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。     

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。     

基于小波变换的Wiener滤波算法去除苹果图像噪声

在小波变换的基础上,提出了一种基于小波变换的Wiener滤波去噪方法。采用该方法对苹果图像的加性噪声（高斯白噪声）去噪,结果PSNR为184．94,视觉效果清晰（而含噪声图像的PSNR为158．23,噪声太多不清晰）。好于邻域平均法（PSNR为174．15,视觉上含部分噪声）、中值滤波法（PSNR为182．4Z）、小波阔值去噪（PSNR为171．59,视觉上也含部分噪声）和Wiener滤波去噪法（PSNR为173．65）的去噪结果,更好于数学形态学的去噪结果（PSNR为150．46,视觉上含较多噪声）。试验结果表明,基于小波变换的Wiener滤波方法对苹果图像加性噪声的去噪效果具有信噪比高、视觉效果好等优点。     

基于Meyer窗函数剪切波变换的蝗虫切片图像去噪

蝗虫显微切片图像纹理边缘细节丰富,在图像获取、增强等预处理过程中经常会受到外部噪声的干扰,因此针对蝗虫切片图像去噪同时并保留纹理边缘细节的探索是研究不同蝗虫种类细胞构造的基础。基于张量的传统二维小波因其滤波器各向同性,只能表示水平和垂直两个方向,在去噪的同时会把图像中边缘纹理等细节模糊,而剪切波构造的滤波器各向异性,能够表示多个方向,这些优点使得剪切波可以有效地处理高维数据,在逼近奇异曲线时达到最优逼近。本文提出的基于Meyer窗函数的剪切波算法可以识别出图像边缘和纹理,并在去噪的同时保留纹理,以Meyer小波作为剪切波基函数,利用Meyer小波函数和尺度函数构造窗函数,然后采用Meyer窗函数来建立各向异性剪切波滤波器,再利用该剪切波滤波器对蝗虫切片图像进行多尺度分析,经过剪切波变换获得剪切波系数,最后应用硬阈值方法去除蝗虫切片图像噪声系数,经过逆变换得到蝗虫切片去噪图像。采用经典图像质量评价指标均方误差（MSE）、峰值性噪比（PSNR）、结构相似度（SSIM）对本文算法去噪性能进行评价,在噪声标准差等于30时,将本文算法与Meyer小波、偏微分方程等去噪方法进行比较,其中PSNR比Meyer小波提高2.5dB左右,比偏微分方程算法的PSNR提高2dB左右。仿真试验结果表明,本文算法去噪后的蝗虫切片图像去噪效果明显优于其他传统去噪算法,去噪结果在视觉效果上也优于其他传统去噪算法。     

基于EMD的联合收获机籽粒损失监测传感器设计与试验

玉米清选损失监测受清选脱出物种类多样、环境噪声复杂等影响严重,为了解决清选损失监测精度差、效率低的问题,设计了一款基于最小能量准则EMD（Empirical mode decomposition）去噪方法的清选损失监测传感器,实现了对采集信号中的振动、工噪和杂余等信号分离。利用Matlab仿真对模拟信号进行去噪,与小波去噪、低通滤波法和移动平均法3种去噪方法相比,基于最小能量准则EMD去噪方法在不同信噪比下均方根误差（RMSE）最小,为0.1698,信噪比（SNR）最高,为12.7453,处理后的信号最接近原始信号。为验证该方法的实用性,以籽粒损失率分别为0、5%、10%、15%和20%的冲击样本开展损失率监测传感器台架试验,结果表明：该传感器最小检测误差为1.8%,最大检测误差为3.9%,对比小波去噪、低通滤波法和移动平均法3种去噪方法所得试验数据,最小能量准则EMD去噪方法的平均误差分别减小了2.12、4.40、6.52个百分点,与仿真试验结果一致。该研究对于提高玉米清选损失率检测精度特别是信号处理过程中去噪方法的研究具有重要意义。     

基于经验模态分解和S变换的缺陷超声回波检测方法

为对金属材料超声无损探伤中的微小缺陷回波进行检测,建立了金属材料背散射信号模型,讨论了调幅回波模型的中心频率估计的无偏性,并提出基于经验模态分解(EMD)和S变换的缺陷回波检测方法。首先对原始信号作EMD,通过时间尺度滤波重构信号,实现初步去噪;为抑制EMD去噪后信号的信噪混叠现象,执行基于S变换和最大类间方差法的去噪算法,进行二次去噪,得到信噪比较高但缺陷回波幅值衰减较大的信号。最后采用二次S变换修正二次去噪中因S变换导致的缺陷回波幅值降低量。对仿真信号和实际棒材检测信号的处理结果证明了该方法在去除噪声和缺陷回波检测方面的有效性。     

