地震勘探资料处理中机械振动噪声的自适应去除方法

众所周知,对于穿过工业区的一些地震测线,不可避免地受到外界多种机械震源干扰的影响,造成采集资料的大面积噪声干扰,这类干扰能量强、频带宽、有一定的规律性。叠前资料的去噪是资料处理中的首要任务。有针对性的各种叠前去噪方法也很多,但目前还没有一种有效的方法去除该类噪声。针对这类干扰,进行了详细地分析,并提出了一种自适应去噪方法,应用效果表明,该方法能较好地去除上述噪声,有效地提高了资料的信噪比。     

基于数字图像去噪的方法分析

图像在采集和传输等过程中不可避免会受到各种噪声的干扰,为了后续更高层次的处理,很有必要对图像进行去噪预处理。本文分析比较了几种常见的去噪方法,并以高斯噪声为例在MATLAB中进行了滤除。     

基于经验模态分解的大地电磁资料人文噪声处理

将经验模态分解(Empiricalmodedecomposition,EMD)方法应用到大地电磁资料的人文噪声处理中,根据人文噪声的不同来源和特征,提出基于EMD的时空滤波器或硬(软)阈值对噪声进行抑制的方法。给出经验模态分解去噪方法的原理和步骤,并对实测大地电磁信号中常见的脉冲干扰、矩形干扰和周期正弦噪声等人文干扰进行消噪处理。研究结果表明：本文提出的噪声改正方法是有效的,突出了有用信号的信息,改善了受干扰大地电磁数据的质量。     

基于声发射的塔吊安全检测方法与实验研究

针对现有的塔吊安全检测技术存在抗干扰能力差,实时性不足的问题。提出一种基于声发射的塔吊安全检测方法。通过详细分析声发射波源在吊塔缺陷区域形成的信号特征,引入小波去噪技术去除检测中的电气干扰噪声、机械噪声、传播途径引起的畸变和衰减等干扰。运用参数分析和波形分析两种技术,识别缺陷区域信号特征。仿真实验结果表明,基于声发射的塔吊安全检测方法能够较好地去除干扰,采集到稳健性较好的去噪特征信号,对塔吊非安全区域的连续型和突变型损伤特征信号能较好地重构,满足应用需求。     

一种遥感影像混合噪声二阶去除方法

遥感影像去噪对于影像后续的使用和研究具有重要意义。高斯噪声与椒盐噪声是影像中常见的噪声,目前的去噪算法对于这类混合噪声普遍存在去噪效果不佳、去噪后影像边缘模糊等缺点。针对以上问题,提出了一种遥感影像混合噪声二阶去除方法。该方法第一阶段是在DnCNN网络框架的基础上引入扩张卷积来增加网络的感受野,便于在遥感影像中提取更多的特征信息;同时在深卷积层后引入DropoutLayer层构建降噪模型,以防止网络出现过拟合,简化训练难度,然后使用该模型对影像进行初步降噪。为进一步提高初步降噪结果的影像质量,有效去除混合噪声中的椒盐噪声,保留更多的影像边缘细节及纹理特征。该方法第二阶段是在自适应中值滤波的基础上采用最近邻域像素加权中值替换原滤波窗口中值,对初步降噪结果进行二次处理,得到遥感影像混合噪声最终去噪结果。为验证算法的可行性和有效性,进行了遥感影像去噪实验及去噪影像边缘检测实验。分析实验结果,无论从主观视觉还是客观评价指标上进行对比,提出的方法对于遥感影像混合噪声去噪效果优于传统去噪方法,并且能够较好地保留影像边缘细节及纹理特征,获得更清晰的影像结果。     

自适应SAR图像噪声识别和去噪算法研究

对噪声SAR图像进行噪声类型识别,是对图像进行有针对性去噪的第一步。针对7种典型噪声的干扰图像,提取包括Zernike矩、小波高频不显著系数子带能量比、噪声能量特征值等在内的8类特征值。设计了反向传播(BP)神经网络分类器,可以实现对不同噪声类型干扰的SAR图像的有效识别。采用了包括Probabilistic Patch-Based filter、2DDFT-DWT等7种最新有效过滤SAR噪声图像的算法进行综合去噪。实验结果表明,系统能够在一定程度上自适应过滤受到不同噪声干扰的SAR图像信号。     

小波奇异性分析用于示波信号去噪

通过对信号与噪声奇异性的分析,得出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论。提出一种新的去噪算法并应用于受噪声干扰的示波测定信号的去噪处理。     

基于随机共振与粒子群优化的毫米波辐射计信号去噪算法

毫米波辐射计由于具有全天候工作、识别金属目标能力强、隐蔽性好等特点,具有广阔的应用前景。然而由于大气干扰、辐射计本身抖动等影响,毫米波辐射计的输出信号隐没在强噪声背景下。传统的微弱信号检测方法在强噪声背景下信噪比改善性能并不理想,本文提出了一种基于可变惯性权重和信息共享的粒子群优化的自适应随机共振算法的毫米波辐射计信号去噪算法。实验结果表明,本文方法对噪声的变化有更好的鲁棒性,尤其在强噪声背景下相比于传统去噪算法,能更好地改善信号的输出质量。     

