SG-VMD-SVD的信号去噪方法研究

油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题.为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD: Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结合的油气管道信号的联合去噪方法.首先,针对泄漏信号在时域利用SG平滑滤波降噪,去除尖脉冲、高频成分等噪声,提高输入信号的信噪比;将滤波后的信号利用VMD分解,通过计算各个本征模态分量(IMF: Intrinsic Mode Function)与信号之间的曼哈顿距离,从而区分信号分量与噪声分量,对噪声分量进行频域奇异值(SVD)去噪,最后将滤波后的分量与信号分量进行重构,得到最终降噪后的信号.通过仿真和实际实验表明,该方法与单一VMD法、VMD-小波变换、SG-VMD-时域SVD去噪方法相比,去噪后所得信号信噪比相对较高,并验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性.     

一种噪声环境下的语音识别方法(线性预测误差法)的研究

介绍一种平稳噪声环境下语音识别的新的方法。该方法利用噪声的LPC系数去预测语音信号,从而得到LPC预测序列,然后把它代替原语音序列来进行语音端点的检测、语音特征的提取和在合适的匹配方式下的识别。实验结果表明：该法在噪声环境下自动检测语音端点和提取语音信号的特征是可行的,获得了很满意的识别率。     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

一种利用线性预测残差的语音去噪方法

提出了一种利用线性预测残差去除语音中加性白噪声的方法 .含噪语音经过线性预测分析后 ,所得的线性预测残差可分为与语音相关的语音残差部分和与噪声相关的噪声残差部分 .当噪声为白噪声时 ,噪声残差能量与噪声能量的比值大于语音残差能量与语音能量的比值 ,并且随着含噪语音信噪比的增大 ,两者数值上的差距越来越大 .因此 ,从含噪语音中按一定比例 λ(0 <λ<1 )减去预测残差 ,即可抑制噪声残差能量 .这实际上抑制了含噪语音中的噪声能量 ,提高了其信噪比 ,从而达到在一定程度上去噪的目的 .同时 ,这样处理造成的语音能量损失是有限的 .特别是 ,上述方法中对语音成分的操作仅仅在预测残差内进行 ,对语音的共振峰影响很小 ,因而能够较好地保留语音信号的频谱结构 ,使语音品质不致降低 .实验结果表明 ,该方法简便而有效     

一种结合线性预测倒谱法和组合滑动窗口平滑法的基音周期估计改进算法

提出了一种结合倒谱法、线性预测法(LPC)以及滑动窗口平滑法的基音周期估计改进算法.即先用LPC逆滤波后的余量信号代替原始语音信号,滤除噪声和声道响应的干扰,接下来用倒谱法初步估计出基音周期,最后对初步估计出的基音周期进行组合滑动窗口平滑处理,去除野点和错误样点的干扰,最终得出较为准确、自然的基音周期.经仿真验证,方法简单有效可以在低信噪比的情况下获取较为准确的基因周期.     

基于混合方法的室内毫米波传播特性研究

为了研究室内毫米波的传播特性,结合射线跟踪法(ray tracing, RT)和时域有限差分法(finite difference time domain, FDTD)各自的优点,提出了一种基于射线跟踪法和时域有限差分法的混合方法。介绍了混合方法的基本思想,给出了混合方法建模步骤,利用射线跟踪法分析较为空旷的区域,而对于射线跟踪法不能准确预测的含有复杂间断点区域,用时域有限差分法进行了分析。探讨了发射信号频率为60 GHz,室内和室外到室内2种仿真环境下接收信号场强随距离变化的分布以及某一定点接收信号的时延信息。仿真结果可知,复杂环境下混合方法比射线跟踪法的精度高;在接收点的计算量上,混合方法比时域有限差分方法的计算量少。由此表明,混合方法是一种行之有效的方法,能够准确地预测毫米波的传播特性。     

