小波去噪和奇异性分析方法在输油管道泄漏检测中的应用

输油管道中存在的噪声影响了管道泄漏事故的判决,利用瞬态压力波定位泄漏点的关键是准确地确定瞬态压力波传播到管道始末两端的时间差,通过小波阈值去噪和信号奇异点分析方法,可以有效降低管道工况噪声对泄漏信号的干扰,提高瞬态压力波定位的精度.     

一种基于能量分布特性的小波去噪算法

目前对于保持图像细节、滤除噪声,普遍采用空间域、频率域滤波．在空间域滤波,尽管能够有效地限制噪声,但是同时模糊了图像细节．因此,在频率域滤波的方法越来越引起关注．在小波频率域中,我们常常采用Donoho阈值方法处理小波系数来以此去除噪声,保留图像细节,然而该方法同时也一定程度上模糊了图像细节．小波变换具有良好的时、频局部化性能,图像经过多级小波变换得到不同分辨率的子图个数,各高频子图上的小波系数具有相似的能量统计分布特性．也就是说随着分解层数的增加,分辨率最低子图的小波系数范围最大,而高分辨率子图上大部分数值接近于0．因此,该文提出了一种新的基于能量分布特性的小波去噪算法(WCED)．     

基于小波消噪和混沌时间序列的交通流预测研究

基于实际交通流变化的不确定性和交通系统时变复杂的特征,应用小波分析理论,对原始交通流数据进行消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。再针对交通流的非线性特征及其短期可预测性,应用混沌时间序列预测模型来预测短时交通量。结果表明:先进行小波消噪再进行预测所得的结果与实测值有更高的拟合度,可以用于短时交通流的预测。     

小波去噪及其在虚拟仪器中的应用

利用小波对信号去噪,是小波理论应用于实际的一个重要方面。在用由虚拟仪器组成的系统进行测试时,经常要对信号进行去噪、分析等后处理。文中介绍了用于一维检测信号去噪的几种常用方法,并在虚拟仪器开发软件LabVIEW中实现了去噪算法,最后对这几种算法的去噪效果进行了比较。     

一种基于CNN的运动对象分割算法

提出一种基于细胞神经网络的运动对象分割算法。通过引进除噪模板和改进边缘检测模板,去除了图像采集和处理过程中的噪声影响,得到比较满意的图像边缘信息。实验结果验证了算法的有效性,而且处理速度与图像大小无关,能够实现图像实时处理。     

视觉传达的多帧平面图像纹理细节增强算法

为提高多帧平面图像的高清度和质量,提出基于视觉传达的多帧平面图像纹理细节增强算法。根据边缘网络(EdgeNet)算法消除多帧平面图像的噪声干扰,同时强化图像边缘信息,使用色彩映射方程补充图像色彩信息,完成色彩校正,保证视觉传达中色彩的准确率,利用高斯模糊算法提取图像高频信息,通过插值处理得到超分辨率多帧平面图像,经过加窗运算合成超分辨率多帧平面图像,完成多帧平面图像的纹理增强。实验结果表明,采用所提算法的图像纹理细节增强处理的图像更高清、图像质量更佳。     

基于多尺度残差的数字图像超分辨率重建算法

针对目前数字图像采集传输过程中因受环境干扰出现低像素的图像,导致图像重建效果较差的问题,提出了基于多尺度残差的数字图像超分辨率重建算法。首先,采用双边滤波算法完成数字图像的去雾处理;其次,分类数字图像的亮度特征信息和色彩信息,采用距离阈值去噪方法分别对其进行去噪处理;并且设置多个尺寸的卷积核,将其引入图像特征提取过程中,获取数字图像特征,对其展开反向投影操作,在残差学习思想的基础上连接升采样和降采样过程提取的特征,实现数字图像超分辨率重建。实验结果表明,所提算法对图像重建的结构相似度高、峰值信噪比(PSNR:Peak Signal-to-Noise Ratio)高、重建效果好。     

基于CWT-CNN的滚动轴承故障诊断

针对滚动轴承传统故障诊断方法训练收敛速度慢、识别准确率不高、抗噪性能差等问题,提出CWT-CNN的轴承故障诊断模型。通过对滚动轴承振动数据经连续小波变换生成的时频图进行三次垂直方向随机裁剪的方法扩充数据集,之后将其导入到搭建的加入了批量归一化和随机失活的卷积神经网络中进行模型训练,再由训练好的模型实现轴承故障分类。为了测试模型性能,使用凯斯西储大学轴承数据集进行检测,经过实验结果表明：基于提出的方法构建的数据集相比于常规方法,在搭建的卷积神经网络训练中收敛速度更快,训练出的模型性能也更加稳定,最终最高测试准确率为99.75%,常规方法构建的数据集准确率为99.67%,证明了构建数据集方法的可行性;在原始数据中加入信噪比为6dB高斯白噪声后,通过常规方法构建的数据集测试的最高准确率仍达到了98.67%,展现了基于CWT-CNN的轴承故障诊断模型较强的抗噪能力,证明了所提方法的有效性和可行性。     

基于相对误差互相关函数的变步长LMS算法

许多时变步长自适应滤波算法被用来解决标准LMS算法的固有矛盾,但实验表明这些算法易受独立噪声的干扰,或计算量大、耗时太长。针对上述问题,提出了一种新的变步长LMS自适应滤波算法,它采用相对的误差互相关函数来控制步长更新。该算法计算量小、易于控制,具有快速的收敛速度和较小的失调,不受已存在的非相关噪声的影响,可很好地应用于自适应对消系统中,且在低信噪比环境中仍能保持良好的性能。计算机仿真及实测数据的处理与理论分析结果一致。     

基于距离核函数的除噪和减样方法

在使用支持向量机(SVM)分类时,存在以下两个问题:一是当存在噪点时,分类的精度低;二是对大规模样本集,训练时所需内存空间较大,运行时间较长.针对以上问题,给出一种基于具有距离性能的核函数的减样方法,称为删减法(DRM).该方法定位定量分析了噪点及多余样本点的一般比例.在应用时,分三步进行:首先根据小概率原理给出一小阈值删除噪点;然后给出一个较大阈值减去同类中心附近的大量多余的样本点;最后以另一个大的比例减去位于距异类中心较远的对分类不起作用的样本点,以便提取具有代表性的边界向量.试验结果检验了该方法的有效性,即,既减少了训练时间,又提高了分类精度.