在SQUID心磁测量中基于奇异值分解和自适应滤波的噪声消除法

采用矩阵奇异值分解(singular value decomposition, SVD)的方法，对高温射频超导量子干涉仪(HTc rf-SQUID)采集到的单通道心磁信号进行处理.证明了对于近似周期性的心磁信号，在无参考噪声的情况下矩阵奇异值分解的方法与自适应窄带陷波相结合有较好的消除广谱噪声的效果. 关键词： 高温射频超导量子干涉仪 心磁信号 奇异值分解 噪声消除     

基于广义S变换和奇异值分解的近红外光谱去噪

针对近红外光谱物质含量检测过程中噪声影响模型精度和稳定性的问题,引入广义S变换与奇异值分解(SVD)。利用广义S变换得到光谱数据的时频谱,并将二维时频谱系数矩阵作为SVD的Hankel矩阵求解奇异值,再采用k-均值聚类算法对奇异值序列进行分类计算,确定重构奇异值个数,对去噪后的数据矩阵进行广义S逆变换得到去噪后的光谱数据。给出组合方法的基本理论和具体实现过程,对仿真数据和谷朊粉导数光谱进行去噪,并与传统的9点平滑法和小波软阈值法的去噪结果进行比较。结果表明:所提方法克服了时域或频域单维滤波的局限性,且无需参考噪声数据和选择基函数,在谷朊粉导数光谱去噪中,只需采用两个奇异值就能实现较好的去噪效果,降低了滤波过程的复杂度。采用所提方法处理后,近红外光谱的分析精度和模型的稳健性优于9点平滑处理法和小波软阈值法。相比9点平滑法,所提方法的预测集的决定系数由0.9436增大为0.9985,预测均方根误差由0.0843减小为0.0406,明显提高了谷朊粉中水分含量定量检测的精度。     

数字滤波在心磁噪声抑制中的应用

提出了一种基于数据重置最小均方算法的自适应数字滤波器, 并将其应用于抑制心磁信号的背景噪声. 数值模拟结果表明该滤波器对于相关噪声,尤其是有幅值变化和时间延迟的情况, 有很强的抑制效果. 该滤波器有很宽的带宽.利用它可以使心磁信号的信噪比提高到器件的本征噪声水平. 利用周期平均的方法进一步提高信噪比, 对滤波前后心磁信号的频谱进行了分析.     

基于经验模态分解滤波的低频振荡Prony分析

传统Prony法在分析低频振荡时对输入信号要求较高,存在着对噪声敏感的弱点.因此提出一种经验模态分解滤波和改进Prony法相结合的低频振荡分析方法.该方法先用经验模态分解对低频振荡信号进行自适应滤波,再用改进Prony法对滤波后的信号进行分析.其中,改进Prony法有效阶数用归一化奇异值法确定.将该方法分别用于分析试验信号和IEEE 4机系统振荡信号,并与基于低通滤波器的Prony分析进行比较.结果表明,在较大噪声环境下,该方法仍然能相对准确的辨识出低频振荡主导模式,验证了其有效性. 关键词： 低频振荡 经验模态分解 改进Prony法 归一化奇异值法     

基于奇异值分解的随机共振特征提取研究

针对强背景噪声下信噪比极低的微弱特征信号的识别问题,提出了基于奇异值分解的随机共振特征提取方法.该方法首先利用奇异值分解对实际采样信号进行预处理和重构,然后寻找到特征信号分量与噪声强度相匹配的分量信号.此分量信号再经过非线性双稳系统的随机共振处理,可实现从强噪声背景中检测极微弱的特征信号.     

小波变换在心磁信号处理中的应用

噪声的消除一直是微弱信号检测和处理中尤为重要的一个环节.从小波变换的角度出发，利用了小波变换在时、频两域都具有表征信号局部特征的能力，对心磁信号这种典型的微弱信号进行了消噪处理.实验中的心磁数据是单通道高温超导量子干涉磁强计测得.理论分析和实验结果表明，这种方法能有效地提高输出信噪比，同时也适合于其他非平稳信号的消噪. 关键词： 小波变换 心磁 消噪     

互补型自适应滤波器在心磁信号处理中的应用

将心磁信号从干扰噪声中加以提取并有效地消除噪声干扰是心磁信号处理中尤为重要的环节 .从改进算法的角度出发，提出互补型自适应滤波器结构以实现心磁信号的消噪处理.该滤波器针对心磁这类非平稳信号进行设计，有效地解决了常规自适应滤波器应用于心磁信号处理时收敛速度和稳态误差的矛盾.通过仿真实验和心磁实验结果表明，该算法能有效地消除心磁信号的背景噪声和工频干扰噪声.同时该算法也可用于其他非平稳信号的消噪处理. 关键词： 自适应滤波 心磁图 最小均方误差     

