噪声去除

摘要： 地磁定位可靠性和准确性来源于磁测量数据。针对实测磁数值的系统偏差和随机噪声扰动,使用自制磁测量装置(HBEQ-1)和高精度磁力仪FVM-400采集了试验区内20个基准点的磁数据。数据处理过程中,采用了硬阈值和软阈值2种去噪函数,中误差阈值、固定阈值和极大极小阈值3种阈值设置,并以信噪比和均方差为评价指标,进行了磁测量小波去噪算法的对比试验。试验结果表明,小波阈值去噪可以有效去除磁数据中的噪声,减小了噪声对磁测量结果的影响。小波去噪时,只有在最优分解层数基础上,才能充分将高频噪声和低频信号分解出来,确保阈值去噪算法的有效性,防止信号失真。针对自制HBEQ-1磁测量装置约400 nT左右的随机噪声,采用软阈值去噪能够达到较好去噪效果,提高了实时磁测量信号特征的精确度,可以作为磁测量自适应滤波去噪的基础模型。

摘要： 目的:提出一种基于经验小波变换(empirical wavelet transform,EWT)的预处理方法,以实现心电(electrocardiogram,ECG)信号中基线漂移噪声的去除。方法:首先通过傅里叶变换将时域ECG信号转换为频域信号,然后选择none(不处理)或使用Gaussian(高斯滤波器)、average(平均过滤器)、closure(形态闭合算子计算上包络)等正则化方法进行信号预处理。其次通过locmaxmin(局部极小极大值)法得到2个频谱分割边界,再通过EWT分解获得噪声主导分量和ECG主导分量。最后对噪声主导分量进行处理,实现ECG信号基线漂移噪声的去除。以相关系数(R)、信噪改善比(SNRimp)、百分比均方根差(PRD)和均方误差(MSE)作为性能指标进行定量分析,筛选出最优正则化方法,然后再对最优方法进行定性分析。结果:实验结果表明,使用average正则化方法预处理的EWT(average-EWT)方法作为ECG信号基线漂移噪声去除预处理方法,具有最优的定量分析结果,并且能够实现波形形态差异较大的ECG信号基线漂移噪声的去除。结论:基于average正则化方法预处理的EWT(average-EWT)方法能够将噪声主导信号分量有效分解,在去除基线漂移噪声、有效还原ECG信号中具有可行性。

摘要： 为进一步提升医学图像的视觉质量,针对DnCNN算法的局限性和医学图像的特征,采用改进的深度卷积神经网络算法进行图像去噪。改进方法应用多尺寸卷积核提取医学图像不同尺度特征,增加深度网络对医学图像的适应性;改进常规网络中激活函数和损失函数的定义方式,从而更好地保护输出结果中的边缘/纹理细节信息;增加一个跳跃连接,提升网络的训练速度和算法的收敛精度。仿真模拟结果表明,相比DnCNN算法、ID-CNN算法、BM3D算法和曲波变换去噪算法,该改进网络具有更好图像细节保持以及更好的去噪效果,图像的峰值信噪比平均提升56%以上,结构相似度平均提升至0.881。改进的深度卷积网络去噪效果好、效率高,在医学图像处理中具有较强的推广性。

摘要： 为去除常出现在图像采集和日常摄影中的摩尔纹噪声,提出一种由样条小波生成的紧框架下的稀疏信号恢复算法.该算法利用摩尔纹噪声的频域特性确定受影响的傅里叶频谱区域;利用图像在给定紧框架下的稀疏性,根据压缩感知理论实现数据在傅里叶频谱上的非线性插值.实验结果表明,相比传统频域滤波算法,该算法恢复图像的峰值信噪比更高,更符合人的视觉审美,在去除摩尔纹噪声的同时,还可有效保留图像边缘信息.

