CN107765259A - 一种基于提升小波改进阈值的输电线路激光测距信号去噪算法 - Google Patents
一种基于提升小波改进阈值的输电线路激光测距信号去噪算法 Download PDFInfo
- Publication number
- CN107765259A CN107765259A CN201710843061.8A CN201710843061A CN107765259A CN 107765259 A CN107765259 A CN 107765259A CN 201710843061 A CN201710843061 A CN 201710843061A CN 107765259 A CN107765259 A CN 107765259A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- laser ranging
- ranging signal
- lifting wavelet
- electricity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Optical Communication System (AREA)
Abstract
本发明提出了一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，能有效实现对含噪的输电线路激光测距信号进行去噪处理，该方法首先建立了输电线路激光测距信号采集系统；其次，对实验所得的输电线路激光测距信号进行提升小波变换，得到小波分解系数；然后，针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值；最后，应用提升小波逆变换得到去噪后的输电线路激光测距信号。实验结果证明了该方法能有效降低输电线路激光测距信号中的噪声，实现对影响输电线路运行的目标物准确测距，从而提高了输电线路运行的安全性与稳定性。
Description
技术领域
本发明涉及输电线路激光测距领域，具体涉及一种基于提升小波改进阈值的输电线路激光测距信号去噪算法。
背景技术
输电线路的安全可靠运行对于国民经济的发展具有重大意义。然而，输电线路大多架设在丘陵、高山等地带，每年树木生长茂盛期，因输电线路走廊安全距离不够的树障造成的线路跳闸事故时有发生，对线路的安全运行构成了很大的威胁。此类事故在国内外都有发生，而且部分事件的后果很严重，造成大量的经济损失。目前，电力部门进行线路安全防护基本上还是依靠人工巡线，但巡线工作强度大，效率低，人力物力成本较高，检查精确度有限，耗时较长、对于安全隐患不能及时发现。
激光测距方法创新性的应用在输电线路检测领域，能够对恶劣环境中运行的输电线路的运行状况进行全天候的实时监测，可有效减少由于线路周围树木、建筑和施工、运输等因素引起的电力事故。同时，还能提高测量精度、测量速度方面的检测要求。激光测距方法为输电线路检测方法提供了一个新的思路。然而，激光测距过程中会受到许多噪声干扰，按噪声来源可把它们分为：背景噪声、电子元器件噪声、探测器噪声以及信号噪声等。
小波变换具有多分辨率分析的特点，在时域和频域同时具有良好的局部化特征，非常适合对激光信号等非平稳信号的分析与处理。然而，小波变换用于信号去噪时在自身构造及对信号进行时频域变换时都需要耗费大量系统资源。1994年Swelden提出基于提升方案的小波变换，被称为第二代小波。提升法是一种柔性的小波构造方法，同传统小波变换相比，计算速度更快，计算方法简单，从某种角度说提升算法是对信号进行小波滤波的另一种实现。虽然提升小波变换能够用于激光测距信号的去噪，但是提升小波系数阈值的选取比较困难。因为当阈值选取比较小时，小波系数中含有的噪声比较多，去噪效果不佳;当阈值选取比较大时，容易造成有用信号的丢失，存在较大的系统重构误差，从而使得到的信号失真比较严重。
发明内容
针对上述现有技术中存在的问题，为实现对含噪的输电线路激光测距信号进行去噪处理，本发明提出一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，包括步骤：
S100：建立输电线路激光测距信号采集系统，实验室模拟对可能影响输电线路的目标物进行采样数据，以获得输电线路激光测距信号；
S200：对实验所得的输电线路激光测距信号进行提升小波变换，得到小波分解系数；
S300：针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值；
S400：应用提升小波逆变换得到去噪后的输电线路激光测距信号。
在所述步骤S100中，输电线路激光测距信号采集系统，具体包括步骤：
本方法设计的激光测距系统由三大模块构成，分别为发射模块、接收模块和数据处理控制模块。其中，发射模块主要是由驱动电路和激光发射器组成，主要作用是发射一定频率的对人无害的激光信号；接收模块主要用于完成将发射器发射过来的激光信号进行回收，将光信号转换为电信号；数据处理控制模块主要作用是对测距仪进行控制，计算脉冲的测量时间。
