改进小波阈值去噪法在管道泄漏检测中的应用CSCD

基于负压波式的管道泄漏检测方法中,需要解决的核心问题之一是对负压波信号的去噪。在分析了利用小波变换理论与小波阈值去噪的基础上,对传统的硬阈值和软阈值函数、双曲型和指数型函数与改进的阈值函数算法进行了对比。实验表明,改进算法在处理管道泄漏检测中,对检测的负压波信号能够获得较大的信噪比,具有较好的去噪能力,能有效提高泄漏检测精度。     

改进的小波阈值消噪法应用于超声信号处理

超声检测中回波信号信噪比低、易于被噪声淹没,小波变换是一种有效的提取缺陷回波的方法.建立了超声缺陷回波信号的数学模型,对基于小波变换的软、硬阈值消噪法作了改进,提出一种折中方法用于超声缺陷回波信号的去噪,同时以信噪比为目标函数对参数的选取也作了优化.仿真实验结果表明,改进方法非常适合用于超声信号的分析,能够很好地抑制噪声,它最大程度的发挥了小波软、硬阈值消噪法的优点,避免它们的缺点,使用该方法处理的信号相对于小波软、硬阈值消噪法在一定程度上改善了去噪的效果,提高了回波信号的信噪比.      

小波阈值去噪法在MEMS陀螺信号处理中的应用

近年来MEMS陀螺发展迅速，应用广泛，但性能参差不齐。为改善MEMS陀螺的输出信号性能，综述了近年来小波阈值去噪法在该领域内的研究进展情况。重点从阈值函数的不同改进形式、阈值选取方式的不同以及分解层数三方面对比分析各小波阈值去噪法之间的优缺点。通过现阶段的去噪效果评判标准，结合MEMS陀螺信号的特点，对近年来小波阈值去噪的应用情况进行分析说明，总结小波阈值去噪法在不同使用条件下对MEMS陀螺信号处理上的优势与不足，为后续相关研究提供一定的参考价值。     

基于小波分析的火箭发动机试验流量数据去噪处理

在某型号火箭发动机试验中,液氧流量数据包含有大量的噪声成分,严重影响对发动机性能的评估。采用小波分析方法对含噪信号进行去噪处理。分析硬阈值、软阈值阈值去噪方法的特点。以信噪比作为选用Sym系和Db系小波基函数的衡量标准选取Sym5和Db9小波作为基函数。将Sym5、Db9小波基函数分别与自适应阈值选择无偏似然估计法(Rigrsure)、启发式阈值选择法(Heursure)进行组合对含噪数据进行去噪处理,将信噪比和相关系数作为去噪效果的评价指标。计算去噪后的数据与设计部门提供的理论数据的相对误差,结果显示Rigrsure和Db9基函数组合的去噪方法效果较好。该方法在火箭发动机试验数据去噪领域有重要的应用和推广价值。     

基于小波包变换及时间 小波能量谱的振动信号分析研究#br#

基于具有时频分析特性的小波包分析方法，对振动系统的测量信号进行了降噪处理，采用的软 硬阈值折中小波去噪方法兼有软阈值与硬阈值降噪的优点，且通过折中因子的引入，可以在信号分析中更灵活的进行信号处理.对去噪后的信号，基小波时间 能量谱分析，可以很好的将信号的主成分清晰的展示出来，并根据其能量在各频带的分布，可以直观的展示信号特征，为机械振动系统的故障诊断与识别，提供一套理论的方法.研究中所发展的分析方法在机械振动系统及其振动组件的状态监测及故障诊断识别方面有广阔的应用前景.     

一种基于组合赋权法的小波去噪质量评价方法

针对传统质量评价指标在小波阈值去噪中理论依据不足的问题,提出了一种基于组合赋权法的小波去噪质量评价方法,能够为小波去噪参数的选择提供有效评价。通过分析在真值未知情况下均方根误差（RMSE）、信噪比（SNR）、平滑度等单项指标的特点,选取RMSE与平滑度作为小波去噪指标,对其进行归一化处理,采用信息熵权与变异系数的方法进行组合赋权,将归一化指标与对应权值线性组合,得到一种新的指标即为复合评价指标,其值越小,说明去噪效果越好,所选参数越优。仿真实验表明,在真值已知情况下,该评价指标具有更高的准确性,能够适用于不同的分解层数与小波基函数,具有比传统方法更好的适用性;实测数据表明,所提方法得出的小波去噪峰值域更加光滑,波形更加平稳,去噪效果更佳。     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

