小波阈值消噪算法中分解层数的自适应确定

在对带白噪声信号的小波变换特性分析的基础上,基于自相关函数的白噪声检验方法,提出了一种确定小波分解层数的自适应算法.结合不同的小波阈值处理方法,用信噪比和最小均方误差为度量指标,探讨了在阈值消噪算法中本文提出的确定“最佳”分解层数算法对消噪的有效性.并给出了数值仿真实验结果及分析.数值仿真结果表明,该方法具有较好的去噪效果.     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

基于最大相关熵的簇稀疏仿射投影算法

在系统辨识、回声消除、即时翻译系统中,背景噪声往往呈现出很强的脉冲特性,传统的自适应滤波算法对脉冲噪声的鲁棒性较差,而基于最大熵准则的自适应滤波算法可以有效地提高脉冲噪声环境下的自适应算法辨识性能.本文提出了一种基于最大相关熵准则的簇稀疏鲁棒仿射投影(Cluster-sparse robust affine projection,CS-RAP)算法,它可以用于辨识回声系统、卫星通信系统等簇稀疏系统.我们在基于最大相关熵准则的仿射投影算法的代价函数中引入权向量的混合L_(2,1)范数约束来利用系统的簇稀疏特性,采用基追踪法来推导CS-RAP算法.最后通过各种仿真实验,来验证提出的CS-RAP算法的鲁棒性和有效性.仿真结果表明,在脉冲噪声环境下,CS-RAP算法与其它相关算法相比具有更快的收敛速度和更低的估计偏差.     

一种基于FCM的噪声图像分割算法研究

针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.     

基于玻耳测度峰值判定的盲源分离方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其它统计模型不同,α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.本文先简要介绍稳定分布的特征函数及其玻耳测度表示,再提出了玻耳测度的估计方法,并利用玻耳测度的峰值确定混合矩阵的基矢量,从而可以确定各个独立分量,并能实现信号盲分离.计算机模拟和分析表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的独立分量分析与盲信源分离方法.     

一种基于新型小波包阈值的图像去噪方法

提出了一种基于小波包理论去除图像噪声的方法,用小波包把图像分解为高频分量和低频分量,根据高频分量估计噪声的标准差,并利用该标准差以及Birge-Massart惩罚函数计算阈值.鉴于传统软硬阈值的缺陷,采用一种新型阈值量化方法,用三次多项式在硬阈值的基础上插值,使新的阈值函数保持了连续性和可导性.通过这种方法既消除了图像的振铃现象,又保留了细节成分.实验表明：与传统方法相比,新方法使图像视觉效果和峰值信噪比均获得提高.     

基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和周期性冲击特征, 提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法. 基于小波去噪对滚动轴承原始信号进行预处理, 对重构的故障信号进行EEMD并得到多个本征模态函数分量. 利用能量矩方法计算出所需分量的能量矩并归一化, 将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入, 根据加速度传感器信号实现滚动轴承故障诊断. 分别在不同转速(载荷)下采集驱动端轴承的振动信号, 获取200个训练样本和80个测试样本, 并建立故障诊断模型. 基于文中模型对实际滚动轴承数据进行诊断, 实验结果表明, 不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.     

锤式破碎机数字样机体系构建及其应用

针对数字样机建模仿真优化过程中建模方法、知识重用、优化算法、系统设计等方面存在的问题,提出了一种数字样机集成建模仿真优化方法,结果如下:1.以数字样机元模型为核心,通过对数据、信息、知识、模型的有效组织和管理,提出了数字样机构建及应用的体系框架;2.研究了锤式破碎机数字样机典型产品,建立了以集成过程模型和集成知识模型为核心的锤式破碎机数字样机元模型,并对其进行了动态仿真;3.通过开发设计关键零部件的柔性体生成算法和连接算法,得到了其各阶模态振型图以及关键件的动态载荷值,并以此为依据,实现了锤式破碎机的动力学仿真分析优化.     

非均匀光照图像自适应Gamma增强算法

非限定条件下,手机和摄像机拍摄的图像或视频,总会存在光照不均匀的现象。目前的处理方法大多实时性差、增强效果不理想。为能高效处理非均匀光照图像,提出一种基于Retinex理论的自适应Gamma增强算法。所提算法对亮度分量进行自适应Gamma校正,并利用反射分量恢复图像的细节和色彩。实验结果表明,所提方法在主观评价、客观评价和处理速度方面均优于其他先进算法。 更多还原     

一种新的无监督SAR影像变化检测

针对传统的SAR影像变化检测算法无法同时降低虚警和漏警数量,不能同时确保准确率和抗斑点噪声能力的现状,设计了一种新的基于曲波变换和自适应脉冲耦合神经网络的SAR影像变化检测算法.首先采用曲波变换降低差值图像中斑点噪声的含量.然后利用自适应脉冲耦合神经网络对每个像素所对应的变化信息进行变化类和未变化类的分类,得到变化检测图.结果显示与比较算法相比,本文算法的KC指标至少高出0.58个百分点、Recall指标至少高出4.28个百分点、F1指标至少高出0.74个百分点.说明对于KC、Recall和F1这些性能指标,该算法具有更高的检测准确度.无论是高斯噪声还是斑点噪声,在PSNR∈[35,50]dB的范围内,本文算法的抗噪性能都高于比较算法.     