非平稳噪声背景下多径信号DOA估计方法

针对目标信号传输过程中的多径现象或电磁干扰引起的同时存在独立和相干信源(多径信号)的情况,提出了一种非平稳噪声背景下的混合信源DOA分步估计方法。该算法利用常规谱估计算法估计独立信源,在利用广义协方差差分方法排除掉非平稳噪声信息后,然后根据斜投影算子的性质排除独立信源,对剩余的相干信源则可采用修正空间平滑算法恢复为满秩,进而可以用MUSIC算法进行DOA估计。相比较传统的广义差分方法,该算法在提高阵列信源过载能力的同时,避免了对独立信源的平滑运算,计算复杂度降低,并且适用于更广泛的未知噪声背景及低信噪比环境。计算机仿真结果证明了新算法的有效性和正确性。     

利用线性预测残差的语音去噪方法

语音信号中经常混有加性噪声,噪声的存在会使语音处理系统的性能急剧下降,因此语音去噪是语音信号处理中的关键技术之一.提出一种利用线性预测残差去除语音中的加性白噪声的方法,实验结果表明,该方法可以有效地去除语音信号中的加性白噪声,并且保持语音信号较好的清晰度和可懂度.     

一种基于双谱的图像噪声去除方法

为了消除或衰减图像上的噪声，同时尽可能地保留图像细节，提出了一种基于双谱的图像平滑去噪法。该方法根据双谱对高斯噪声不敏感(即高斯噪声的双谱为零)的特性，对一个像素点采用其梯度和最小的几个点的灰度平均值来代替其灰度值，以便对噪声进行平滑滤波的同时，最大限度地保留图像的细节信息。仿真结果表明，该方法较好地实现了这个要求。与常用的中值滤波相比，该方法处理后的PSNR可提高1dB。     

基于降噪处理的蒙古栎木材气干密度NIRS定标模型

分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密度近红外定标模型。结果表明,当平滑点数为3,db5小波分解层数为2时,以平滑+小波方式去噪效果最好,其信噪比(SNR)为18.546,均方根误差为0.04。平滑+小波去噪后,基于PLS的蒙古栎木材密度近红外校正模型决定系数由0.767提高到0.902,校正均方根误差降低了35.32%,预测集决定系数为0.860,内部交叉验证和预测均方根误差分别达到最低,剩余预测偏差为2.67。因此,近红外光谱技术可实现蒙古栎木材气干密度快速预测,合理选择处理参数和建模方法可以有效提高模型精度。     

高速公路声环境影响评价中预测与实测的对比--以沪宁高速公路江苏段扩建工程为例

以沪宁高速公路扩建工程声环境影响预测的实践为例,利用环境现状监测数据,分为噪声影响叠加和衰减分别对交通部公路噪声预测模型和美国FHWA模型进行了验证和对比分析．并就实测数据与预测数据的偏差进行了分析．最终综合考虑选用交通部公路噪声模型进行预测．     

隧道围岩变形EMD灰色系统预测模型研究

基于经验模态分解降噪原理,建立了EMD灰色系统GM(1,1)预测模型, 使EMD方法与灰色系统GM(1,1)预测模型很好地相结合,有效地降低了原始监测数据内噪声干扰对预测结果的影响,并结合梅花山隧道工程实际,对EMD灰色系统GM(1,1)预测模型进行了检验。研究结果表明：EMD灰色系统GM(1,1)预测模型环境适应能力较强,预测结果与实际监控数据吻合程度较高,是隧道工程围岩变形动态预测较为有效方法,具有较好的工程实用价值。     

Nonlinear fusion filters based on prediction and smoothing

To attenuate white noise, nonstationary noise and impulse noise are important for signal processing. In this letter, we present nonlinear fusion filters (NFF) based on prediction and smoothing. By means of least square fitting of a polynomial, we define and give the operators of left prediction and right prediction, left smoothing and right smoothing, central smoothing and cross-validation smoothing. In simulated experiments, it is shown that the present method is an effective one.     