在所述步骤S200中，对实验所得的输电线路激光测距信号进行提升小波变换，具体包括步骤：
A1：分裂：将实际采集到的输电线路激光测距信号 分裂成为偶数序列和奇数序列，即：
（1）
A2：预测：采用一个与数据集无关的预测算子，用偶序列去预测奇序列，产生的差值即小波系数，预测过程的表达式为：
（2）
A3：更新：通过一个更新算子U产生一个子集数据，使之保持原数据集的一些特性，更新过程可表示为：
（3）
式中，表示尺度系数。
在所述步骤S300中，针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值，具体包括步骤：
A1：初始化鸡群，给出各个鸡种的数目以及鸡群运动的空间维数和鸡群位置更新频率等；计算鸡群的初始适应度值，以及当前的个体最优位置和集体最优位置。
A2：判断是否满足鸡群关系更新的条件：若满足，则进行鸡群等级秩序、伙伴关系及母子关系更新，并更新公鸡、母鸡和小鸡的位置；若不满足，则直接更新公鸡、母鸡和小鸡的位置，重新计算个体适应度值，更新个体和集体最优位置。
A3：判断是否满足算法终止条件，输出最优值，否则转到A2。
A4：输出最优小波阈值，选择当前鸡群中具有最小适应度值作为最优个体。
A5：对各尺度对应的小波系数进行自适应阈值处理。
进一步地，S300具体包括以下步骤：
对实际采集到的激光测距信号进行提升小波变换后，将会得到近似部分和细节部分。在实际应用中将近似部分作为实际信号的近似，但是这样就丢失了细节部分中含有的有用信息。在对细节部分系数进行自适应阈值处理时，本发明采用的阈值函数如下式所示。
（4）
其一阶导数和二阶导数分别如式（5）和式（6）所示：
（5）
（6）
根据鸡群优化算法，调整和，使得均方根误差的梯度达到最小值。均方误差函数梯度值，即
（7）
（8）
鸡群优化算法以式（7）为自适应函数，以式（8）进行自适应阈值的迭代。
在所述步骤S400中，应用提升小波逆变换得到去噪后的输电线路激光测距信号，具体包括步骤：
A1：恢复更新：更新过程中得到的和的更新算子来恢复。
（9）
A2：恢复预测：由恢复更新过程中得到的和预测过程中得到的恢复。
（10）
A3：合并：由和来恢复原始信号
（11）
本发明提出了一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，能有效实现对含噪的输电线路激光测距信号进行去噪处理。
该方法首先建立了输电线路激光测距信号采集系统；其次，对实验所得的输电线路激光测距信号进行提升小波变换，得到小波分解系数；然后，针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值；最后，应用提升小波逆变换得到去噪后的输电线路激光测距信号。实验结果证明了该方法能有效降低输电线路激光测距信号中的噪声，实现对影响输电线路运行的目标物准确测距，从而提高了输电线路运行的安全性与稳定性。
附图说明
图1为提升小波结合鸡群优化算法去噪流程图；
图2为输电线路激光测距信号采集系统；
图3为提升小波变换分解示意图；
图4为提升小波变换重构示意图
图5为含噪激光信号与三种去噪方法去噪结果图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本例提出一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其流程图如图1所示，包括以下步骤：
S100：建立输电线路激光测距信号采集系统，如图2所示。实验室模拟对可能影响输电线路的目标物进行采样数据，以获得输电线路激光测距信号。
本方法设计的激光测距系统由三大模块构成，分别为发射模块、接收模块和数据处理控制模块。其中，发射模块主要是由驱动电路和激光发射器组成，主要作用是发射一定频率的对人无害的激光信号；接收模块主要用于完成将发射器发射过来的激光信号进行回收，将光信号转换为电信号；数据处理控制模块主要作用是对测距仪进行控制，计算脉冲的测量时间。
本方法采用的激光测距是脉冲式激光测距。单脉冲激光测距原理很简单，它是通过测量发射脉冲和接收脉冲上升沿（或者下降沿、峰值）之间的时间间隔，从而计算出测距仪与待测物体之间的距离。从脉冲激光测距原理，可以知道激光测距公式如式（1）所示。
（1）
其中，c为激光在大气中的传播速度；为激光在传输过程中的往返的时间差；L为激光器到测量目标距离。对于光速误差与测量时大气的质量有关，这个结果可以在测量之前通过对大气的检测得到当时的环境的值。
影响激光测距的外在因素就是大气因素，在大气条件不理想的情况下，透过率不高，激光在大气传播过程中会发生漫反射，激光的能量会发生衰减，天气条件越差，激光测距的精度就越不高，因此在大气条件不是很理想的条件下，利用调整激光的发射频率和发射角，可以提高激光的测距精度。
S200：对实验所得的输电线路激光测距信号进行提升小波变换，得到小波分解系数。