基于系数相关性的自适应水印算法

根据人类视觉特征提出了一种基于小波系数相关性的自适应水印嵌入算法.该算法先对原始图像进行的小波分解,选取水印所要嵌入的子带并将所选取的子带划分成2×2大小的块,同时利用每一个小波块中相邻的4个系数之间具有一定的相关性与所要嵌入的水印图像来构造该小波块的水印系数,利用人类视觉模型调整水印的嵌入强度,从而在保证水印不可见性的基础上最大限度的保证水印的鲁棒性.选取不同特点的两幅图片进行实验,实验结果表明,该算法对高斯噪声、椒盐噪声、JPEG压缩、剪切、中值滤波等攻击都具有较好的鲁棒性,对旋转几何攻击具有一定的鲁棒性.     

一种有效的变步长的自适应独立分量分析算法

步长因子的优选是自适应算法中的一个重要问题,本文建立了步长因子与互相关性测度之间的一种非线性函数关系,以此为基础,提出了一种新的变步长的自适应独立分量分析算法,分析了算法收敛性能和稳态性能.该算法根据互相关性测度所反映的信号分离状态自适应地调节步长因子,克服了传统算法在稳态步长调整过程中的不足.仿真实验结果表明了算法的有效性.     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

基于小波变换的改进LMS自适应算法在射电天文数字终端的应用

以新疆天文台南山25m天线改造计划为背景,针对南山25m射电望远镜L波段观测终端,分析对比多种自适应滤波及小波滤波的优缺点,提出一种基于小波分解的改进LMS自适应算法,对脉冲星观测信号进行干扰噪声消除.该算法在单通道干扰消除、权值更新机制、变步长算法等方面提出了独特的想法.仿真结果表明,基于小波变换的改进LMS自适应算法性能良好,能对L波段内的干扰信号起到有效的消除或减弱,达到提高信号信噪比、提升观测能力的目的,具有一定的应用价值.     

采用形态学分量分析的红外云图插值

提出一种基于形态学分量分析的红外云图插值重建方法. 利用平稳小波变换和轮廓波变换在表示平滑分量和纹理分量时各自的优势, 将得到的低分辨率红外云图通过形态学分量分析方法分解为平滑分量和纹理分量; 并针对小波插值使低频能量损失问题, 采用先插值后变换的方法改进平稳小波插值效果, 分别用平稳小波变换和轮廓波变换对平滑分量和纹理分量进行插值; 最后将插值后的平滑分量和纹理分量重新组合实现红外云图的超分辨率重建. 结果表明, 解决了重建图像中的平滑和伪影问题, 在视觉效果和PSNR等指标上均优于其他插值算法.     

一种频率自适应的同步相位与对称分量检测方法

电网不对称故障时,快速、准确地检测同步相位和对称分量是电力电子装置实现控制与保护的关键问题之一.分析了负序分量对传统三相锁相环检测性能的影响,设计了一种频率自适应的同步相位与瞬时对称分量检测新方法.该方法利用瞬时对称分量理论在两相静止坐标系下实现对称分量的实时检测,利用广义二阶积分器实现90°相移,用测得的基波正序电压q轴分量作为锁相环的输入,用锁相环的输出角频率作为相移电路的谐振角频率,达到谐波抑制与频率自适应跟踪,是一个闭环的实时检测系统.分析了该方法的实现机理,给出了检测电路的实现框图,进行了实验验证.结果表明,该方法既能在被测电压不对称时准确检测同步相位和对称分量,又能消除电压频率变化对检测同步相位和对称分量的影响.     

一种克服遗传算法早熟的参数调整及并行方法

遗传算法是一种自适应全局优化概率算法,容易产生早熟(过早收敛)现象,影响了问题的求解.本文试图借助于多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,利用移植并行的方法求出问题的最优解（或近似最优解）以便避免早熟,从而提高算法的搜索范围和效率.     

基于图像分解的复杂图片中文字干扰消除

针对复杂图片中文字对视觉的干扰,通过图像分解对其结构分量与纹理分量进行分离,结构分量中的文字干扰采用TV模型对其进行消除,纹理分量中的文字干扰运用Laplacian算子对所在区域进行定位,再用Criminisi算法对其有效消除.仿真结果表明,该方法对复杂图片中文字的干扰消除高效实用.     

一种多样性驱动的自适应粒子群优化算法

粒子群优化算法是一种随机全局优化算法,但它容易陷入局部最优和早熟,为了克服其缺陷,本文提出了一种多样性驱动的自适应粒子群优化(DDA-PSO)算法。本算法包括吸引阶段和驱动阶段。吸引阶段利用惯性权重线性递减机制加快粒子收敛,驱动阶段利用多样性驱动速度策略提升种群多样性。两个阶段相互自适应转换,粒子能跳出局部最优和防止早熟,算法的勘探与开拓获得自适应平衡。DDA-PSO算法与其他已有算法进行了比较,实验结果表明,DDA-PSO算法提高了收敛速度和精度,全局搜索能力得到显著提高。     

基于K-SVD字典学习的合成图像盲检测

一幅真实的图像中噪声特性是一致的,而由多幅图像内容拼接而成的合成图像噪声特性是不一致的.本文利用这一特点,提出了一种基于K均值奇异值分解(K-SVD)字典学习的合成图像盲检测方法.该方法首先通过K-SVD算法对合成图像进行训练得到其稀疏表示字典,然后利用学习得到的字典对背景噪声进行去除,最后根据去噪前后图像对应子块的相关系数异同实现篡改区域的检测与定位.实验结果表明,该方法对于鉴别含有不同背景噪声的合成图像具有显著效果,同时,算法对JPEG压缩、重采样和模糊等后处理操作都具有较好的鲁棒性.