取的玉米三维点云数据噪声影响三维重建精度的问题,根据Kinect所获取的点云数据特点,采用多帧数据融合的方法获取更完整的三维点云数据并对点云数据进行初步平滑;通过对Kinect所获数据噪声进行分析,提出了一种基于密度分析和深度数据双边滤波的方法,分别对离群点噪声和内部高频噪声进行处理。以Kinect获取的玉米及茄子的三维点云数据进行去噪实验,所用去噪时间仅为传统双边滤波去噪时间的2.71%和1.78%,并且能够达到很好的去噪效果。结果表明,所提方法能够方便、快捷地去除不同尺度的噪声,同时保留边缘数据的完整性,获得良好的植物三维点云数据。     

小波去噪的GPS算法在振动变形监

随着GPS接收机采样频率的不断提高和单历元解算算法的成熟,GPS已经成为一种新的用于建筑物振动变形监测的工具。但是GPS的精度受到卫星分布状况、大气折射、多路径效应和GPS处理算法等因素的影响,在振动监测中其精度有待于进一步的提高。提出一种利用多路径的周期重复性,并且结合小波去噪来消除GPS测量误差,从而提高其测量精度的新方法,实验证明该方法在振动监测中具有很好的实用性和可靠性。     

小波去噪的GPS算法在振动变形监测中的应用

随着GPS接收机采样频率的不断提高和单历元解算算法的成熟,GPS已经成为一种新的用于建筑物振动变形监测的工具.但是GPS的精度受到卫星分布状况、大气折射、多路径效应和GPS处理算法等因素的影响,在振动监测中其精度有待于进一步的提高.提出一种利用多路径的周期重复性,并且结合小波去噪来消除GPS测量误差,从而提高其测量精度的新方法,实验证明该方法在振动监测中具有很好的实用性和可靠性.     

弱光束条件下森林区域光子云去噪算法精度研究

先进地形激光高度计系统（ATLAS）可为全球森林冠层高度测量提供科学数据,利用ATLAS光子云数据可获取森林冠层高度信息。为探究光子云去噪算法在弱光束条件下森林研究区的去噪效果,采用局部距离统计算法、基于密度的聚类(Density based spatial clustering of applications with noise, DBSCAN)算法和基于粒子群优化(Particle swarm optimization, PSO)模型的PSO-DBSCAN算法在弱光束条件下的森林区域进行了光子云去噪试验,研究了算法的去噪精度,并分析研究区不同特性对于去噪效果的影响。结果表明： PSO-DBSCAN算法在弱光束条件下森林区域去噪精度达到了0.95,满足光子云去噪的精度要求,该算法相对局部距离统计算法和DBSCAN算法表现出更好的去噪效果;相对地形坡度和植被覆盖度,太阳高度角会对算法的去噪结果产生更大的影响。     

基于小波分析的马铃薯环腐病光谱数据去噪

针对马铃薯环腐病易传染,扩散面积大,不易检测,提出马铃薯环腐病的光学无损检测方法,设计了一种基于近红外光谱的马铃薯光谱采集系统。本系统可以完成对马铃薯的光谱采集,从而对比健康马铃薯和带有环腐病的马铃薯的光谱图,通过对比Matlab小波消噪中几种常用的方法找出最适合马铃薯光谱图消噪的方法,为后续马铃薯环腐病光谱分析,计算,建立数学模型,从而实现对马铃薯环腐病的检测和评价功能做铺垫。本研究表明,运用Matlab默认阀值法对马铃薯光谱进行小波消噪,通过对比原始光谱和消噪后的光谱,能有效的消除马铃薯光谱中多余的噪声。研究结果为马铃薯内部缺陷的光谱定性判别提供了参考,提高了马铃薯光谱特征选取的准确率和精度。     

基于小波去噪的FFT农网谐波检测

谐波检测的准确性直接影响对电网谐波污染状况的评估以及抑制措施的实施,采用小波软阈值去噪对含噪的电力谐波信号进行降噪处理,再利用快速傅立叶变换对去噪后的信号进行分析,提取各次谐波含量和总谐波失真率。在Matlab环境下进行仿真检测,结果表明:小波去噪后检测的各次谐波含有率更加接近于原始信号谐波含有率水平,去噪方法提高了谐波信号检测的准确性,这种小波去噪与FFT结合的方法适合在谐波检测系统或装置中应用。     

