滚动轴承振动信号的稀疏表示研究

振动信号蕴含着丰富的装备工作信息,信号稀疏表示能够有效地提取信号最本质的特征.以滚动轴承振动信号为对象,对其进行了稀疏表示研究.根据轴承振动信号的频谱结构特点,基于信号自适应展开,构造了基于指数衰减余弦函数的过完备原子库;用粒子群优化算法(PSO)算法依次搜索原子库中与信号最匹配的原子对其进行稀疏表示并进行了仿真.结果表明:所选择的原子库分解信号后的残余信号更小,相似度达0.912 2,能更好地表示信号.     

剪切波与小波在信号及图像去噪中的应用

针对信号和图像去噪声问题,利用小波及剪切波理论,分别对信号及图像稀疏表示。通过软阈值算法将其重构,实现去噪声过程。根据小波和剪切波的不同结构,分析了剪切波与小波的去噪声过程,通过信噪比对比了二者的恢复效果。通过数值算例分析了消失矩对小波去噪声结果的影响,为去噪声问题中如何选择小波基提供先验信息。     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

脉动流条件下涡街信号瞬时频率的估计

研究脉动流条件下涡街信号的模型,提出频率测量的新方法.利用基于ⅡR滤波器组的小波变换,对信号进行二进制分解.根据实时性要求,提出基于ⅡR滤波器组的递归小波分解算法.对分解后的涡街信号进行Hilbert变换,估计出瞬时频率.仿真结果表明,该方法计算精度高、实时性好,可以准确反映脉动流条件下涡街信号的频率特征.     

基于心理声学模型数字音频水印算法

提出了一种将心理声学模型和小波变换、离散余弦变换相结合的数字音频水印算法,根据人耳听觉系统的掩蔽效应,计算载体音频信号的掩蔽阈值.为了消除图像水印的像素相关性,首先对水印图像进行置乱,以增强水印信号的安全性.然后将水印信号嵌入到小波变换近似分量的DCT变换域中,嵌入强度由掩蔽阈值自适应控制.仿真实验结果表明：该算法隐藏水印具有很强的不可感知性;叠加了水印的音频信号对数据压缩、加噪、重新采样、重新量化、低通滤波等常用的音频信号处理技术具有很好的鲁棒性.     

基于小波变换极大模算法的数字水印技术

提出一种新颖的在小波变换极大模域中嵌入的基于多尺度边缘的数字水印方法。利用小波变换极大模表示的几乎完全重构和奇异性刻画等优点来得到图像的一种稀疏表示,其中系数较大点表示了图像之中的感知重要的结构性边缘。因此,给定一幅图像,首先计算其二进小波变换,它的两个部分分别和该点处梯度向量成比例,则可以得到该点处的模和幅角信息,通过沿幅角给定的方向寻找模值的局部极大值来得到图像的多尺度边缘。通过取阀值和选择正Lipschitz指数的点来选取嵌入位置,将视觉可识别的图形冗余地嵌入到多尺度边缘中而保留幅角信息不变,经过逆小波极大模变换就可得到嵌入了水印信息的图像。实验结果表明该方法具有较高的保真度和极强的抗有损压缩的能力。     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

多尺度小波分解融合在微机电陀螺数据处理中的应用

提出一种小波域数据融合模型. 将多个传感器的数据进行多尺度分解,分别对每个尺度上的细节信号和最粗尺度上的近似信号进行局部加权融合,并根据小波重构公式得到原尺度上的融合信号. 基于实际工程应用对该模型进行了数学证明,分析随机序列经离散小波多尺度变换后的形式,研究各尺度上的平滑信号、细节信号之间的统计特性,从理论上解释小波域多尺度数据融合算法的优越性. 实验表明：该方法能显著提高数据融合后微机电陀螺仪的零偏稳定性.     

小波变换在人-板系统动测方法中的应用

首先利用离散小波分解信号,对时频小波变换相关算法进行改进,只对能量集中的低频逼近信号进行相关估计,避免了高频干扰,从而推算出运动员的离板时刻及起跳加速度和速度.然后对跳水板建立冲击响应谱,提出了运动员获得最大起跳效果的蹬伸条件.实验分析结果表明,此方法能有效评估运动员的起跳状态,为跳水训练提供了依据,具有较强的可行性和实用性.     

基于归一化图像的小波域水印算法

提出了一种基于小波变换的抗几何攻击数字图像盲水印算法.首先本算法以基于矩的图像归一化技术和不变质心理论为基础,获得嵌入水印的兴趣区域.其次,将得到的兴趣区域分成4块,分别对其进行小波变换后将其中3个低频子带嵌入水印,而将另一个低频子带计算量化步长.然后,将水印利用量化调制方式自适应地嵌入到小波域的低频系数.实验结果表明,该算法不仅具有较好的不可感知性,而且对几何攻击和常规信号处理都具有较好的稳健性.