您现在的位置: 首页> 研究主题> 抗噪性

抗噪性

抗噪性的相关文献在1997年到2022年内共计161篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、建筑科学 等领域,其中期刊论文126篇、会议论文14篇、专利文献600462篇;相关期刊101种,包括物探与化探、西安邮电学院学报、振动工程学报等; 相关会议13种,包括2016年全国声学学术会议、中国声学学会第八届全国会员代表大会暨2014年全国声学学术会议、2011中国西部声学学术交流会等;抗噪性的相关文献由416位作者贡献,包括张彩明、夏遵平、熊杰等。

抗噪性—发文量

期刊论文>

论文:126 占比:0.02%

会议论文>

论文:14 占比:0.00%

专利文献>

论文:600462 占比:99.98%

总计:600602篇

抗噪性—发文趋势图

抗噪性

-研究学者

  • 张彩明
  • 夏遵平
  • 熊杰
  • 王彤
  • 王文为
  • 范新亮
  • 雷鹰
  • 马增强
  • 乔美英
  • 冯颖凌
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 杨泳波; 赵远洋; 李振波; 李晔
    • 摘要: 针对番茄和茄子2类茄科蔬菜的病害,基于SE-Inception和胶囊网络构建了一个具有抗噪性的茄科病害识别网络,称为胶囊SE-Inception。该网络主要分为特征提取和胶囊网络2部分。其特征提取部分采用了批处理归一化层(BN)加速网络收敛;利用SE-Inception结构和多尺度特征提取模块来提高模型的精度。胶囊网络部分采用了路由迭代次数为2,维度为16的胶囊进行处理。基于自建的茄科病害数据集开展实验,其包含白粉虱、白粉病、黄曲病和棉疫病4种病害类别和健康叶片;为减少过拟合,对数据进行了增广处理。实验结果表明胶囊SE-Inception网络针对常见的高斯、椒盐和模糊噪声具有较好的抗噪性;其仅需较少的数据就可以达到较高的识别精度,在相同数据量下,胶囊SE-Inception网络的识别精度高于常见轻量级模型。
    • 武钰瑾; 赵凤霞; 辛传福; 牛森涛
    • 摘要: 为了使机器视觉系统中各类待检产品获得清晰图像,给调焦系统提供优良的评价依据,针对图像清晰度评价时易受到噪声干扰等问题,提出了一种基于小波变换高频系数的清晰度评价算法。该算法首先采用小波分解变换求得待测图像的细节分量,然后基于梯度平方法对各方向细节分量的变化快慢进行评价,最后根据纹理方向特征综合三个方向的高频系数的变化快慢,实现对图像清晰度评价。通过实验,验证了小波变换分解层数对清晰度评价的影响,并选取了第三层小波分解变换的高频系数作为评价的依据。为了验证所提出的算法,通过工业相机对样品进行连续变焦取像,并向该组图像中加入了均值为0,方差为0.01的高斯白噪声作为含噪样本,基于Matlab软件,分别采用梯度平方法、FISH算法、variance函数和提出的评价算法对两组样本进行清晰度评价测试。结果表明,提出的评价算法具有良好的无偏性与灵敏度,在抗噪性方面也具有较好表现,符合调焦评价的要求。
    • 杨超; 孙建朋; 刘凯; 邵永军; 刘卫刚; 刘亚红
    • 摘要: 频率和位移影响线参数由于可操作性好且精度较高,因此在损伤识别中具有独特优势,但现有的两类参数指标在损伤识别中仍具有一定的局限性。鉴于此,首先构建了基于有载频率和结合灰度分析的位移影响线两类优化指标,然后利用两个数值算例验证其识别效果,分析结果表明:优化后的有载频率指标能克服对称结构频率变化的非唯一性限制,而优化后的位移影响线指标可实现一定误差范围的损伤程度表征。最后构建了堆栈降噪自动编码机和BP网络两类机器学习模型探究智能识别模式,结果表明:堆栈降噪自动编码机可增强有载频率指标的表达能力,并提高抗噪性能;而BP模型可弱化位移影响线指标中存在的波动效应,并能改善部分工况损伤程度表征精度不足的问题。
    • 阮宇豪
    • 摘要: 为解决农业机械轴承故障数据标记成本高,导致基于深度学习的故障诊断方法诊断能力低下的问题,本研究提出一种采取空间嵌入并结合对比学习的半监督方法。该方法首先通过余弦距离度量样本特征间距离,再采取对比学习策略,拉近同类样本间距离,提高特征质量,最后采用凯斯西储大学轴承数据集对所提出的方法进行验证。仿真结果表明,本方法在仅有20%有标签数据的情况下,在测试集上实现了97.5%的诊断准确率,并且该方法具有良好的抗噪性,能适应农业机械运行的强噪声环境,在信噪比为-2的强噪声下,依然具有67.5%的准确率。
    • 陶佳兰; 喻敏; 陈贵词; 王斌