Sweldens提出的提升小波不依赖于傅立叶变换，是以空间域中的离散小波变换为研究背景，能够用于输电线路激光测距信号的去噪。提升小波变换主要分为三个阶段：分解、预测和更新，如图3所示。
A1：分裂：将实际采集到的输电线路激光测距信号 分裂成为偶数序列和奇数序列，即：
（2）
A2：预测：采用一个与数据集无关的预测算子，用偶序列去预测奇序列，产生的差值即小波系数，预测过程的表达式为：
（3）
A3：更新：通过一个更新算子U产生一个子集数据，使之保持原数据集的一些特性，更新过程可表示为：
（4）
式中，表示尺度系数。
S300：针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值。
鸡群优化（CSO）算法是一种模仿鸡群觅食过程发展而来的新型群体智能优化算法，其基本思想是鸡群的分级秩序和个体觅食。鸡群的等级由适应度值的优劣决定，公鸡的适应度值最优，觅食能力最强；小鸡的适应度值最差，觅食能力最弱；其余是母鸡，适应度值与搜索能力均一般。整个鸡群分为若干个群组，母鸡随机选取公鸡作为自己的伴侣，小鸡随机选取母鸡作为自己的母亲，每组由一个公鸡、一些母鸡和小鸡组成，不同组之间存在竞争关系，每个个体根据各自运动规律更新位置。
其中，公鸡位置更新公式如下：
（5）
（6）
式中：为第只公鸡位置的第维的值，为一个服从期望为0，标准差为的正态分布的随机数，为第只公鸡的适应度值，为随机选取的除第只公鸡外的另一只公鸡。
母鸡位置更新公式如下：
（7）
（8）
（9）
式中：和为之间的随机数；为第只母鸡的伙伴公鸡的适应度值；为从除第只母鸡外的其他公鸡和母鸡中随机选取的个体的适应度值；和为影响因子。
小鸡位置更新公式如下：
（10）
式中：为该小鸡的母亲的位置的第维的值，表示小鸡受母亲的影响程度，一般取值范围为（0,2）。
A1：初始化鸡群，给出各个鸡种的数目以及鸡群运动的空间维数和鸡群位置更新频率等；计算鸡群的初始适应度值，以及当前的个体最优位置和集体最优位置。
A2：判断是否满足鸡群关系更新的条件：若满足，则进行鸡群等级秩序、伙伴关系及母子关系更新，并更新公鸡、母鸡和小鸡的位置；若不满足，则直接更新公鸡、母鸡和小鸡的位置，重新计算个体适应度值，更新个体和集体最优位置。
A3：判断是否满足算法终止条件，输出最优值，否则转到A2。
A4：输出最优小波阈值，选择当前鸡群中具有最小适应度值作为最优个体。
A5：对各尺度对应的小波系数进行自适应阈值处理。
要注意的是，其中鸡群位置更新频率的取值对此算法的收敛精度和收敛速度有着重要的影响。鸡群位置更新频率的值太大，算法收敛速度慢，不能快速收敛到全局最优值；鸡群位置更新频率的值太小，算法容易陷入局部最优值。经过多次测试后，一般鸡群位置更新频率在［2，20］时，算法对于大多数问题的优化，在保证收敛精度的同时，收敛速度也比较高。
进一步地，S300具体包括以下步骤：
对实际采集到的激光测距信号进行提升小波变换后，将会得到近似部分和细节部分。在实际应用中将近似部分作为实际信号的近似，但是这样就丢失了细节部分中含有的有用信息。在对细节部分系数进行自适应阈值处理时，本发明采用的阈值函数如下式所示。
（11）
其一阶导数和二阶导数分别如式（12）和式（13）所示：
（12）
（13）
根据鸡群优化算法，调整和，使得均方根误差的梯度达到最小值。均方误差函数梯度值，即
（14）
（15）
鸡群优化算法以式（14）为自适应函数，以式（15）进行自适应阈值的迭代。
S400：应用提升小波逆变换得到去噪后的输电线路激光测距信号。
提升小波的重构过程实际上是分解过程的逆过程，分为三个阶段：恢复更新、恢复预测和合并，如图4所示。提升小波变化的重构过程如下：
A1：恢复更新：更新过程中得到的和的更新算子来恢复。
（16）
A2：恢复预测：由恢复更新过程中得到的和预测过程中得到的恢复。
（17）
A3：合并：由和来恢复原始信号
（18）
为了证明本发明方法的激光测距信号去噪效果，引入均方根误差（root mean squareerror，RMSE）、信噪比（the signal to noise ratio，SNR）、峰值误差（peak error，PE）作为评价标准，将三种不同去噪方法对同一含噪信号的去噪效果的方差、信噪比和峰值误差列于表1。含噪激光测距信号与三种去噪方法去噪结果图如图5所示。
结合图5和表1的结果可以看出，图（b）显示用小波分析去噪的效果最差，无法满足要求。图（c）的提升小波较之本发明方法图（d）的曲线光滑性较差，不能够有效地剔除激光信号中的噪声。本发明方法处理的信号更加平滑，而信号的走势几乎维持不变，对信号波动点的位置定得很准确，结合表1，信噪比最高，而且均方根误差和峰值误差最小，即该方法对信号的去噪效果最佳。
本发明提出了一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，能有效实现对含噪的输电线路激光测距信号进行去噪处理。