基于二次对数能量熵小波包的母猪哺乳声去噪方法研究

以小梅山母猪发出的哺乳呼噜声及其它干扰噪声为研究对象,利用噪声能量在频域内均匀分布,其对应的信息熵值最大的特性,根据噪声类型不同,选择不同小波包层数结合信息熵计算,去除环境噪声混叠的影响。试验结果表明,母猪呼噜声的频率范围在0~800 Hz内,仔猪争乳尖叫声的频率大于1 000 Hz,其他干扰噪声的频率范围0~8 000 Hz内;分别经过5层和3层的db10小波包分解,利用对数能量熵软阈值去除0~8 000 Hz主噪声及1 000~8 000 Hz内的残留噪声,且重构信号中母猪哺乳声的波形特征保持较好,获得令人满意的滤波处理结果,为进一步研究畜舍环境下母猪哺乳声音特征提取及识别提供了数据预处理方法。     

生理监测装置的心电信号噪声干扰分析

对精准的心电信号进行分析,才有医疗意义,但微弱的心电信号特别容易被外界因素所干扰而导致失真。笔者分析了在采集心电信号过程中易受到的噪声干扰的主要类型,有工频干扰、肌电干扰、基线漂移、电极干扰,还介绍了降噪效果的两大评估指标,即信噪比和均方根误差。     

电子鼻鉴别白酒信号小波去漂移方法

为提高电子鼻长期鉴别的稳健性,提出了一种基于小波分析的电子鼻信号去漂移方法。对含漂移信号的电子鼻数据进行小波分解,获得分解系数;构造一种相对偏差阈值滤波函数对小波逼近系数进行阈值处理,获得修正的小波系数;运用小波逆变换对修正后的小波系数进行重构,得到去除漂移或少漂移的电子鼻信号。对6种白酒样本随机生成的5组样本训练集与对应的测试集进行去漂移处理与信号重构,提取去漂移处理前后的电子鼻信号积分值特征,并运用Fisher判别分析(FDA)和BP神经网络分别对5组数据集进行鉴别分析。FDA鉴别结果显示,无论是训练集还是测试集,5组样本的鉴别正确率由去漂移前的最高值45%提升至去漂移后的100%。BP神经网络鉴别结果显示,5组样本的鉴别正确率由去漂移前的最高值31.7%提升至去漂移后的98.3%。这说明所给出的去漂移方法在白酒电子鼻的鉴别中是稳健有效的。同时,也为电子鼻鉴别其他物品提供了一种可借鉴的去漂移方法。     

基于三维点云的群体樱桃树冠层去噪和配准方法

樱桃树的栽培密度影响其冠层的光照分布,通过研究群体樱桃树的三维结构,可分析不同栽植密度下温室甜樱桃树冠层光照分布规律,指导樱桃树的科学种植,进而提高甜樱桃产量和品质。高质量的点云数据是构建群体樱桃树三维结构的基础,而点云去噪和点云配准是点云数据预处理的关键环节。本文提出一种基于三维点云的群体樱桃树去噪和配准方法,搭建群体樱桃树三维信息采集平台,使用2台固定的DK深度相机获取群体樱桃树彩色点云数据;提出基于颜色区域生长的二分类方法,设置颜色阈值分割点云并进行二分类处理,可有效去除彩色点云数据中的异常无效点,并设置点云离散度和RGB值,作为点云去噪评价标准;结合人工标记法和双相机位姿矩阵,提出基于颜色特征改进的ICP方法,解决传统ICP配准算法多依赖初始位姿且配准速度较慢的问题。该方法通过对点云粗配准,得到较好的初始位姿,使用SIFT算法提取颜色特征点,将颜色特征与ICP算法结合进行点云精配准,然后使用PCL中随机采样一致性算法,去除错误匹配点,有效减少配准时间,提高配准精度。以夏季和冬季的群体樱桃树20组点云数据为实验对象,对比分析ICP算法、NDT算法、SAC-IA算法和本文配准方法的配准精度和配准时间,结果表明,本文配准方法平均耗时分别为5.01、4.30s,均方根误差分别为2.316、2.100cm,有效减少了配准时间和配准误差,验证了本文算法的有效性和普适性。     

长管道事故停泵水锤现场测试与信号分析

结合某泵站事故停泵现场测试数据,采用最大熵估计法分析压力、流量、转速等测试信号的时频特点,得出实测数据的主要污染是〉50 Hz的高频噪声.利用小波包理论,采用自适应阈值方法获得无污染的去噪信号,并与快速傅里叶变换（FFT）去噪结果比较,同时进一步分析去噪后的实测信号,验证水锤仿真计算准确度以及单向调压塔防护效果.结果表明：两种去噪结果虽然波形相似,但FFT去噪同时明显削弱了峰值点的有效信号,而利用小波包理论,能够有效去除噪声污染,使去噪后的信号与原始信号保持相似性;空气阀-调压塔水锤防护措施效果明显;采用水柱分离模型,能够较为准确预测管线中出现的水锤压力峰值、最大倒流流量及最大倒转转速,为系统安全评估提供依据,但对第一次压力峰值以后的多次气穴溃灭与水柱弥合过程的模拟,存在明显误差,有待于建立更准确的数学模型.