    • 摘要: 在噪声混入含有基波的信号时,传统的时频分析方法在基波提取过程中易出现模态混叠。为了准确检测出基波分量,利用时频分析精度较高的同步挤压小波变换(Synchrosqueezing Wavelet Transform,SWT)实现基波检测。首先,采用SWT将含有基波的信号分解为一组内蕴模态类函数(Intrinsic Mode Type functions,IMTs),第一个分量IMT1即代表基波。然后,该分量经Hilbert变换实现基波频率和幅值的测量。在谐波幅值瞬变、噪声混入、基波频率波动、间谐波频率靠近基波和谐波的情境下进行算法验证。实验结果表明,SWT能够准确提取基波,频率精度最高可达10-8量级,具有较强的抗噪性,且SWT的基波提取能力强于谐波和间谐波。
    • 李云峰; 高云鹏; 蔡星月; 朱彦卿; 吴聪
    • 摘要: 针对电网中电能质量扰动信号在强噪声环境下扰动时刻难以准确检测问题,该文提出一种基于自适应辛几何模态分解(SGMD)和短时能量差分因子的电能质量扰动检测算法。基于自适应SGMD改进传统SGMD的滤波重构环节,准确重构电能质量扰动信号,计算重构信号的短时能量,推导基于短时能量的无参自适应阈值算式,构建短时能量差分因子,据此开发基于虚拟仪器的电能质量扰动检测平台,以实现电能质量扰动准确实时检测。仿真和实测结果表明,该文提出的算法在噪声环境下对单一扰动、复合扰动与过零扰动,均能有效地检测扰动起止时刻,且能有效地克服扰动幅值波动对检测结果的影响,相较于现有检测算法,其测量结果更加快速准确。
    • 孙岩; 彭高亮
    • 摘要: 针对滚动轴承工作环境噪声复杂,振动信号信噪比低且呈现非平稳和非线性的特点,以及传统诊断方法在噪声环境下分类诊断准确率低等问题,提出一种基于改进胶囊网络特征提取结构和反向传播损失值计算方法的滚动轴承故障诊断模型.应用多尺度卷积核Inception结构和空间注意力机制,替代传统胶囊网络单一卷积层进行特征提取,得到不同尺度下、重点区域突出的特征数据,利用胶囊结构构建向量神经元,通过动态路由的特征传递方式,得到分类结构数字胶囊,实现故障诊断;训练过程损失计算采用间隔损失和重构损失相结合的方法,通过调节二者比例系数,构建更加合理的反向传播计算过程.为验证模型的实际诊断效果,利用凯斯西储大学轴承数据集中4种转速及对应4种负载工况下的实验数据,通过添加不同幅值能量的高斯白噪声,以降低信噪比的方式开展实验;与双卷积层胶囊网络和传统卷积神经网络进行对比分析.结果表明,与其他诊断方法相比,提出的方法在噪声环境下能得到良好的诊断结果,抗噪性方面具有明显优势.
    • 张浩; 臧朝平
    • 摘要: 提出将RAT矩函数应用于三维结构模态振型数据去噪的方法,使用RAT矩函数对结构的振型数据进行矩变换,从振型数据中提取出包含所有振型信息的特征矩集,将幅值较小的矩值作为噪声从特征矩集中剔除,再利用特征矩集重构振型图像,即能实现对振型数据去噪。采用一个仿真的机匣结构,以正态分布的随机噪声模拟真实情况下的噪声,在不同噪声强度下利用RAT矩对振型数据去噪,来验证RAT矩函数的去噪能力。结果表明:RAT矩函数具有良好的抗噪性,能大幅度减小噪声对模态振型的影响。
    • 闫书豪; 乔美英
    • 摘要: 针对不同信噪比噪声干扰下的轴承故障诊断问题,文中建立了一种基于一维宽卷积核卷积神经网络和双向长短记忆神经网络的轴承故障诊断模型.向该模型输入轴承振动信号,通过短时傅里叶变换将振动信号转化为时频图.然后利用首层为宽卷积核的卷积神经网络和长短记忆神经网络分别提取其空间与时间特征,并结合全连接层实现分类.为增强抗噪性,模型采用数据增强、mini-batch和批量标准化的方法.试验采用CWRU的轴承故障数据集,通过添加不同信噪比噪声构造噪声干扰试验.试验表明该模型有较好的抗噪性,在信噪比为2 dB的噪声干扰下仍能取得98%以上的故障识别准确率.
    • 张浩; 臧朝平
    • 摘要: 提出将RAT矩函数应用于三维结构模态振型数据去噪的方法,使用RAT矩函数对结构的振型数据进行矩变换,从振型数据中提取出包含所有振型信息的特征矩集,将幅值较小的矩值作为噪声从特征矩集中剔除,再利用特征矩集重构振型图像,即能实现对振型数据去噪.采用一个仿真的机匣结构,以正态分布的随机噪声模拟真实情况下的噪声,在不同噪声强度下利用RAT矩对振型数据去噪,来验证RAT矩函数的去噪能力.结果表明:RAT矩函数具有良好的抗噪性,能大幅度减小噪声对模态振型的影响.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号