该方法首先建立了输电线路激光测距信号采集系统；其次，对实验所得的输电线路激光测距信号进行提升小波变换，得到小波分解系数；然后，针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值；最后，应用提升小波逆变换得到去噪后的输电线路激光测距信号。实验结果证明了该方法能有效降低输电线路激光测距信号中的噪声，实现对影响输电线路运行的目标物准确测距，从而提高了输电线路运行的安全性与稳定性。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换。
Claims (6)
1.一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其特征在于，包括步骤：
建立输电线路激光测距信号采集系统，实验室模拟对可能影响输电线路的目标物进行采样数据，以获得输电线路激光测距信号；
对实验所得的输电线路激光测距信号进行提升小波变换，得到小波分解系数；
针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值；
应用提升小波逆变换得到去噪后的输电线路激光测距信号。
2.如权利要求1所述的一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其特征在于，所述的输电线路激光测距信号采集系统，具体包括步骤：
本方法设计的激光测距系统由三大模块构成，分别为发射模块、接收模块和数据处理控制模块，其中，发射模块主要是由驱动电路和激光发射器组成，主要作用是发射一定频率的对人无害的激光信号；接收模块主要用于完成将发射器发射过来的激光信号进行回收，将光信号转换为电信号；数据处理控制模块主要作用是对测距仪进行控制，计算脉冲的测量时间。
3.如权利要求1所述的一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其特征在于，所述的对实验所得的输电线路激光测距信号进行提升小波变换，具体包括步骤：
A1：分裂：将实际采集到的输电线路激光测距信号 分裂成为偶数序列和奇数序列，即：
（1）
A2：预测：采用一个与数据集无关的预测算子，用偶序列去预测奇序列，产生的差值即小波系数，预测过程的表达式为：
（2）
A3：更新：通过一个更新算子U产生一个子集数据，使之保持原数据集的一些特性，更新过程可表示为：
（3）
式中，表示尺度系数。
4.如权利要求1所述的一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其特征在于，所述的针对提升小波变换在阈值选取方面存在的限制，结合鸡群算法，优化提升小波的自适应阈值，具体包括步骤：
A1：初始化鸡群，给出各个鸡种的数目以及鸡群运动的空间维数和鸡群位置更新频率等；计算鸡群的初始适应度值，以及当前的个体最优位置和集体最优位置；
A2：判断是否满足鸡群关系更新的条件：若满足，则进行鸡群等级秩序、伙伴关系及母子关系更新，并更新公鸡、母鸡和小鸡的位置；若不满足，则直接更新公鸡、母鸡和小鸡的位置，重新计算个体适应度值，更新个体和集体最优位置；
A3：判断是否满足算法终止条件，输出最优值，否则转到A2；
A4：输出最优小波阈值，选择当前鸡群中具有最小适应度值作为最优个体；
A5：对各尺度对应的小波系数进行自适应阈值处理。
5.如权利要求4所述的一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其特征在于，所述的对各尺度对应的小波系数进行自适应阈值处理，具体包括步骤：
对实际采集到的激光测距信号进行提升小波变换后，将会得到近似部分和细节部分，
在实际应用中将近似部分作为实际信号的近似，但是这样就丢失了细节部分中含有的有用信息，在对细节部分系数进行自适应阈值处理时，本发明采用的阈值函数如下式所示：
（4）
其一阶导数和二阶导数分别如式（5）和式（6）所示：
（5）
（6）
根据鸡群优化算法，调整和，使得均方根误差的梯度达到最小值，均方误差函数梯度值，即
（7）
（8）
鸡群优化算法以式（7）为自适应函数，以式（8）进行自适应阈值的迭代。
6.如权利要求1所述的一种基于提升小波改进阈值的输电线路激光测距信号去噪算法，其特征在于，所述的应用提升小波逆变换得到去噪后的输电线路激光测距信号，具体包括步骤：
A1：恢复更新：更新过程中得到的和的更新算子来恢复；
（9）
A2：恢复预测：由恢复更新过程中得到的和预测过程中得到的恢复；
（10）
A3：合并：由和来恢复原始信号
（11）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710843061.8A CN107765259B (zh) | 2017-09-18 | 2017-09-18 | 一种基于提升小波改进阈值的输电线路激光测距信号去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710843061.8A CN107765259B (zh) | 2017-09-18 | 2017-09-18 | 一种基于提升小波改进阈值的输电线路激光测距信号去噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107765259A true CN107765259A (zh) | 2018-03-06 |
