高斯噪声

摘要： 卷积神经网络图像去噪模型大部分使用固定噪声水平图像集进行训练,由于噪声水平缺乏灵活性,会产生去噪效果较差的问题。针对此问题,提出一种基于双层卷积神经网络的图像去噪方法。该方法将噪声水平图像作为网络输入,对输入图像进行下采样处理,通过扩张卷积增加感受野,利用批处理和带泄露修正线性单元函数来优化网络。该方法能够灵活处理不同水平的噪声图像,同时还能够使用GPU并行处理提高图像去噪速度。实验结果表明:在主观视觉方面,该方法效果优于当前主流的图像去噪方法;在客观质量评价指标平均峰值信噪比和平均结构相似性图像度量方面,该方法比其他主流方法高0.4~1.8 dB和0.000 3~0.047 7;在计算时间方面,该方法比其他主流图像去噪方法快0.02~0.06 s。

摘要： 针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的.实验结果表明,该算法能够克服传统边缘算子在边缘提取时,边缘不完整、不连续等缺点;同时,对强高斯噪声污染图像具有优秀的边缘提取效果.

摘要： 为了解决居民用电短期负荷预测率低的问题,提出了一种基于用户智能电表实时测量数据的数学建模方法.利用谱分析设计了成型滤波器来评估高斯噪声,再结合卡尔曼滤波对不同采样周期的监测数据进行负荷预测和精度评价.结果表明,提高采样精度、获取更多的实时测量数据可以明显改善负荷预测的准确性,但相应地也会带来更高的计算成本.在避免高计算负荷的同时达到预期的预测精度需要限制用于预测的数据量,而通过选择合理的测量采样率,可以获取满意的折衷方案.

摘要： 地震数据去噪是地震资料处理的核心环节,去噪的质量直接影响后续处理的精度。实际地震数据中含有多种随机噪声,常见的随机噪声有高斯噪声和椒盐噪声,通常需要采用不同的去噪算法分别进行压制,不可避免会造成有效信号的损失。双边滤波算法能够压制高斯噪声,但是对椒盐噪声不敏感,多级中值滤波算法能够压制椒盐噪声,无法去除高斯噪声。文章将多级中值滤波算法代入双边滤波算法核函数,提出一种基于多级中值的双边滤波算法,能够同时去除地震数据中的高斯噪声和椒盐噪声,更好地保留有效信号。

摘要： 为探究噪声对物体图像重构的影响,在模拟的衍射图中加入泊松噪声和高斯噪声。改变信噪比,分析了扩展叠层扫描迭代算法迭代50次的图像重构结果。发现信噪比低于6时无法重构物体图像,信噪比为18时,可以恢复透射率为50%的物体图像。信噪比为22时,可以恢复透射率为10%的物体图像。结果表明噪声对透射率低的物体图像影响更大。信噪比大于22时噪声对不同透射率物体图像的重构均不再有影响。此研究为相干衍射成像算法的实际应用提供了理论指导。

摘要： 传统Canny边缘检测对于图像边缘检测提取效果相对较好,但是对于人为添加一定密度的椒盐噪声或者高斯噪声时对边缘的检测存在很大的误检以及噪声干扰,传统的Canny算子检测密度较大的椒盐或者高斯噪声图像时,常常会把噪声当成图像边缘进行检测,因此为了解决以上传统Canny对于噪声明显时检测不足的缺陷,本文对传统的Canny边缘检测算子进行改进。仿真结果表明,改进之后的Canny算子在噪声干扰下能够取得完整的图像边缘。

摘要： 复信号分析是信号处理技术常见的问题之一,在盲信号分离及处理技术中特别是卷积混合问题或频域分析等均需要建立与之相应的复值分析模型。然而在以往的分析中,由于此类问题往往是基于无噪声的约束条件,因此局限了该技术在实际中的应用。针对这一问题,将复值盲源分离问题推广到含噪声的一般环境中。通过分析高斯噪声协方差的一般特征,利用高斯噪声协方差的参数信息,导出了一种在噪声环境下盲源分离的不动点算法,该算法可以在噪声环境中通过观测信号估计与之对应的有效分离矩阵,使得复值信号在噪声环境中混合中仍然能成功分离出源信号。仿真结果表明了所研究方法的可行性与有效性。

