基于LCD-ICA的水声信号降噪方法

针对水下目标信号易受噪声影响、信噪分离难的问题,提出一种基于 LCD和 ICA分析相结合的水声信号降噪方法,给出了该方法在水声降噪领域中应用原理和方法步骤；并通过仿真信号,验证了该方法在水声信噪分离中的有效性。结果表明,采用文中所提的方法能够有效降低噪声干扰,提高目标检测的可靠性。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

基于ICA的遥感图像的色彩分类方法

根据独立成分分析（ICA）方法和多频谱卫星遥感图像的特点,提出了一种基于ICA的遥感图像色彩分类法。方法使用FastICA算法提取遥感图像的色彩独立成分,是RGB反转的结合,具有互补的分布,不受照明的影响。使用最大相似度分类算法对像素进行色彩分类,实验结果表明,方法的色彩分类效果较好,对多频谱遥感图像进行色彩分类十分有效。     

基于小波变换的 ICA盲源分离算法

针对ICA算法不能直接应用于单通道盲分离的问题,提出了基于小波变换的ICA盲源分离算法。该算法结合小波变换对基于信息论的ICA算法进行了改进并应用在单通道盲分离中。仿真结果给出了分离后信号的波形,经检验其相似程度,分离后信号的波形与源信号的波形较为接近。     

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

小波分析在直接吸收谱信号分析中的应用

采用小波分析方法对直接吸收谱信号进行消噪处理,通过对信号的高、低频部分进行分离实现了噪声消除。采用这种方法对近红外波段的DFB(分布反馈)半导体激光器所发出并且经由气室吸收、数据采集等步骤产生的直接吸收信号进行噪声消除实验,清除了数据中的高频噪声。实验中的两种光谱信号经消噪处理后,反映了数据的光谱特性,有利于进行光谱数据的拟合处理;尤其将受到气流强烈干扰的信号去除了大幅值的噪声信号,使该信号反映气流的速度特性,并能进行后续的线型拟合工作。     

基于数据驱动的结构钢表面应力磁巴克豪森噪声表征方法

磁巴克豪森噪声（MBN）技术可用于定量评估铁磁材料的表面应力。当前MBN法应力评估技术存在特征量选取较难、定量预测模型复杂且对标定数据集的拟合精度较低的不足。提出一种数据驱动的非线性映射算法拟合MBN噪声和应力的关系，研究了基于小波包变换系数的时频特征替代统计特征量，减少了样本数据计算量。采用MBN噪声在小波包变换时-频域内的小波包变换系数作为特征向量，利用基于奇异值分解的数据降维算法降低特征向量的维数，将经过数据降维后的特征向量输入反向传播（BP）神经网络进行模型训练以建立预测模型。结果表明：采用基于奇异值分解的数据降维算法可降低模型的复杂度，利用降维后的小波包变换系数特征向量训练BP神经网络可实现铁磁材料表面应力的高精度预测。建立的表征方法有效解决了铁磁构件应力分布成像问题，在预防应力腐蚀、提高疲劳强度等损伤预警方面具有广阔的应用前景。     

利用图像相关等级的目标判别方法及其应用

提出一种根据PCA重构图像与原目标相关等级进行的目标识别方法,解决伪目标参与识别影响识别准确度的问题。首先建立目标模板库特征空间,将定位到的目标对象映入特征空间,利用PCA变换进行图像重构,定义降维重构图像与原目标之间的相关度函数,根据该函数判别图像等级;若原目标与其重构图像相似度很低,认定原目标为伪目标,将其剔除,不进入识别过程;若认定为真实目标后,根据相似性程度,分别选用降维重构图像或原图像作为识别对象,利用Hu不变矩距离分类器进行识别。该方法可有效剔除伪目标,并根据图像质量选用识别目标,提高了目标识别准确度,交通卡口获取的实测车辆图像车标识别试验验证了该方法的鲁棒性和有效性。     

小波包变换对遥测速变数据噪声消除效果的改进

在介绍小波包定义和降噪声原理的基础上,提出了采用小波包变换降低噪声的方法。为验证该方法的有效性,将其用于某型导弹试验中所测遥测数据的降噪处理中,并与小波变换降噪效果进行比较。结果表明,小波包变换改进了遥测速变数据的消噪效果,是速变信号降噪一种更为有效的方法。     

基于二维频谱方法的直升机噪声源的分辨与提取

针对直升机飞行时其噪声中多种噪声源相互混叠难以分辨的问题,通过随机信号理论分析,结合直升机噪声信号的特点,发展了基于二维频谱分析的直升机噪声源分辨与提取模型及方法,在此基础上将该方法应用于剪刀式尾桨直升机尾桨噪声信号的频域提取与分析.本文首先推导了这种方法的理论模型,并给出相应的求解方法;然后采用该方法分别对模拟和实测的直升机总体噪声信号进行分析,计算结果表明该方法可以有效地提取出总体噪声中的各谐波成份.最后通过对剪刀式尾桨直升机噪声的分析,获得了剪刀式尾桨降噪的机理.     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

一种基于小波变换的天水线提取算法

文中提出了一种基于小波变换多尺度分解图像快速提取天水线的方法,不仅省去了一般图像特征提取之前的图像预处理及图像分割步骤,而且提取的天水线效果好,处理周期短,自适应性强,同时能够滤除噪声并保持目标细节。     

基于ESN的航空发动机状态组合预测方法

基于回声状态网络(ESN)预测模型,结合小波分析和主元分析,提出一种组合预测方法.首先对含噪非线性时间序列进行小波降噪,并重构时间序列产生训练样本,再将训练样本通过主元分析进行降维处理,降维后的时间序列数据则输入ESN模型进行预测分析.对控制飞机动力输出的动压参数非线性时间序列数据进行了仿真对比实验,结果表明:组合预测方法的5步和单步预测速度累计提高了66.97%,预测的平均平方误差、标准均方根误差和归一化绝对误差也均有较大提高.该方法与传统基于ESN的预测模型相比,能有效地提高预测的效率和精度,是一种有效的非线性时间序列预测方法.      

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

将小波相邻系数降噪与时频小波切片变换（FSWT）相结合用于滚动轴承的早期微弱故障时频特征提取，通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析，结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声；时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征，即滚动轴承发生故障时的特征频率及其谐频成分，验证了所述方法的有效性.此外，通过与谱峭度时频分析结果的对比，证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性，突出了所述方法的优越性.      

利用小波分析实现对HRTEM图像信息的提取

应用小波变换技术尝试去除高分辨电子显微图像中的噪音成分，并提取高分辨电子显微图像细节部分的有用信息以及提高图像的分辨率。可以预见小波分析技术在HRTEM图像处理中应该有较大的应用空间。并针对HRTEM图像处理给出了适用的母小波选择。     

侧风下的汽车风振噪声研究与控制

采用大涡模拟的计算方法,对某轿车在侧风工况下的风振噪声特性进行了研究。首先,通过实车道路试验验证仿真方法的准确性;其次,采用上述计算方法分析不同侧风速度、角度对风振噪声的影响;最后,提出在 B 柱内壁上使用 V 型沟槽抑制风振噪声的方案。结果表明,数值仿真与试验结果比较吻合;在侧风速大于5 m/s、侧风角度小于140°时的风振噪声比没有侧风高,根据侧风角度不同最高可达26 dB,不适合开窗;所采用的控制方案降噪幅度可达7 dB,效果明显。     

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。