摘要： 针对携带污染噪声的指静脉图像中背景区域、静脉区域和噪声区域的稀疏特性,提出一种改进的指静脉图像去噪算法.利用指静脉稀疏结构特性建立鲁棒主成分分析(RPCA)模型,通过交替方向乘子法求解RPCA模型获得含稀疏目标的前景图像并对其进行阈值分割以提取噪声分布图,同时根据提取结果建立修复优先度规则和自适应选择性滤波模板,实现指静脉图像的去噪处理.实验结果表明,与自适应非局部均值去噪算法和基于分数阶微分梯度噪声检测的去噪算法相比,在零误识情况下该算法处理后的带噪指静脉图像拒识率平均降低5.95％和3.64％,有效提升了带噪指静脉图像的识别性能.

摘要： 研制了一种便携式非特异性腰痛测量系统EasiLBP,并对其采集肌电信号的性能进行测试与评价:针对便携式设备在佩戴者运动中及无医生全程辅助的使用条件下产生的肌电信号采集噪声干扰大、动作区间起止点难以准确标定及特征识别样本不均衡的问题,分别提出了基于小群组的噪声去除方法,基于动态双阈值的运动区间起止点自动识别方法和基于小群组的过采样方法加以解决.分别使用便携式装置和医用肌电采集设备(Thought Technology FlexComp Infiniti 10)对15例非特异腰痛患者和15例正常人实施肌电测量,对比两种设备的测量结果.临床实验和统计分析表明,该便携式肌电采集系统测量出的正常人和非特异性腰痛患者的肌电信号特征具有显著性差异,并且与医用肌电采集设备具有良好的测量一致性和准确性.

摘要： 针对噪声环境下语音情感识别系统性能下降的问题,提出一种基于MD-CGAN的情感语音去噪算法.通过MD-CGAN学习带噪谱图到干净谱图的映射关系,对带噪语音进行去噪处理,对情感特征有更好的恢复效果.首先,生成器网络采用维度保持结构,避免了反卷积带来的棋盘化效应和情感信息损失;然后,在生成器网络中加入残差结构,减少了异常语音数据的影响;最后,在损失函数中加入矩阵距离损失,并探究矩阵距离损失权重的设定,得到适用于情感特征恢复的最佳权重.实验结果表明,相比于传统的语音去噪算法,提出的语音去噪算法对语音情感的识别率提升了6.69％,相对于在不去噪环境下提升了52.83％.

摘要： 针对传统频域滤波法无法有效解决γ能谱中噪声频谱与谱成分频谱的重叠问题,本文提出了基于奇异谱分析的γ能谱降噪方法,阐述了奇异谱分析降噪方法的基本原理,给出了降噪算法.通过分析γ能谱的奇异谱特征,给出了最优嵌入维数和γ能谱重构阶数的选取方法.实测60 Co H PGeγ能谱的降噪结果表明:奇异谱分析法可有效分离和消除γ能谱的加性噪声和乘性噪声,从而大幅提高了能谱信噪比.与传统方法相比,该方法算法简单,具有较强的降噪能力,且待定参量少,是有效的γ能谱降噪方法.

摘要： 基线漂移(BW)是一种由于人体呼吸、肌肉收缩、电极与接触面接触不稳定等原因所产生的噪声,常对心电图(ECG)设备的信号采集造成干扰.为了更好的去除ECG检测设备在采集ECG信号的过程中所产生的基线漂移(BW)噪声,该文提出一种基于经验模态分解联合小波阈值(EMD-WT)的方法来去除BW噪声,该方法可根据经验模态分解(EMD)获得的固有模态分量组(IMFs)来自适应确定噪声主导的IMFs分量,再结合小波阈值(WT)方法对信号进行去噪.研究结果表明,所提EMD-WT方法不仅在ECG的BW噪声去除方面具创新性以及优越性,同时对比去噪前后定量分析结果,该方法具有较低的均方误差(MSE),百分比均方根差(PRD),以及较高的相关系数(R).

摘要： 针对推扫式高光谱存在的条带噪声问题,提出了一种基于低秩流形的高光谱条带噪声去除算法.首先,将由增益形成的乘性噪声转化为加性噪声;其次,基于低秩流形的假设,对相应的矩阵分解问题使用正则化方法获得最终的凸优化问题;最后,使用交替迭代的方法求解问题,以达到去除条带噪声的目的.实验表明,本文方法能较好地去除条带噪声.