EMD自相关阈值去噪法在水电机组振动信号中的研究

经验模态分解(EMD)可将信号分解成若干不同频率的固有模态函数(IMF),传统EMD去噪法只对高频IMF分量进行处理,但缺乏有效的IMF选择依据。自相关能量准则可以定量筛选出含有噪声的IMF分量,利用改进的小波阈值去噪法对这些含噪IMF进行处理,然后重构所有IMF分量得到去噪后的信号。将这种EMD自相关阈值去噪法用于水电机组振动信号中,通过实例仿真,将去噪前后的信噪比和均方根误差进行比较,结果表明这种去噪方法能有效用于水电机组振动信号中。     

基于自适应半径滤波的农业导航激光点云去噪方法研究

针对点云数据去噪操作易损失点云细节信息问题,提出了动态半径滤波器,该方法可在保留场景细节信息的同时获得良好去噪效果。此外,提出基于深度卷积神经网络的种植模式判定器,该方法可实时识别当前种植模式,并读取相应的去噪参数。在苹果种植园、白杨树林和旱柳树林完成去噪试验,试验结果表明,本文方法能去除多尺度点云噪声,有效抑制稀疏离群点、目标周围的逸出值和密集噪声,单帧点云(6400点)去噪平均耗时为43.2ms。经自适应半径滤波去噪后,密度聚类的平均精确率为94.3%,平均召回率为78.9%,与原始数据相比,分别提升了40.4%、33.9%。自适应半径滤波具有较高的实时性、通用性和鲁棒性,能较明显地提升聚类效果,为点云后续处理奠定良好基础。     

基于小波消噪的水文序列复杂性和趋势分析

考虑到噪声淹没了水文序列的真实变化特性,运用小波消噪方法对水文序列进行消噪处理,然后根据符号动力学理论时水文系统的复杂性进行分析和研究.分别计算出呼伦湖流域小渡消噪前后的径流序列的复杂度空间变化和动态变化结果.水文序列经过史坦无偏风险估计的软阈值方法消噪处理后,得到的消噪水文序列与原序列具有同等的光滑性和相似性.据此特点对呼伦湖流域克鲁伦河、乌尔逊河和海拉尔河进行水文序列趋势成分分析.     

小波变换在果品图像处理中的应用

针对果品图像处理常用方法不能同时在时域和频域分析图像,且不具有多分辨率特性的问题,应用小波变换理论和技术,以红枣图像为例,对果品图像进行了去噪、增强等处理。小波去噪所需时间为9s,还不及数学形态学的1／4;小波变换用于红枣图像增强所用的时间仅为7s,是模糊数学形态学的1／495。试验结果表明：小波变换用于果品图像增强和消噪,具有方便快捷、去噪效果好、目标明确等优点;小波变换用于果品图像处理是有效的、可行的。     

小波域非局部均值无芒隐子草叶切片盲去噪

在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确。对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小波阈值去噪、非局部均值去噪和提出的非局部均值滤波(NLM)与小波阈值去噪相结合的方法对无芒隐子草叶切片图像进行去噪。实验结果表明:获取的切片图像噪声类型为高斯加性噪声,标准差为σ∈[1. 5,3. 5],用高斯函数对随机选取的10幅切片图像的高频HH子带能量分布进行拟合,拟合优度为R2=0. 990 7;用3种方法对含不同噪声大小的切片图像进行去噪,当噪声标准差为σ∈[1. 5,8]时,应用Beyes Shrink法去噪后,图像的峰值信噪比提高了3 d B,而NLM和本文提出的算法不适用;当噪声标准差为σ∈[8,15]时,NLM算法和提出的算法去噪效果相当,去噪后图像峰值信噪比提高了7. 5d B,应用Beyes Shrink算法提高了6. 5 d B;而当σ∈[15,30]时,使用提出的算法表现出较大的优越性,去噪后图像峰值信噪比提高了10. 53d B,是NLM算法的1. 4倍、Beyes Shrink法的1. 3倍。本文的算法和实验结论可为无芒隐子草切片图像准确降噪提供理论基础。     

小碎步，静悄悄——韩泰万途仕S1 noble（H432）轮胎测评

一上环路或者高架就得调大音量，不然听不清，有没有!长途自驾游提前准备了不少好听的CD结果胎噪轰隆轰隆听不成，有没有!如果说风噪是呼啸的速度，发动机轰鸣是澎湃的动力，实在想不通胎噪有什么意义，能忍则忍，忍不了还是换胎吧。     

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.     

某SUV车型风噪试验与优化研究

针对某SUV车型风噪产生机理进行研究,利用声学风洞开展车身表面噪声源测试、噪声源定位试验及车内风噪试验,并通过分析试验数据确定了风噪影响因素及部位。最后,通过研究隔声玻璃阻尼损耗因子及隔声性能,发现隔声玻璃的运用可以有效降低车内风噪水平,是一种优化车内噪声的重要手段。     

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．     

蛋鸡声音信号去噪方法对比分析

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,以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Lab VIEW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 d B声音环境下,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,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。     

外置静音棉——德国马牌CC5轮胎长期测试

汽车行驶的噪声，主要分为3部分，分别是发动机噪声、风噪以及胎噪，您如果觉得自己的车噪声大，可以做个小小的测试，看看噪声主要来自哪个环节。     

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.     

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。