| CN107765259B CN107765259B (zh) | 2021-06-01 |
Family
ID=61265066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710843061.8A Active CN107765259B (zh) | 2017-09-18 | 2017-09-18 | 一种基于提升小波改进阈值的输电线路激光测距信号去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107765259B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960116A (zh) * | 2018-06-28 | 2018-12-07 | 哈尔滨工程大学 | 基于改进小波包变换的柴油机高频压力振荡信号提取方法 |
| CN111110268A (zh) * | 2019-11-26 | 2020-05-08 | 中国科学院合肥物质科学研究院 | 基于随机向量功能连接网络技术的人体肌音信号预测方法 |
| CN114942065A (zh) * | 2022-05-17 | 2022-08-26 | 湖北工业大学 | 称重信号降噪方法、装置、电子设备及计算机存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103750835A (zh) * | 2013-11-12 | 2014-04-30 | 天津工业大学 | 一种心电信号特征检测算法 |
| CN106291236A (zh) * | 2016-07-29 | 2017-01-04 | 国家电网公司 | 基于暂态故障行波的限流器用故障检测方法 |
| CN107018103A (zh) * | 2017-04-07 | 2017-08-04 | 淮南职业技术学院 | 一种基于自适应步长猴群优化的小波常模盲均衡方法 |
-
2017
- 2017-09-18 CN CN201710843061.8A patent/CN107765259B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103750835A (zh) * | 2013-11-12 | 2014-04-30 | 天津工业大学 | 一种心电信号特征检测算法 |
| CN106291236A (zh) * | 2016-07-29 | 2017-01-04 | 国家电网公司 | 基于暂态故障行波的限流器用故障检测方法 |
| CN107018103A (zh) * | 2017-04-07 | 2017-08-04 | 淮南职业技术学院 | 一种基于自适应步长猴群优化的小波常模盲均衡方法 |
Non-Patent Citations (3)
| Title |
|---|
| 夏平 等: "基于自适应提升方案的回波信号消噪算法研究", 《微电子学与计算机》 * |
| 张腾飞 等: "一种级联的激光主动成像图像融合降噪算法", 《激光与红外》 * |
| 李金伦 等: "基于改进中值滤波和提升小波变换的阈值去噪方法研究", 《应用光学》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960116A (zh) * | 2018-06-28 | 2018-12-07 | 哈尔滨工程大学 | 基于改进小波包变换的柴油机高频压力振荡信号提取方法 |
| CN108960116B (zh) * | 2018-06-28 | 2021-11-23 | 哈尔滨工程大学 | 基于改进小波包变换的柴油机高频压力振荡信号提取方法 |
| CN111110268A (zh) * | 2019-11-26 | 2020-05-08 | 中国科学院合肥物质科学研究院 | 基于随机向量功能连接网络技术的人体肌音信号预测方法 |
| CN114942065A (zh) * | 2022-05-17 | 2022-08-26 | 湖北工业大学 | 称重信号降噪方法、装置、电子设备及计算机存储介质 |
| CN114942065B (zh) * | 2022-05-17 | 2023-07-11 | 湖北工业大学 | 称重信号降噪方法、装置、电子设备及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107765259B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993280B (zh) | 一种基于深度学习的水下声源定位方法 | |
