基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,有效地改善了视电阻率曲线质量,具有较好的应用前景。     

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.     

基于子带噪声的自适应小波阈值算法

该文提出了一种新的小波阈值的算法,它是在传统的Donoho阈值上的改进．传统的Donoho阈值没有考虑小波系数中不同的子带包含的噪声不同,均采用唯一的一个Donoho阈值对小波系数进行判别．这显然是不合适的．因此,作者提出了这种根据子带中的噪声自适应的调整小波阈值的算法,收到了比较满意的效果．     

风机振动信号的小波阈值降噪处理

针对现场采集到的风机振动信号中存在大量噪声问题,采用不同的小波和阈值组合对仿真信号进行降噪处理,得出db8小波和heursure阈值选取方法可以得到最优的降噪性能.并将该方法应用于风机实际振动信号的降噪处理.结果表明,采用db8小波和heursure阈值选取方法的降噪组合,不仅能够有效降低信号中的噪声成分,还很大限度的保持了原信号的故障特征.     

基于小波的ECG信号噪声消除

人体心电信号在采集过程中掺杂着各种噪声信号。因而提出利用一种非线性的消噪方法，根据心电信号与噪声奇异点在小波变换下不同性质进行滤波。给出了具体的算法和试验结果。理论分析和实验表明，这种方法在改善信噪比同时又能保持相当主的时间分辨率，而且特别适合时变信号和突变信号的消噪。     

混沌蚁群算法及其在相位差优化中应用

城市交通主干道及网路上的交通信号通常以协调的方式运作,而相位差是主要的协调参数。然而相位差的优化中经常存在局部最优和收敛速度慢的问题,为解决相位差优化的问题,本文建立了混沌蚁群算法,然后利用该算法来优化相位差。一个9交叉口的仿真实验结果表明,明显地改进了优化效果,有效地减少了交通网络的车辆平均延误和平均停车率,提高了收敛速度。     

基于ACO优化小波神经网络的语音识别

蚁群优化(Ant Colony Optimization,ACO)算法是根据解决不同优化问题的多个蚂蚁算法所归纳出的解决复杂的组合优化问题的一个一般框架。本文首先研究ACO算法的原理及其结构框架,在此基础上,引入蚁群优化算法进行小波神经网络的训练,对ACO训练小波神经网络步骤和方法进行了研究。并与BP算法、遗传算法、模拟退火算法进行性能比较,将各种方法训练的小波神经网络用于噪声环境下的语音识别。仿真结果表明,基于ACO算法训练的神经网络在收敛速度上更具有优势,能够获得较小的均方误差值,对于非特定人噪声环境下的语音识别的正确率达到96%,是一种有效的语音识别方法。     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

基于改进小波阈值和形态学的机械臂振动信号降噪分析

采集现场机械臂振动信号过程中会受到多种外部因素的影响,面临着多种噪声的综合作用。为了提高振动信号降噪精度,设计了一种基于改进小波阈值和形态学方法的机械臂振动信号降噪方法。利用改进小波阈值方法进行去噪时并跟形态学滤波方法进行结合的情况下可以对振动信号误差起到更优的抑制性能。研究结果表明：采用优化阈值-形态学滤波方法则可以获得纯净特征参数。本算法能够达到理想的噪声抑制性能,可以确保特征频率得到充分保留。     

基于蚁群算法的最佳熵图像分割阈值方法

最佳熵阈值是最常用的图像分割算法之一,但是需要大量的运算时间,限制了其实际的应用范围.蚁群算法是一种新兴的仿生进化算法,已成功的应用于大批组合优化问题的处理.将最大熵算法视为组合优化问题并引用蚁群算法加以处理,实验结果表明蚁群算法不仅可以实现最优阈值的确定,而且可以提高图像分割效率.     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

采用序优化的改进蚁群算法

为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.     

蚁群算法参数分析

介绍了蚁群算法的基本原理。确定了蚁群算法中的主要参数,这些参数对蚁群算法的寻优能力的影响非常之大,有启发因子α,期望启发因子β,蚁群数量m,信息强度Q和信息素会发因子ρ等参数,以旅行商问题为例优化以上参数,研究这些参数的组合情况。首先根据数值试验选定[α,β,m,Q,ρ]=[1.5,4.2,30,200,0.5]。固定四个参数,改变一个参数进行数值试验。得到α∈[0.7,1.1],β∈[3.8,4.5],Q∈[400,950]和ρ∈[0.7,0.9]能得到稳定的全局最优解。     

基于改进的蚁群算法的物流拣选路径优化

提出了一种改进的蚁群算法来解决物流拣选路径的优化问题。通过实验室模拟环境,用Matlab7.0进行了某次拣选作业仿真,取得了最优路径。与基本蚁群算法相比,所提出的方法能更快地找到最优解。     

基于蚁群算法的最短路径搜索方法研究

最短路径问题是在给定的网络图中寻找出一条从起始点到目标点之间的最短路径。蚁群算法是一种用于求解优化问题的新型模拟进化算法,该算法在许多相当困难的优化问题的求解中体现了极强的寻优能力和较好的性质。提出了一种利用蚁群算法来解决网络最短路径问题的新方法,并用Matlab语言编程进行算法的实现和仿真。结果表明,蚁群算法在寻求网络最短路方面的应用是可行的。     

基于多目标蚁群优化的知识即服务动态组合策略

为了以Web服务方式实现云计算环境下的知识共享和知识融合,提出了一种基于多目标蚁群优化的知识即服务组合策略.该策略中,结合云计算环境的动态性和知识即服务的质量规则,从知识服务提供者的角度构建了知识即服务动态组合模型;同时,为了利用问题的特征信息引导蚂蚁的搜索行为,设计了蚁群算法相应的信息素和启发信息,从而实现多目标优化.在云计算平台下使用真实的Web服务实例进行仿真实验,将该策略与基于遗传算法和协同进化算法的策略进行比较,结果表明,文中策略的性能和解的质量均明显较优.     

基于非局部均值的混沌映射噪声抑制算法

提出了一种基于非局部均值的混沌映射噪声抑制算法.该算法根据混沌映射的特征,利用实验分析得出非局部均值应用于混沌映射噪声抑制时滤波参数块长、搜索区间和带宽参数的最优取值.仿真结果表明,文中算法对高斯噪声的抑制性能优于现有的相空间估计投影方法、扩展卡尔曼滤波方法和无先导卡尔曼滤波方法,能对不同噪声水平的混沌映射进行有效的噪声抑制.     

基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.