摘要： 关于脑电信号中的噪声处理问题一直是脑-机接口(BCI)领域的重点研究方向,通常认为噪声是有害的,所以针对脑电信号中的噪声处理往往以降噪或消噪为主。但是根据随机共振(SR)的思想,在非线性系统中噪声往往能增强信号处理,而脑电信号恰好具有非线性的特征,因此提出运用高斯噪声提高运动想象脑电信号的识别率。通过在脑电信号中加入独立的高斯噪声,将原始训练集与添加噪声的训练集串联起来增加训练样本量,考虑训练样本量增加与否和噪声加入的阶段(训练或/和测试);通过共空间模式(CSP)和小波包变换(WPT)提取分类特征,并用K近邻(KNN)算法进行分类。实验结果表明,只要加入适当强度的噪声,均可提高系统的分类准确率,出现随机共振现象;增加训练样本量的同时在训练集和测试集中加入适当强度相同的噪声,系统最大平均分类准确率相比不加噪声时增加9.28个百分点;K近邻算法的最大平均分类准确率相比决策树(DT)和支持向量机(SVM)而言整体更高,体现出K近邻算法的优越性和可靠性。

摘要： 针对基于ST-GCN的骨架动作识别中人工预定义的邻接矩阵结构单一、难以捕捉到非相邻关节点之间的相关性这一问题,提出了一种基于高斯噪声的扰动机制.在人工预定义的骨架图邻接矩阵上引入高斯噪声,利用该噪声扰动ST-GCN中固定的邻接矩阵,捕捉非相邻关节点之间的相关性,运用该方法在具挑战性的NTURGB+D和Kinetics-Skeleton两个大规模数据集上进行了分类识别实验,结果表明:该方法在两大数据集上的识别精度高达95.34%和36.43%,在节约计算量的前提下有效地提高了动作识别的性能.

摘要： 常规非局部均值算法权重计算方式容易受到噪声干扰,使得相似性权重不够准确。为进一步提升非局部均值算法去噪效果,提出一种改进自适应非局部均值算法,应用改进的多尺度小波变换边缘检测算子检测图像边缘,将边缘特征作为约束条件,采用多特征相似性度量方法来衡量图像块的相似性,并自适应的确定滤波参数,最后执行多窗口去噪。仿真结果表明:改进方法的去噪结果图像峰值信噪比平均提高54.2%,平均结构相似性平均值提高至0.82以上。结论认为:相比其他算法,改进方法具有更好的去噪效果,图像边缘纹理等细节信息更清晰,在图像处理方面具有推广应用的前景。

摘要： 本文对图像中最为常见的高斯噪声的滤除进行了深入研究.针对传统小波去噪算法的缺陷,本文提出一种改进后的小波去噪算法,同时也单独使用脊波算法去除图像中的高斯噪声,最后将两种算法得到的图像进行融合,实验结果表明,融合图像的去噪效果更佳.

摘要： 本文对数据链路误码性能测试中的高斯噪声源进行了设计。阐述了高斯噪声源的基本原理，介绍了3种典型高斯噪声信号的产生方法，并对其中的随机变量函数变换法进行了仿真，结果表明用该方法设计的高斯噪声源满足高斯分布的统计特性。针对数据链路误码性能测试应用，进行了高斯噪声源FPGA设计;基于随机变量函数变换法设计的噪声源占用较少的FPGA资源，可行性好。

摘要： 压缩光子计数雷达是光子计数激光雷达技术与单像素成像技术的结合,具有低成本、超高灵敏度等优点,但在进行高分辨率成像时,需要大量的测量和迭代计算进行重建,导致所需成像时间很长.当前的研究热点深度学习压缩重建网络被证明可避免迭代运算实现快速压缩测量重建,但已有文献报道的深度学习压缩重建网络,采用传统的图像处理数据库的无噪声图片或在图片上加高斯噪声进行训练网络,网络应用于实际的压缩光子计数雷达系统,性能有待进一步验证.自主设计了基于FPGA的同步控制测量模块,搭建出压缩光子计数雷达系统,提出了基于蒙特卡洛模拟压缩光子计数雷达系统的方法来制作训练数据,并设计深度学习压缩重建网络DFC-Net进行采样和重建联合优化.实验结果表明:在10％、15％、20％、25％、30％采样率下,DFC-Net重建性能优于现有的重建网络Dr2-Net和传统的压缩重建算法TVAL3.

摘要： 贝叶斯估计利用先验信息和观测数据来预测未知系统状态,粒子滤波器是一类在贝叶斯框架下基于蒙特卡罗原理预测系统状态或者识别系统参数的在线识别算法.本文采用粒子滤波算法开展单自由度结构参数识别的研究,以Kobe地震波作为外部激励,对不同高斯噪声水平下结构的参数进行了识别研究.比较了无噪声和不同水平高斯噪声下的参数识别结果,考察了噪声对识别结果的影响.分析表明:基于粒子滤波器的结构参数识别算法抗噪性能良好,识别误差小,符合实际工程对精度的要求.

