基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

基于优化阈值法的股票网络构建与重要节点判别

研究了中国股票市场牛市、熊市、平稳震荡3个典型时期的主要性质与特征.首先收集了这3个时期的金融市场数据,用优化阈值法构建网络.之后对构建的网络进行社团划分,并在此基础上挑选出了对于社团重要的点;同时利用节点中心性经典指标:度中心性、介数中心性和紧密中心性挑选出了网络中重要的节点.     

基于背景消减法的考场作弊行为检测方法

为了减少考场的作弊行为,保证考试的公平性,提出了一种将背景消减法应用于考场作弊行为检测的方法。通过分析交换物品的行为特点,提出了一种基于动态阈值的作弊行为检测算法:采用迭代阈值法确定动态阈值对差分图像进行分割,利用分割的结果指导背景的更新,得到良好稳定的背景模型,并基于背景减除算法完成了考场作弊行为的检测。实验结果表明,这种方法能够较好地检测出交换物品的作弊行为,并能克服光线等因素的影响,有效甄别考场的作弊行为。     

基于曲波变换的地震数据压缩感知重构算法

为提高地震数据压缩感知重构的信噪比和保真度, 提出一种基于曲波变换的地震数据压缩感知重构算法。建立了地震数据压缩感知重构模型, 分析了基于曲波变换稀疏表示的地震数据各尺度之间能量与熵的分布特性, 结合分块压缩感知技术降低随机观测的计算复杂度, 利用曲波变换稀疏表示高频区域各尺度之间的相关性, 设计了随信息熵变化的自适应双变量收缩阈值迭代重构的方法。实验结果表明, 在相同的采样率下,该算法重构的地震数据峰值信噪比提高了1. 5 dB 以上, 并且具有良好的细节信息保持能力。     

基于粒子群优化的Contourlet域图像去噪

本文研究了Contourlet变换域图像阈值去噪问题,提出了一种在Contourlet变换域改进的阈值去噪方法。该方法结合Contourlet变换能更加突出图像的边缘信息和方向信息的优势,在Contourlet变换域利用粒子群优化算法(PSO)迭代寻优找到最优阈值,以峰值信噪比(PSNR)的函数模型作为PSO的适应度函数,并且利用硬阈值函数规则对图像处理。实验结果表明,本文优化阈值的选取不仅更有利于保留图像的细节信息,还使得图像有着明显的去噪效果,PSNR值得到提高。     

基于DSP的图像稳像技术研究

由于人眼的视觉限制,如果图像抖动频繁,就会对获取的信息有所影响,为减少由于装置或摄像头本身的随机性晃动而引起的显示器上所获得的视频图像的抖动,提高获取图像信息的获取量和正确性,展开了基于DSP的图像稳像技术研究,方案采用灰度投影实现稳像,计算量小、精度高.     

阈值策略下带扰动的二元相关对偶风险模型的研究

基于带扰动的二元对偶风险模型,考虑在阈值策略下的分红。得出了公司直到破产时刻为止的累积红利期望现值函数所满足的两个积分-微分方程,并求出了这种情况下的广义Lundberg基本方程,同时运用Laplace变换得出了积分-微分方程的解。最后给出一个数值例子。     

单色织物疵点区域快速识别与边缘提取方法研究

结合自适应阈值分割,并基于数学形态学和边缘提取方法,给出一种单色织物疵点区域的快速检测方法。在Visual C++6.0开发环境下,利用OpenCV开发源库,设计开发了疵点区域自动识别与边缘检测程序,对常见的色污、脏污、飞花、掉扣、油纱、锈斑、织破洞、刮线和杂纤维等九种疵点进行检测。结果表明,该算法能够准确定位疵点区域,漏检率低,检测效率高,对实际检测系统的设计开发有实用价值。     

基于Choquet积分的区间灰数多属性决策方法

针对多属性决策中属性间的关联性对决策结果的影响,提出了基于区间灰数灰度和Choquet积分的区间灰数多属性决策方法。根据区间灰数灰度的定义,证明了区间灰数的灰度是一种灰测度,由此定义了关于区间灰数灰度的离散Choquet积分并证明其性质;依据各方案的综合属性值的方差最小的原则建立多目标优化模型,确定了各属性或属性集的权重,最后利用Choquet积分对各方案的效果评价向量进行集成。通过实例说明了该方法的有效性。     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.