摘要： 传统词袋模型将所有不同类别训练图像特征点一起聚类,聚类点数多、模型生成慢,且忽略了不同类别图像内容上的差异.本文提出了单幅图像SIFT点去噪去冗余算法和类别相关词袋模型,该算法根据SIFT点的位置将其聚类为若干区域,区域内点数少于一定阈值的作为噪声去除;再对同一区域内的点根据其方向值均匀分为若干区间,取每个区间内特征点的平均特征作为预备特征;最后对同一类训练图像预备特征聚类生成类别相关词袋模型.在Corel1K图像库上的实验表明,提出的算法在减少词袋模型建立时间的同时提高了模型分类性能;类别相关词袋模型的分类准确率较传统词袋模型平均高约2个百分点,且时间开销仅约为传统方法的1/6.

摘要： 条带噪声是影响MODIS遥感影像质量和反演精度的一个重要因子.rn 针对MODIS遥感数据中存在的三种条带噪声,本文研究了一种基于sloped Facet模型的MODIS遥感影像条带去除方法。首先对MODIS数据进行矩匹配操作以去除探测器间条带和镜边条带噪声,然后从Sloped Facet模型出发,以加权最小二乘法为准则,将遥感影像数值用二维平面来拟合,直接在二维空间进行多次迭代,从而去除随机噪声条带.定性和定量实验结果均表明,该方法是一种有效的去除MODIS数据条带噪声的方法。

摘要： 重力场信息在现代科技、资源勘探、军事应用等各方面都发挥着极为重要的作用,航空重力测量是目前应用最为广泛的测量方法,该方法在人力、效率、作业便利等方面都具有无可比拟的优越性,有效地弥补了传统地面重力测量、海洋重力测量以及卫星重力测量的诸多不足.但在航空重力测量的过程中,由于载体飞机机身的震动、GPS测量精度的限制以及由外界环境引起的强动态性的影响,航空重力测量数据中难以避免的混入了大量的噪声,如何有效去除数据噪声对于航空重力测量来说是非常重要的.本论文主要介绍了目前最常使用的几种航空重力测量数据处理方法,如频域滤波中的FIR低通滤波、小波分解;如时域滤波中的kalman滤波.本文首先对航空重力测量基本原理、航空重力测量数据的基本特点以及不同滤波方法进行简单的介绍,在此基础上分析比较各种方法的优劣情况以及各种方法的不足,最后对其未来的发展进行一定的展望.

摘要： 重力场信息在现代科技、资源勘探、军事应用等各方面都发挥着极为重要的作用,航空重力测量是目前应用最为广泛的测量方法,该方法在人力、效率、作业便利等方面都具有无可比拟的优越性,有效地弥补了传统地面重力测量、海洋重力测量以及卫星重力测量的诸多不足.但在航空重力测量的过程中,由于载体飞机机身的震动、GPS测量精度的限制以及由外界环境引起的强动态性的影响,航空重力测量数据中难以避免的混入了大量的噪声,如何有效去除数据噪声对于航空重力测量来说是非常重要的.本论文主要介绍了目前最常使用的几种航空重力测量数据处理方法,如频域滤波中的FIR低通滤波、小波分解;如时域滤波中的kalman滤波.本文首先对航空重力测量基本原理、航空重力测量数据的基本特点以及不同滤波方法进行简单的介绍,在此基础上分析比较各种方法的优劣情况以及各种方法的不足,最后对其未来的发展进行一定的展望.

摘要： 重力场信息在现代科技、资源勘探、军事应用等各方面都发挥着极为重要的作用,航空重力测量是目前应用最为广泛的测量方法,该方法在人力、效率、作业便利等方面都具有无可比拟的优越性,有效地弥补了传统地面重力测量、海洋重力测量以及卫星重力测量的诸多不足.但在航空重力测量的过程中,由于载体飞机机身的震动、GPS测量精度的限制以及由外界环境引起的强动态性的影响,航空重力测量数据中难以避免的混入了大量的噪声,如何有效去除数据噪声对于航空重力测量来说是非常重要的.本论文主要介绍了目前最常使用的几种航空重力测量数据处理方法,如频域滤波中的FIR低通滤波、小波分解;如时域滤波中的kalman滤波.本文首先对航空重力测量基本原理、航空重力测量数据的基本特点以及不同滤波方法进行简单的介绍,在此基础上分析比较各种方法的优劣情况以及各种方法的不足,最后对其未来的发展进行一定的展望.

摘要： 重力场信息在现代科技、资源勘探、军事应用等各方面都发挥着极为重要的作用,航空重力测量是目前应用最为广泛的测量方法,该方法在人力、效率、作业便利等方面都具有无可比拟的优越性,有效地弥补了传统地面重力测量、海洋重力测量以及卫星重力测量的诸多不足.但在航空重力测量的过程中,由于载体飞机机身的震动、GPS测量精度的限制以及由外界环境引起的强动态性的影响,航空重力测量数据中难以避免的混入了大量的噪声,如何有效去除数据噪声对于航空重力测量来说是非常重要的.本论文主要介绍了目前最常使用的几种航空重力测量数据处理方法,如频域滤波中的FIR低通滤波、小波分解;如时域滤波中的kalman滤波.本文首先对航空重力测量基本原理、航空重力测量数据的基本特点以及不同滤波方法进行简单的介绍,在此基础上分析比较各种方法的优劣情况以及各种方法的不足,最后对其未来的发展进行一定的展望.

摘要： 随着近年来城市交通运输的发展,高铁、地铁、轻轨等轨道交通线路不断新建运营,对城市的电磁环境产生了一定的影响,为尝试解决城市电磁干扰的消除问题,本文选用了两种基于加权线性最小二乘和n阶多项式模型的局部回归方法与它们的稳健形式,通过调节窗宽系数,去除噪声信号,并通过与未受干扰的数据比对,计算分析相关系数和欧氏平方距等数据指标,使之尽量接近于未受干扰时的数据形态,从而达到有效消除电磁干扰的结果.

摘要： 随着近年来城市交通运输的发展,高铁、地铁、轻轨等轨道交通线路不断新建运营,对城市的电磁环境产生了一定的影响,为尝试解决城市电磁干扰的消除问题,本文选用了两种基于加权线性最小二乘和n阶多项式模型的局部回归方法与它们的稳健形式,通过调节窗宽系数,去除噪声信号,并通过与未受干扰的数据比对,计算分析相关系数和欧氏平方距等数据指标,使之尽量接近于未受干扰时的数据形态,从而达到有效消除电磁干扰的结果.

摘要： 指向性控制部(10)根据多个麦克风(2、3)的输出信号，计算通过信号处理使指向性朝向了目的音方向的主波束信号和使死角朝向了目的音方向的副波束信号，频率分析部(20)变换为谱。音源判别部(30)根据主波束信号和副波束信号的谱判别音源是声音、稳定噪音、还是非稳定噪音，作为音源判别结果输出，并且计算相对主波束信号的噪音的统计量即平均谱。干扰音去除部(50)从主波束信号的谱减去平均谱而去除干扰音。

摘要： 在去除基于向扬声器的输出信号对来自麦克风的输入信号的回声时，去除装置内部的噪声。噪声去除装置(10)包括：作为第一转换部的ADC(12)，将来自麦克风(30)的输入信号转换为数字数据，并生成输入数字数据；作为第二转换部的ADC(14)，将内部噪声信号转换为数字数据；以及信号处理部，将与向扬声器(20)的输出信号对应的数字数据和由ADC(14)转换后的数字数据作为参照数据，从由ADC(12)转换后的输入数字数据中去除与所述参照数据对应的分量。利用噪声去除装置(10)所具有的回声去除功能，将噪声与回声分量一起去除。

摘要： 本发明提供噪声去除装置及噪声去除方法，在高噪声环境下可不增大处理负荷地提高声音区间判断及噪声去除精度，噪声去除装置(100)具有：声音区间判断部(118)，判断预定区间的音频数据是含有声音的声音区间、还是不含有声音的非声音区间；参数保持部(114)，保持声音区间判断部的判断结果；噪声去除部(120)，如声音区间判断部的判断结果是非声音区间，进行自适应滤波器(130)的自适应处理，如是声音区间，固定自适应滤波器，去除预定区间的音频数据的噪声成分，声音区间判断部对由噪声去除部去除噪声成分的音频数据再次执行声音区间判断，该判断结果与参数保持部保持的判断结果不同时，噪声去除部再次执行噪声成分的去除。

摘要： 通过将训练无畸变语音信号表示为训练无畸变基本成分的组合并且将训练噪声去除后语音信号表示为训练有畸变基本成分的组合来恢复由于对测试语音信号进行噪声去除导致在测试噪声去除后语音信号中衰减的谱成分。测试噪声去除后信号被分解为训练有畸变基本成分的组合。无畸变测试语音信号然后被估计为与训练有畸变基本成分的组合相同的训练无畸变基本成分的组合。

摘要： 在去除基于向扬声器的输出信号对来自麦克风的输入信号的回声时，去除装置内部的噪声。噪声去除装置(10)包括：作为第一转换部的ADC(12)，将来自麦克风(30)的输入信号转换为数字数据，并生成输入数字数据；作为第二转换部的ADC(14)，将内部噪声信号转换为数字数据；以及信号处理部，将与向扬声器(20)的输出信号对应的数字数据和由ADC(14)转换后的数字数据作为参照数据，从由ADC(12)转换后的输入数字数据中去除与所述参照数据对应的分量。利用噪声去除装置(10)所具有的回声去除功能，将噪声与回声分量一起去除。

摘要： 本发明涉及激光雷达噪声去除装置及激光雷达噪声去除方法，所述激光雷达噪声去除装置输出与输入的光信号相对应的电信号，并且将电信号与阈值电压进行比较，以检测大于阈值电压的电信号。所述激光雷达噪声去除装置基于由比较装置检测到的电信号的接收次数与预设的第一参考次数的比较结果，可变地调整阈值电压。

摘要： 本发明提供了一种LIDAR噪声去除装置及其LIDAR噪声去除方法。所述装置包括LIDAR检测信息处理器，LIDAR检测信息处理器处理从车辆的LIDAR接收的LIDAR检测信息。太阳位置获取器获取太阳相对于车辆的行驶方向的方位角和仰角。ROI选择器基于方位角和仰角从车辆的前方图像中选择与太阳相对应的ROI，并将选择的ROI的亮度与阈值进行比较。当ROI的亮度超过阈值时，噪声区域选择器基于方位角和仰角从LIDAR检测信息中选择与ROI相对应的噪声区域，噪声去除器去除选择的噪声区域中的噪声点。

摘要： 噪声去除电路(1)具有：差动放大电路(11)，其对表示马达驱动电流的变化的电压变化信号进行放大并输出；V/I变换部(12)，其将根据电压变化信号形成的控制信号变换为电流信号；以及电流镜电路(13)，其根据来自V/I变换部(12)的电流信号，使差动放大电路(11)的拖尾电流变化，对差动放大电路(11)的放大率进行控制。噪声去除电路(1)以电压变化信号的电压越大，使差动放大电路(11)的放大率越小的方式，控制拖尾电流。在电压变化信号中包含尖刺噪声的情况下，通过减小拖尾电流而限制放大率，抑制尖刺噪声部分的放大量，输出去除尖刺噪声后的状态的信号。

摘要： 现有的噪声去除装置利用声学传感器之间的音量差进行噪声去除，因而在声学传感器之间需要大到某种程度的距离，因此，存在装置大型化这样的问题。本发明的噪声去除装置配置包含2个以上的声学传感器的声学传感器阵列，以连接相邻的2个声学传感器的线段的垂直平分线的方向成为噪声的到来方向的方式配置声学传感器，由此，高精度地进行噪声的到来方向的估计，因此，能够在将声学传感器的间隔抑制得较小的同时，实现较高的噪声去除性能。

摘要： 通过将训练无畸变语音信号表示为训练无畸变基本成分的组合并且将训练噪声去除后语音信号表示为训练有畸变基本成分的组合来恢复由于对测试语音信号进行噪声去除导致在测试噪声去除后语音信号中衰减的谱成分。测试噪声去除后信号被分解为训练有畸变基本成分的组合。无畸变测试语音信号然后被估计为与训练有畸变基本成分的组合相同的训练无畸变基本成分的组合。