相关函数在涡流检测信号提取分析中的应用

为降低涡流检测信号处理的硬件复杂程度及提升后续数据分析处理灵活度，在不借助复杂硬件自平衡技术电路前提下，在LABVIEW图形化软件平台中设计了相关函数算法程序，对示波器MDO4024C所采集的原始交流电桥信号及电桥激励信号分别进行自相关及互相关运算去噪，提取分析不锈钢管不同位置的涡流信号的幅值及相位，最后再将检测信号在极坐标图中分析显示。实验结果表明，这一方法可有效实现对不锈钢管缺陷涡流信号的去噪及特征信号提取。     

小管径超声波流量计去噪方法

超声波流量计中存在各种噪声,直接影响流量测量的精度。文章首先分析了小管径超声波流量计中噪声的来源,从实时性的角度出发,提出了一种直接对测量时间差进行去噪的方法,避免了对原始超声波信号进行采样、分析带来的实时性差的问题。针对随机噪声和声学噪声引起的时间差数据中的误差,以硬阈值小波滤波作为第一级滤波、中值加均值滤波为第二级滤波进行处理。通过流量测量实验,验证了去噪方法的有效性,结果表明,去噪后流量计的瞬时测量误差小于1%。     

宽带双极化天线测量探头的设计与仿真

天线测量探头的性能对提升天线平面近场测量效率、最终测量结果的精度具有重要意义。针对平面近场测量的需要,应用反向四脊和差分馈电技术,设计了宽带双极化天线测量探头。对测量探头模型进行仿真,分析了带宽、方向图、隔离度和交叉极化辨识度等探头性能,确定了高隔离度、高极化纯度的宽带双极化天线测量探头的最优设计,获得了更高精度和效率的天线测量。     

改进PCA在热波图像处理中的应用

针对飞机结构隐藏腐蚀热波成像检测中出现的热像仪中有用数据较少、图像序列中腐蚀区域与非腐蚀区域对比不明显、信噪比较低等问题,提出了基于小波变换的改进PCA(Principal Component Analysis)算法.该算法对热图像序列中的每帧图像进行二进制离散小波变换,提取出低频部分的系数;对低频系数进行改进PCA分析,通过固定点算法并引入Gram-Schmidt正交化过程求解特征向量;令高频系数为零,抑制图像的噪声.实验结果表明:该算法充分利用了热像仪的有用数据,提高了图像的质量和信噪比,且计算时间较短.      

SAR图像的非下采样Contourlet噪声抑制算法

非下采样Contourlet变换克服了小波变换非一维奇异性最优基的缺点,而且其平移不变性使其边缘保持能力优于Contourlet.提出了一种非下采样Contourlet的合成孔径雷达(SAR,Synthetic Aperture Radar)相干斑去噪模型.首先对SAR图像进行同态变换,将乘性噪声变为加性噪声;再进行非下采样Contourlet变换,包括非下采样金字塔分级和非下采样方向滤波2部分;最后利用阈值的方法将信噪实施分离.实验中针对乘性噪声污染的航拍图像和原始SAR图像,进行了传统的Lee滤波器和小波滤波器去噪,与上述模型去噪进行比较,在去噪性能和边缘保持的主观视觉上都得到了优异的结果.      

基于多小波基多信源融合异常值剔除方法研究

提出了一种基于多小波基多信源融合和偏度分析相结合的异常值剔除方法。基于多个小波基的数据融合算法,先对各信源的数据进行多个不同小波基的多尺度分解,对相同小波基分解的信号在多尺度上加权融合,之后进行不同小波基的逆变换得到重构信号,将重构信号融合出的结果作为目标状态估值,对各信源的异常值进行检测,将偏度分析与检测门限相结合,实现了对异常值的剔除。实验结果表明,该方法准确、高效地实现了对各信源异常值的检测与剔除,提高了数据处理的精度,且易于工程实现。     

考虑互相关干扰的GPS信号捕获门限设定方法

传统GPS卫星信号捕获门限设定方法在互相关干扰情况下存在较大虚警概率,所以无法捕获弱信号.针对该问题进行分析,在此基础上提出一种针对多颗能量不同卫星同时存在情况下的信号检测模型和概率模型.信号检测模型在相关积分非相干累加基础上引入双门限多次检测,由于在考虑噪声的同时也考虑了互相关干扰对弱信号捕获的影响,其概率模型为非中心χ2分布.在原有的恒虚警门限检测方法基础上,提出考虑强信号互相关干扰对微弱信号检测影响情况下的门限计算方法作为新的门限上限,而将原有的门限计算方法作为门限的下限.在此基础上提出强、弱卫星信号共存时的检测思路,即先用门限上限检测强信号并进行互相关干扰消除处理,再用门限下限判断是否有弱信号存在.采用仿真数据和实际数据针对考虑互相关干扰的门限上限进行实验,并和原有门限方法进行比较,证明在强、弱信号共存情况下原有门限无法检测出卫星信号,而新的门限设定方法可以正常工作,并具有较高的检测概率和较低的虚警概率.      

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。