车道模型对高速公路交通噪声预测准确性分析

根据桓永高速公路、随岳高速公路和京津第二通道高速公路的交通量、车型及车速等监测数据,运用中间车道预测模型和车道累积模型,分别对三条高速公路进行了噪声预测,将噪声预测值与实测值进行了对比,并分析了差值的原因,得出车道累积预测模型在高速公路交通噪声的预测准确性上优于中间车道模型.     

汉语元音的非线性预测

最近研究表明非线性的局部模型是最精确的混沌时间序列预测方法之一．同时有研究表明汉语的产生过程包含非线性．传统的语音处理技术忽视了语音中可能存在的非线性结构，因而限制了处理能力的进一步提高．对汉语元音／a／和／u／的细致相空间分析结果表明，汉语元音的重构相空间有类似于混沌吸引子的结构．根据汉语元音发声过程的非线性特性，进一步对其进行相空间的局部线性预测分析，计算了预测误差随预测步长的关系曲线，讨论了嵌入维数对预测性能的影响，并且与传统的线性方法作了比较．结果表明，尽管非线性的局域线性预测法存在计算开销大的问题，但其预测视野要远大于线性预测法，总体预测性能明显优于线性预测法．     

高喷口参数燃气尾流噪声抑制技术及预测方法

目的　研究火箭发动机高喷口参数燃气尾流噪声的抑制技术及其预测方法,以降低发射效应,改善发射环境; 方法　应用小孔消声和微穿孔消声原理提出发射噪声和冲击波超压的抑制方案,并在给出流场计算方法的基础上,运用喷气噪声理论给出发射尾流噪声的理论预测方法; 结果　该抑制方案降低了超压值４９．６％ ,理论与试验结果符合较好; 结论　抑制装置结构简单实用,能显著降低噪声和冲击波超压,理论预测方法能较准确地满足预测要求;     

多扫描双向参考的快速帧内预测算法

为了进一步提高帧内预测算法的编码性能,提出了一种多扫描双向参考的快速帧内预测算法.首先通过边缘相关性选取最优的扫描模式,并通过预处理缩减单向参考预测模式的数量,然后以哈达马变换比为权重确定双向参考的预测模式,最后利用简化的率失真模型确定最终的预测模式,并用这些预测模式进行编码,大幅度提高了编码性能.仿真结果表明,与双扫描双向参考帧内预测算法相比,该算法在大幅度减少编码时间的情况下,不但使输出码率降低了2.74%,而且使重建图像的平均峰值信噪比提高了0.13dB.     

基于灰色系统理论的叉车声品质分析与预测建模

为了研究灰色系统理论在声品质预测建模方面应用的有效性,本文以5款3吨位叉车在怠速和额定转速工况下的30个车内外辐射噪声样本为研究对象,以烦躁度为主观评价指标,采用等级评分法进行了主观评价实验;运用ArtemiS软件分析计算了主要心理声学客观参数,选取了响度、尖锐度、粗糙度和抖动度为主要分析对象;运用灰色系统理论算法分析了烦躁度与心理学客观参数的相关性,得到各相关系数,证明了所取心理学客观参数与烦躁度之间具有较高的相关性;基于灰色系统理论的GM(0,N)模型,建立了烦躁度的预测模型,并对预测模型进行了误差检验;结果表明基于灰色系统理论所建立的烦躁度预测模型具有较高的精度,即预测值能够较接近人的主观感受。     

基于BP神经网络的交流输电线路可听噪声预测模型

可听噪声属于输电线路电磁环境的影响因子之一,其常规预测模型均存在使用条件受约束或预测误差偏大的问题.根据间接预测法的思想,以可听噪声通用表达式中的4个因素为输入变量,可听噪声值为输出变量,建立了三层结构的BP神经网络交流输电线路可听噪声预测模型.以国外多条输电线路可听噪声数据为样本,通过BP神经网络对样本进行训练,运用得到的模型对预测集线路的可听噪声值进行了预测.结果表明,与常规GE公式相比,采用BP神经网络预测模型的预测平均绝对误差要小1.641 4 d B(A).     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。