摘要： 二阶Volterra数据块LMS算法利用当前时刻及其以前时刻更多输入信号和误差信号的信息提高了算法的收敛速度,但由于其固定数据块长取值的不同导致了算法的收敛速度和稳态误差此消彼长。针对这个问题,本文提出一种二阶Volterra变数据块长LMS算法,通过时刻改变输入信号数据块长度提高算法性能。本算法首先采用两个并行的二阶Volterra 滤波器,其输入信号数据块长差值始终保持一个单位；然后将其各自的输出误差信号同时输入到数据块长判决器,通过判决器得到下一时刻各个滤波器输入信号的数据块长度；最后以第1个二阶Volterra滤波器的输出作为整个滤波系统的输出,从而改善了算法性能。将本算法应用于非线性系统辨识,计算机仿真结果表明,高斯噪声背景下本算法的收敛速度和稳态性能都得到了明显的提高。

摘要： 为了解决基于区域匹配的方法易受噪声影响的问题，提出了一种抗噪声的立体像对点配准算法。首先采用较大模板窗利用加权的差绝对值和比较边缘相似性用于获得匹配点的大致范围。根据连续性假设，采取窗口内加权矢量服从均值为零的二维高斯分布。然后在所得的小范围内比较灰度相似性用于确定匹配点位置。结合噪声的对称概率密度和数学组合的定义，改进次序统计滤波器并把它用于估计灰度值。以添加高斯噪声的真实图像为测试对象，实验验证了在不同的信噪比情况下高斯噪声图像的点配准结果受噪声影响小，匹配率没有显著变化。该结果表明了所提算法的有效性。

摘要： 地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计.在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况.文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性.

摘要： 地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计.在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况.文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性.

摘要： 地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计.在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况.文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性.

摘要： 地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计.在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况.文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性.

摘要： 本发明涉及一种模拟高斯白噪声的高斯随机信号的生成方法及装置，该方法包括：S110，对四个典型数值GFIX_VALUE、DV、MUL_V和sgma进行配置；S120，提供初始随机种子X1(1,1)和X2(1,1)；S130，分别对随机种子X1(i‑1,1)和X2(i‑1,1)进行求模运算，以生成新随机种子X1(i,1)和X2(i,1)；S140，分别根据所述新随机种子X1(i,1)和X2(i,1)计算U1(i,1)和U2(i,1)；S150，根据U1(i,1)计算ef(i,1)，占32BIT；S160，根据ef(i,1)计算Z(i,1)；S170，根据Z(i,1)和U2(i,1)计算随机数X(i,1)和Y(i,1)。

摘要： 本发明公开了一种计及高斯白噪声和泊松白噪声共同作用的电力系统功角稳定性分析方法，考虑随机激励与跳跃激励对电力系统的影响，提出基于高斯白噪声和泊松白噪声共同作用的电力系统带跳随机动态模型；利用梯形公式对EM(Euler‑Maruyama)数值方法进行改进，构造Heun算法求解电力系统带跳随机动态模型；最后通过采用对比分析不同激励强度下高斯白噪声和泊松白噪声对电力系统稳定性影响的方法分析实验结果；该方法构造更加稳定、精确的数值方法对模型进行求解，更加真实的反映系统状态变量的运行轨迹，在激励强度给定的情况下分析系统稳定性，面对强度未知的外部激励，有效评估和显性表达其大小，对准确分析随机干扰程度和电力系统随机特性具有重要的意义。

摘要： 本发明公开了一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法，用于水声通信信号去噪。首先基于水声信号稀疏特性，采用稀疏编码理论预先去除高斯噪声，包括基于拉普拉斯分布模型构造稀疏惩罚函数，求解在极大似然估计情况下的稀疏分量。然后基于水声信号的非高斯特性，将非高斯随机噪声视作源信号，基于改进灰狼优化算法求解水声信号盲源分离问题。最后基于分离后信号和接收信号之间的相关系数矩阵提取目标信号，去除非高斯噪声。本发明能有效抑制复杂水声环境中高斯和非高斯噪声，提高水声信号接收质量。

摘要： 本发明公开了一种高斯噪声的图像噪声强度估计方法，包括以下步骤：对图像进行分块处理，获得多个分块图像；对分块图像进行滤波；将原始的分块图像与之对应的滤波后的分块图像做差，并将差值通过差值直方图的形式记录；对差值直方图中差值大的像素数进行削减处理；分别求出差值直方图中差值的正数部分的平方均值和负数部分的平方均值，提取正数部分的平方均值和负数的平方均值中最小的值，作为分块图像的噪声强度；求出每个分块图像的噪声强度值，从每个分块图像中的噪声强度值中提取最小值作为整个图像的噪声强度；本发明可以降低图像边缘纹理的影响从而进一步估计真实的噪声。

