二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。     

基于EMD与1D全变分的地震信号去噪

经验模态分解(Empirical Mode Decomposition,EMD)是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数(Intrinsic Mode Function,IMF)之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分(Total Variation,TV)是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。     

基于S变换和谱减法的语音降噪

S变换是一种有效的时频表示方法,具有短时傅里叶变换和小波变换的优点,通过提出一个基于S变换的谱减法语音增强方法,将语音变换到时频联合域内进行谱减,从而得到较纯净的语音,再利用逆S变换将增强后语音还原输出.实验结果表明,该方法有较好的语音降噪能力并提高了性噪比.     

基于自编码网络的空气污染物浓度预测

深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和解码器两个部分.其中,编码器用于提取出时间序列污染物浓度数据分布特征,即语境向量;解码器利用提取的特征预测未知时间内污染物浓度数据.模型中编码器和解码器采用多层LSTM(long short-term memory)模型结构,实现长时间依赖预测目标.实验表明,提出的模型可以提高对污染物浓度的预测水平.     

自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

用于图像平滑去噪的快速各向异性反扩散算法

提出一种用于灰度图像平滑去噪的基于自适应统计滤波的快速各向异性反扩散算法.该算法通过建立一种改进的异性扩散算法,对含噪图像迭代地进行反扩散作用,并在两次反扩散之间实行自适应统计滤波,以达到平滑去噪的效果.实验结果表明,新算法的性能稳定,相对于已有算法能在更短时间内达到预期效果,同时使图像边缘得到一定增强.     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

加速度信号小波降噪的改进算法

目的:人体运动产生的加速度信号在采集过程中经常会混入各种噪声和干扰,这给后续的研究带来了困难,因此对采集得到的加速度信号进行降噪处理是后期运动功能评价的前提和基础。方法:为了更好地分离有用信号和噪声干扰,根据小波阈值降噪的原理和小波高频系数方差的分布,针对小波分解层数的确定、阈值估计和阈值函数的选择3个方面提出了改进的算法。结论:实验结果证明,改进的算法能够很好地抑制噪声对加速度信号的干扰,提高了评估的准确度,达到了预计的效果。     

基于子波变换的水声信号去噪方法研究

针对水声信号的低信噪比、非平稳性等特点，在对采集到的水声信号进行分析处理的基础上，提出了一种水声信号去噪的方法。该方法首先对采集到的低信噪比水声信号进行滑动取值，分别利用子波变换求功率谱，并进行统计平均，确定代表水声信号特征的频谱分量，去除不稳定的随机频谱分量；然后利用子波反变换将处理后的功率谱变换为时域信号；再利用子波软门限去噪方法去噪。通过仿真验证，获得了较好的效果。     

基于小波的被动声呐降噪研究

采用基于小波的降噪理论,研究了水下舰船辐射噪声的被动声呐降噪问题,在舰船辐射噪声的建模与仿真条件下,分析对比了不同方法对舰船辐射噪声信号降噪的效果,并分析比较了利用各种小波基和采用不同阈值条件下对信号进行降噪处理的效果。在分析对比的基础上进行小波包软阈值去噪取得了较好的效果,对被动声呐降噪提供了较好的应用前景。