基于自旋回波探测的地面磁共振T2谱正反演策略

作为新兴地球物理方法之一,地面磁共振技术具有直接探测优势.但由于其发展时间较短,相关建模及反演方法介绍较少,传统的自由感应衰减探测方法不仅精度有限,且适应性较差.近年来,应用自旋回波信号直接探测横向弛豫时间是地面磁共振领域的研究热点.本文推导了其灵敏度核函数及正演公式,引入线性空间反演方案,即通过奇异值分解将含噪自旋回波信号由时间域变换至空间域.为避免矩阵病态问题,采用奇异值滤波法抑制分解病态程度,并联合同时迭代重建技术进一步提升空间域矩阵求解精度.结合非线性拟合对空间域矩阵参数进行提取,实现含水层对应含水量、横向弛豫时间的有效估计.通过模拟野外实验并进行数据解释,证实了该方案能够有效降低浅层含水量至1.5%,横向弛豫时间估测误差至0.02 s.本文的研究成果,将为地面横向弛豫时间探测及相关理论发展及方法在水文地质调查方面的推广应用提供有力支撑.     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

奇异值分解用于可调谐二极管激光吸收光谱技术去除系统噪声

可调谐二极管激光吸收光谱(TDLAS)技术用于气体浓度检测时,会受到谐波检测中基线漂移及噪声的影响,因此如何去除系统噪声一直是研究的热点。分析了连续截断信号和构造hankel矩阵两种不同方法下,奇异值分解(SVD)对TDLAS系统检测的理论意义。将二次谐波信号分别用该方法进行矩阵化排列和奇异值分解,选取适当阈值将部分奇异值置零并重构矩阵,得到了这两种方法对基线纠漂和去噪的不同效果。实验证明,奇异值分解方法不需加入额外系统部件、不需通零气扣除背景,就能够快速有效地去除TDLAS系统噪声,而构造hankel矩阵的方法适用于去除高频噪声,连续截断信号的方法适用于进行基线纠漂。将该方法应用于实际TDLAS系统氨气检测时的二次谐波,系统噪声去除率达80%。     

Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics

De-noising and extraction of the weak signature are crucial to fault prognostics in which case features are often very weak and masked by noise. The wavelet transform has been widely used in signal de-noising due to its extraordinary time-frequency representation capability. In this paper, the performance of wavelet decomposition-based de-noising and wavelet filter-based de-noising methods are compared based on signals from mechanical defects. The comparison result reveals that wavelet filter is more suitable and reliable to detect a weak signature of mechanical impulse-like defect signals, whereas the wavelet decomposition de-noising method can achieve satisfactory results on smooth signal detection. In order to select optimal parameters for the wavelet filter, a two-step optimization process is proposed. Minimal Shannon entropy is used to optimize the Morlet wavelet shape factor. A periodicity detection method based on singular value decomposition (SVD) is used to choose the appropriate scale for the wavelet transform. The signal de-noising results from both simulated signals and experimental data are presented and both support the proposed method.     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

Patch-wise denoising of phase fringe patterns based on matrix enhancement

We propose a new approach for the denoising of a phase fringe pattern recorded in an optical interferometric setup. The phase fringe pattern which is generally corrupted by high amount of speckle noise is first converted into an exponential phase field. This phase field is divided into a number of overlapping patches. Owing to the small size of each patch, the presence of a simple structure of the interference phase is assumed in it. Accordingly, the singular value decomposition (SVD) of the patch allows us to separate the signal and noise components effectively. The patch is reconstructed only with the signal component. In order to further improve the robustness of the proposed method, an enhanced data matrix is generated using the patch and the SVD of this enhanced matrix is computed. The matrix enhancement results in an increased dimension of the noise subspace which thus accommodates more amount of noise component. Reassignment of the filtered pixels of the preceding patch in the current patch improves the noise filtering accuracy. The fringe denoising capability in function of the noise level and the patch size is studied. Simulation and experimental results are provided to demonstrate the practical applicability of the proposed method.     

奇异值分解滤波器在超声造影成像的应用及性能分析*

信噪比和造影-组织残留比是衡量造影性能的主要指标,现有提升方法多从频域入手,存在两个缺陷:噪声、组织残留与造影剂信号存在频带重叠时(如二次谐波),频域滤波性能受限;虽然非线性基波、次谐波等方法可解决频带重叠问题,但面对前端电路非对称性及信号饱和导致的组织残留,仍难在频域进行滤除。奇异值分解滤波器是一种非频域方法,可将接收信号分解成若干空时域子空间,通过对子空间进行保留及重组,可提取微泡且滤除噪声与组织残留。该文研究了该类滤波器在造影成像的应用,并采用性能分析实验论证了其可行性与优越性。     

Cerebral blood flow estimation from perfusion-weighted MRI using FT-based MMSE filtering method