摘要： 本发明公开了一种去除高斯噪声和脉冲噪声的混合噪声滤波方法。该方法步骤如下：对于受电弓图像中高斯噪声和脉冲噪声的混合噪声，采用先进边界区分噪声检测算法即ABDND算法对脉冲噪声进行抑制，所述ABDND算法包含噪声像素检测、噪声像素核实、噪声像素滤除；针对对脉冲噪声进行抑制后的图像，采用滑动窗口对像素点进行处理，将窗口内所有点根据灰度值大小进行排序，去除极大值和极小值点，对剩余的像素点进行权值分配并进行加权计算，计算结果作为滤波窗口中心点的输出灰度值，代替该点原有的灰度值；重复上述步骤中两种算法进行递进滤波，最终滤除受电弓图像中的混合噪声。本发明原理简单、滤波效果好，对数字图像处理具有重要意义。

摘要： 本发明提出了一种基于高斯混合模型的非高斯噪声模型建立方法，首先建立基于概率密度函数的高斯混合模型GMM，得到参数向量的迭代公式；再以最短描述长度MDL为目标函数，通过合并分裂方法SMEM确定混合分量数，估计出高斯混合模型GMM参数；最终根据高斯混合模型GMM和估计出高斯混合模型GMM参数，通过EM算法和KL三都，得到GMM模型参数，完成高斯混合模型；本发明以KL散度为子模型分裂的判别准则，以模型相似度为子模型合并的判别准则，对KL散度最大且分裂后MDL减小的子模型进行分裂，对模型相似度最大并且合并后MDL值减小的子模型对进行合并；以此来控制混合分量数的数量；合并操作以模型相似度为判别准则不需要遍历所有子模型，减少了计算量。

摘要： 本发明公开了一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法，用于水声通信信号去噪。首先基于水声信号稀疏特性，采用稀疏编码理论预先去除高斯噪声，包括基于拉普拉斯分布模型构造稀疏惩罚函数，求解在极大似然估计情况下的稀疏分量。然后基于水声信号的非高斯特性，将非高斯随机噪声视作源信号，基于改进灰狼优化算法求解水声信号盲源分离问题。最后基于分离后信号和接收信号之间的相关系数矩阵提取目标信号，去除非高斯噪声。本发明能有效抑制复杂水声环境中高斯和非高斯噪声，提高水声信号接收质量。

摘要： 本发明公开了一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法，该方法首先对阵列接收信号的四阶累积量矩阵对角线加载，基于对角线加载的Capon四阶空间谱，通过一系列过程重建出更精确的期望信号和干扰的导向矢量，并生成虚拟信号协方差矩阵、虚拟干扰协方差矩阵；接着对阵列接收信号，计算局部的Capon空间互功率谱，估计出噪声协方差矩阵；最后利用获得的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵获得最佳权矢量，对阵列接收信号形成稳健的自适应波束输出。该方法联合利用了Capon四阶空间谱和Capon空间互功率谱以及对角线加载和邻域寻优技术，获得更精确有效的期望信号的导向矢量、干扰加噪声协方差矩阵，提升了自适应波束器的稳健性。

摘要： 本发明公开了一种高斯噪声的图像噪声强度估计方法，包括以下步骤：对图像进行分块处理，获得多个分块图像；对分块图像进行滤波；将原始的分块图像与之对应的滤波后的分块图像做差，并将差值通过差值直方图的形式记录；对差值直方图中差值大的像素数进行削减处理；分别求出差值直方图中差值的正数部分的平方均值和负数部分的平方均值，提取正数部分的平方均值和负数的平方均值中最小的值，作为分块图像的噪声强度；求出每个分块图像的噪声强度值，从每个分块图像中的噪声强度值中提取最小值作为整个图像的噪声强度；本发明可以降低图像边缘纹理的影响从而进一步估计真实的噪声。

摘要： 本发明公布了非高斯噪声下电力线载波通信压缩感知信道估计方法，所述方法包括3个步骤：S1：建立非高斯环境下电力线信道估计模型；S2：对传统信道估计算法进行评估；S3：建立非高斯环境下信道估计方法；所述传统信道估计算法在本发明中指的是最小二乘信道估计算法以及正交匹配追踪算法，利用高斯混合密度对噪声统计特性进行描述，在此基础上，结合信道系数的稀疏特性对信道系数进行估计，提高了信道估计性能，有效的解决了现有技术存在的传统的基于压缩感知的电力线载波通信信道估计方法，在非高斯环境下，信道估计方法性能下降的问题。