| CN108520199B (zh) | 基于雷达图像与生成对抗模型的人体动作开集识别方法 | |
| CN107765259A (zh) | 一种基于提升小波改进阈值的输电线路激光测距信号去噪算法 | |
| Li et al. | IncepTCN: A new deep temporal convolutional network combined with dictionary learning for strong cultural noise elimination of controlled-source electromagnetic data | |
| Zhu et al. | Self-learning filtering method based on classification error in distributed fiber optic system | |
| Li et al. | Radar signal recognition algorithm based on entropy theory | |
| CN109934422A (zh) | 一种基于时间序列数据分析的神经网络风速预测方法 | |
| CN115204058B (zh) | 基于bp神经网络的地波雷达流场计算方法及装置 | |
| Deng et al. | A deep learning method based on long short term memory and sliding time window for type recognition and time location of power quality disturbance | |
| Zhang et al. | An improved UKF algorithm for extracting weak signals based on RBF neural network | |
| CN114117912A (zh) | 一种数据模型双驱动下的海杂波建模与抑制方法 | |
| Shang et al. | Sea clutter suppression method of HFSWR based on RBF neural network model optimized by improved GWO algorithm | |
| Li et al. | Generalized Hough transform and ANN for subsurface cylindrical object location and parameters inversion from GPR data | |
| Di et al. | Identification of rock bolt quality based on improved probabilistic neural network | |
| CN110441761A (zh) | 基于分布式浮标探测的多源信息融合方法 | |
| CN112329535B (zh) | 基于cnn的电力系统低频振荡模态特征的快速辨识方法 | |
| Akbari et al. | Fault Detection, Classification, and Location in VSC-HVDC Systems Using Metaheuristic Optimized ANFIS and Hilbert Huang Transform Method | |
| CN114925732A (zh) | 基于调节因子自适应选取的s变换电能质量扰动识别方法 | |
| Kuo et al. | Conditional noise deep learning for parameter estimation of gravitational wave events | |
| CN117872039B (zh) | 一种基于改进rbf网络的线路故障测距方法及系统 | |
| Song et al. | An artificial intelligence recognition algorithm for Yangtze finless porpoise | |
| CN114779002B (zh) | 一种输电线路故障点定位方法、装置、设备及存储介质 | |
| CN117992760B (zh) | 一种基于认知图谱的电磁环境监测任务规划方法 | |
| Song et al. | An automatic identification algorithm of Yangtze finless porpoise | |
| Zhang et al. | Prediction method of ocean wave spectrum based on an echo state network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |