共查询到10条相似文献,搜索用时 156 毫秒
1.
2.
3.
4.
基于小波分析的车辆噪声特征提取方法研究 总被引:2,自引:0,他引:2
特征提取是声目标识别的关键.由于车辆噪声信号的非平稳特性,传统特征提取方法有很大局限性.介绍小波分析方法在车辆噪声信号特征提取中的应用,仿真结果证明该方法的有效性. 相似文献
5.
带噪的战场声信号盲分离方法研究 总被引:1,自引:1,他引:0
提出了一种噪声环境中战场混合声信号盲分离方法.基于含噪的独立分量分析模型,对观测信号进行准白化,去除噪声引起的协方差偏移量;定义观测信号中随机变量的高斯矩为无偏估计的目标函数,最大化此目标函数得到了一种改进的FastICA算法,应用于带噪的战场混合声信号盲分离.仿真实验证明,改进算法能较好改善分离效果,具有很好的鲁棒性. 相似文献
6.
如果二维信号沿水平方向和沿垂直方向的干扰和噪声是异类的,如沿水平方向为窄带频率干扰,而沿垂直方向为高斯白噪声,使用传统的二维离散傅立叶离散变换(2-D Drr)或二维离散小波变换(2-D DWT)可能造成信号成分的丢失和不必要的计算,而采用[1,2]提出的一种混合的二维变换:二维离散傅立叶离散小波混合变换(2-D DFF-DWT),可有效Ё解决异类的干扰和噪声中的信号提取问题.本文在[1,2]的基础上,进一步补充了2-D DFT-DWT的定义和算法,指出这种混合变换可被用来从不同方向去除二维信号中的噪声和干扰.通过这种变换可以结合离散傅立叶变换和离散小波变换二者的优点从干扰和噪声中提取有效信号.本文通过对超声波医学图像去除斑点噪声的具体实例说明了它的应用. 相似文献
7.
对声信号进行去噪处理,是声目标识剐的必要步骤,其目的在于去除声信号中的无用成分,以减小噪声对有用信号的干扰.介绍声信号去噪的几种常用方法,如算术平均值法、中值法、加权平均值法等,并在VC++编程实现的基础上,证明了该方法能够有效性地对声信号进行去噪,可以应用于工程实践. 相似文献
8.
针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。 相似文献
9.
针对永磁同步电机控制系统中电流反馈环路的噪声问题,提出一个信号预分类的ANN方法.该方法通过使用三层BP神经网络对反馈信号的采样空间进行充分训练,进而建立反馈信号的ANN分类模型.使用该模型可判明每种噪声类型,为不同种类的噪声选择不同的滤波器(或截止频率)进行细致化滤波处理提供了有力的科学依据.实验结果表明该方法具有良好的效果. 相似文献
10.
基于小波变换的噪声及背景同时去除方法在血糖近红外无创检测中的应用 总被引:2,自引:0,他引:2
对于血糖近红外无创检测.光谱信号中的各种噪声以及水分等物质的强吸收产生的背景信号,影响了光谱定量校正模型的预测精度.利用小波变换,可将光谱信号分解为多尺度的近似成分与细节成分,根据无用信息变量消除判据可判定代表背景信息的高尺度近似成分及代表噪声的低尺度细节系数,去除相应的成分即可同时去除光谱信号中的背景与噪声.本文将这种小波变换与无用信息变量消除判据相结合的预处理方法应用干人体血糖无创检测研究中,并分析了该方法对不确定因素较多的复杂光谱模型的适用性问题.实验结果表明应用小波变换结合无用信息变量消除判据的方法可以有效地同时去除血糖无创检测近红外光谱信号中的背景信息和噪声,提高光谱定量校正模型的预测精度,对于人体血糖无创检测具有重要应用价值. 相似文献