采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解(EEMD)改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数(IMF)。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。     

利用重复采样技术提高OTDR中ADC量化精度

分析了 ADC在信号、白噪声以及信噪混叠三种情况下量化结果的统计特性和重复采样带来的影响 .针对 OTDR使用中存在信号动态范围大、噪声干扰强的特点 ,提出一种利用叠加在信号上的白噪声和重复采样技术提高其 ADC量化精度的方法 ,可以简化 OTDR电路和运算的复杂程度 .给出了最小采样次数与量化分辨率、噪声特征和均方量化误差间的关系     

小波包变换叠前地震资料去噪方法研究

给出了一种不同常规的消除面波和高频随机干扰波的小波包变换方法。小波包变换是一种新的时频分析方法，优于小波变换和传统的Fourier变换，它能够对地震资料进行时频精细划分，准确描述具有相同频率的有效波与干扰波在时间—空间域的分布。利用小波包变换可以从叠前资料分离出面波、随机干扰等，再通过小波包重构，可有效地剔除干扰信息，保留有效信号。实际资料实验表明，小波包变换在去噪方面十分有效。     

路面三维数据去噪算法

为了满足路表三维形态精确重构和路面病害检测与特征提取的要求,针对路面激光三维成像系统,结合数字图像滤波处理技术,提出了一种双相标准差滤波法与基于组合结构元素的级联形态学滤波算法相结合的去噪方法,即先对路面三维数据进行双相标准差滤波处理,然后再对其进行基于组合结构元素的级联形态学滤波处理。对整个三维数据、行数据、列数据3个方面进行去噪效果分析。研究结果表明:双相标准差滤波法能够很好地滤除高信噪比情况下的脉冲噪声干扰,同时保持路表完整的三维图像细节;基于组合结构元素的级联形态学滤波在低信噪比情况下能有效滤除路表三维数据毛刺类背景噪声的干扰;将这2种滤波算法结合可使总噪声、行噪声、列噪声均获得比中值滤波更好的去噪效果。     

基于小波多分辨率分析和新的阈值自适应的信号去噪

针对信号去噪时,信号和噪声的频带相互混叠,且对信噪比有较高要求的情况,提出一种基于小波多分辨率分析和新的阈值自适应的去噪方法。实验结果表明,在采用相同的小波基的情况下,该文提出的算法和Matlab自带算法以及文献[5]提出的算法相比,信噪比得到较大的提高,减少了计算量,增加了算法的实时性。     

结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

基于Matlab的图像去噪可视化系统设计

设计了基于Matlab的图像去噪可视化系统,针对常见的高斯噪声、椒盐噪声、乘性噪声,讨论和比较了均值滤波、中值滤波、自适应中值滤波、维纳滤波和小波阈值滤波等去噪方法,并利用峰值信噪比PSNR反映各种去噪方法对不同噪声干扰后图像的处理效果,为图像去噪提供了直观的分析.     

基于EEMD-MD的手指心电信号消噪算法

针对心电数据的噪声干扰问题,提出了一种新的联合集合经验模式分解(EEMD)和马氏距离(MD)的信号去噪方法。首先,采用EEMD将含噪信号分解为若干个固有模态函数(IMF)。其次根据核密度估计方法对原始含噪信号和各IMF分量的概率密度函数(pdf)进行估计。然后利用各IMF分量的pdf同原始信号的pdf之间的MD距离来选取相关模态函数,从而区分噪声层与信号层,解决了人为选择相关IMF分量导致去噪效果不明显的问题。最后,将该算法用于模拟信号和手指心电信号的消噪实验。结果表明,该方法能够较好地去除手指心电信号中的噪声,信号的输出信噪比显著提高,且失真度小,较好地保留了真实信号中的有用信息。     

基于相空间重构和独立分量分析的超声信号噪声消除

提出了一种新的基于相空间重构和独立分量分析的超声信号去噪方法.应用该方法处理了实际的试块超声检测信号,并与小波去噪的效果进行了比较.实验结果表明,该去噪方法的效果与小波去噪方法接近,其特色是通过超声信号和噪声信号的盲源分离实现噪声消除.该去噪方法与小波去噪方法相比具有使用简单容易、去噪效果好和自适应强等优点.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

基于EMD的基音检测预处理技术

针对基音检测的性能严重受背景噪声影响的问题,论文基于经验模态分解(EMD)理论,研究了含噪语音信号的EMD分解特性,参照小波阈值去噪方法,提出了一种基于EMD的自适应语音去噪算法,并且针对软、硬阈值函数的不足提出了一种新的阈值函数.MATLAB仿真结果表明,该方法可以有效地去除噪声,较好地恢复语音信号,与小波阈值去噪方法相比,信噪比、均方根误差等性能指标均有明显提高.     

基于最大信息熵的小波图像去噪算法研究

去噪算法在图像处理的过程中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于最大信息熵的小波去噪算法,根据最大信息熵的理论确定了改进型阈值和改进型加权阈值函数中的加权因子。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与Donoho提出的小波阈值去噪算法的去噪效果相比,具有更好的去噪性能。