INTRODUCTION: Perfusion-weighted MRI can be used for estimating blood flow parameters using bolus tracking technique based on dynamic susceptibility contrast MRI. In order to extract flow parameters, several deconvolution techniques have been proposed, of which the singular value decomposition (SVD) and Fourier transform (FT)-based techniques are more popular and widely used. In this work, an FT-based method has been proposed that involves derivation of an optimal shaped filter (defined as a filter function) estimated using minimum mean-squared error (MMSE) technique in the frequency domain. The proposed technique has been compared with the well-established SVD technique using simulation experiments. SIMULATION METHODS: Simulation was performed in multiple steps. An arterial input function (AIF) was first defined based on a certain blood flow value. The T2* signal change was then derived from this AIF, and noise was added to the signal. Then, a unique and optimal shaped filter function Phi(f) was derived in order to obtain the best estimate of scaled residue function. One way is by minimizing the mean-squared error between the noiseless and noisy scaled residue function, i.e., using an MMSE method. The effect of low and moderate noise and distorted AIF on cerebral blood flow (CBF) estimates was obtained by using FT-based MMSE method. Results were compared with the SVD technique. In this work, SVD technique was assumed to be the standard reference deconvolution technique. RESULTS AND DISCUSSION: For low-noise condition, the FT-based technique was more stable than the SVD technique, while for moderate noise, both techniques consistently underestimated CBF. SVD technique was found to be more stable in presence of AIF distortions. However, SVD technique was found to be unstable due to AIF delay compared to the FT-based MMSE method. The shaped filter function was found to be sensitive to effect of AIF distortions.     

基于奇异值分解和中位数绝对偏差的拉曼成像数据去噪方法

拉曼成像是一种无损伤、无需标记的光谱成像技术,它可以提供样品的不同组分的分子指纹信息以及空间分布特征,相比其他成像技术有着更重要的应用。但是拉曼散射的截面积小,灵敏度低,加上在很多实验中为了观察某些组分的动态分布而缩短扫描时间,导致最终得到的成像数据被噪声干扰,因此往往需要对信号进行去噪处理。常规的算法一般都是基于一个给定的数学模型对光谱进行处理,容易造成过滤波,使得信号失真;另外,在处理拉曼成像数据时,常规算法往往是对数据进行逐条光谱去噪,从而忽略了多条光谱之间的相互关系,导致最终的拉曼图像仍然受许多噪点干扰。因此,提出了一种基于奇异值分解和中位数绝对偏差的拉曼成像的信号处理方法,用于拉曼成像数据的去噪处理。该方法首先对拉曼成像数据进行奇异值分解,获得一个奇异值矩阵与两个正交矩阵;然后通过中位数绝对偏差法对奇异值矩阵中的各奇异值进行离群值检测,选取前k个被连续标记的离群值作为要保留的奇异值,并将其余的奇异值赋值为零,得到新的奇异值矩阵;最后用新的奇异值矩阵与两个正交矩阵重新求解得到去噪后的拉曼成像数据。实验中,首先验证了中位数绝对偏差法确定前k个奇异值的正确性,其次分别从处理后的图像质量和信号波形两方面对比了该算法与常规算法的去噪效果。结果证明,中位数绝对偏差法可以快速地确定出合理的k值大小,而且,依据该k值处理后的成像数据不仅在成像质量上消除了大量的噪点,使得组分的空间分布特征清晰可见,也在信号波形上较完美地保留了微小谱峰,并恢复光谱信号。该算法不同于常规算法,能同时对整个拉曼成像数据进行处理,并保留光谱之间的统计特征,是一种更加有效的拉曼成像数据的去噪方法。     

Ultrasonic flaw detection in NDE of highly scattering materials using wavelet and Wigner-Ville transform processing

In ultrasonic non-destructive evaluation of highly scattering materials the backscattering noise may attain peak values greater than the searched flaw pulse and the mean value of noise spectrum is very similar to the searched echo spectrum. Several specific methods have been proposed for the reduction of this type of noise, but the comparison of the performance of different methods is still an open problem. In this paper, we make a comparison among some methods based on simultaneous representations in time and frequency/scale domains of the ultrasonic traces. Synthetic and experimental traces are de-noised using a discrete wavelet processor with decomposition level-dependent threshold selection and a method that combines Wigner-Ville transform and filtering in the time-frequency domain. The results are comparatively evaluated in terms of signal to noise ratio and probability of detection.     

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。     

形态学方法用于三维荧光光谱化学秩的确定

确定化学秩是解析化学体系的第一步,正确确定化学体系的组分数对后续的解析异常重要。由于实测的三维荧光光谱不可避免地受到噪声的干扰,传统的化学秩估计方法常常失效。首先根据三维荧光光谱信号与噪声信号的形态差异,选用正弦形结构元素,对信号进行先开启后闭合运算,用形态学方法对实测三维荧光光谱进行去噪,然后对去噪后的光谱进行奇异值分解(SVD),联合分解得到的奇异值和奇异向量进行化学秩的确定。主要讨论了形态滤波方法的理论基础,先用模拟数据说明了文中所提方法的必要性和有效性,然后又把此方法用在酚类化合物三维荧光光谱的组分数检测上,并与传统的蒙特卡罗方法做了对比。实验结果表明,提出的方法更具有实用性,能够正确估计出化学秩。