CN111709637A - 一种光谱曲线受干扰程度的定性分析方法 - Google Patents
一种光谱曲线受干扰程度的定性分析方法 Download PDFInfo
- Publication number
- CN111709637A CN111709637A CN202010531146.4A CN202010531146A CN111709637A CN 111709637 A CN111709637 A CN 111709637A CN 202010531146 A CN202010531146 A CN 202010531146A CN 111709637 A CN111709637 A CN 111709637A
- Authority
- CN
- China
- Prior art keywords
- interference
- curve
- spectral curve
- interfered
- sequence
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及光谱曲线干扰的分析方法,具体涉及一种光谱曲线受干扰程度的定性分析方法,针对利用光谱成像技术获取目标光谱曲线时会受到干扰问题,通过对光谱曲线受干扰前后的定性分析,以达到干扰因素的消除以及干扰程度的主动控制。本发明通过计算原始光谱曲线与受干扰后光谱曲线的皮尔森相关系数,与不同干扰程度的阈值进行比较,评估光谱曲线受干扰的整体趋势;通过最小二乘法拟合直线,计算波动曲线各点与拟合直线残差的标准差,与不同波动程度的阈值进行比较,评估光谱曲线受干扰程度的局部波动,采用两次分析的结果,对光谱曲线受干扰程度进行定性分析,获得干扰源强度与干扰程度的对应关系,实现可控干扰。
Description
技术领域
本发明涉及光谱曲线干扰的分析方法,具体涉及一种光谱曲线受干扰程度的定性分析方法。
背景技术
利用光谱成像技术获取目标光谱曲线,由于外界干扰或内部器件的影响,光谱曲线的获取会受到干扰,而这种干扰往往会使光谱分析结果产生较大误差。通过对光谱曲线受干扰前后的评估分析,可获取干扰因素的影响效果。对于被动干扰,需要知道光谱曲线受干扰程度的大小,以实现被动干扰后的分析;对于主动干扰,需要根据光谱曲线受干扰后的影响效果调校干扰源,从而找到干扰源强度与干扰程度的对应关系,最终实现主动干扰的可控。因此,针对光谱曲线干扰的定性分析,对于干扰因素的消除以及干扰程度的主动控制有重要的价值。
目前尚未见到针对光谱曲线的受干扰程度进行定性分析的方法。
发明内容
本发明的目的是针对利用光谱成像技术获取目标光谱曲线时会受到干扰问题,提出了一种光谱曲线受干扰程度的定性分析方法,通过对原始光谱曲线与受干扰后光谱曲线的两次分析,对受干扰后的曲线整体趋势及曲线的波动情况进行评估,获得干扰源强度与干扰效果的对应关系,实现可控干扰。
本发明所采用的技术方案是:
一种光谱曲线受干扰程度的定性分析方法,其特殊之处在于,包括以下步骤:
步骤1、获取原始无干扰物点光谱曲线序列A及受干扰后光谱曲线序列B;
步骤2、计算两组光谱曲线数据序列的协方差cov(A,B)及各自的标准差σA和σB;
cov(A,B)=E((A-μA)(B-μB))
式中,μA、μB分别为序列A、B的均值;
步骤3、计算两组光谱曲线数据的皮尔森相关系数ρAB;
步骤4、根据光谱曲线不同干扰程度划分不同阈值Hj(j≥1且j为自然数);
步骤5、利用皮尔森相关系数ρAB与阈值Hj比较,对受干扰后光谱曲线数据的受干扰程度进行整体趋势评估;
步骤6、将两组光谱曲线数据序列相减得到C序列,而后对新数据序列C的相邻数据点依次前后相减,得到反映曲线波动情况的数据序列D;
步骤7、对数据序列D利用最小二乘法拟合直线,计算数据序列D中数据点与拟合直线残差的标准差r,
式中,n为序列D中数据点个数;
Δdi为数据序列D中各点与拟合直线的残差;
步骤8、利用该残差的标准差r与阈值Kx(x≥1且x为自然数)比较,对受干扰后光谱曲线数据的受干扰程度进行局部波动评估;
步骤9、利用整体趋势评估结果与局部波动评估结果进行定性分析,调校干扰源,获得干扰源强度与干扰程度的对应关系,实现可控干扰。
进一步地,步骤4中光谱曲线序列A、B需正相关,阈值Hj取值范围在[0,1]区间。
进一步地,步骤5中对受干扰后光谱曲线数据受干扰程度进行整体趋势评估的方法为:相关系数ρAB大于Hj说明曲线整体趋势受干扰较小;相关系数ρAB小于Hj说明光谱曲线整体趋势受到一定干扰。
进一步地,步骤8中阈值Kx的值取决于曲线直流分量均值与容许残差相对曲线直流分量均值百分比的乘积。
进一步地,步骤8中对受干扰后光谱曲线数据受干扰程度进行局部波动评估的方法为:标准差r大于Kx说明曲线波动受到一定干扰;标准差r小于Kx说明光谱曲线波动受干扰较小。
本发明的有益效果是:
1)本发明利用光谱曲线受干扰后的整体趋势、局部波动两个指标,对受干扰后的光谱曲线进行综合分析,并通过与不同阈值进行比较可反映受干扰程度的大小,获得干扰源强度与干扰程度的对应关系,实现被动干扰后的分析或主动干扰程度的可控。
2)本发明通过对光谱曲线受干扰前后的评估分析,可获取干扰源的影响效果,并可利用分析结果调校干扰源,对干扰程度的主动控制或干扰因素的消除有重要的价值。
附图说明
图1是本发明光谱曲线受干扰程度的定性分析方法流程图。
具体实施方式
为了更清楚地说明本发明的技术方案,下面结合附图和具体实施例对本发明进行详细说明。
本发明提供的光谱曲线受干扰程度的定性分析方法,通过对原始光谱曲线与受干扰后光谱曲线的两次评估,可对受干扰后的曲线整体趋势及曲线的波动情况进行分析,并通过与不同阈值进行比较可反映受干扰程度的大小,针对光谱曲线的干扰影响分析全面,对干扰程度的主动控制或干扰因素的消除有重要的价值。
本发明所采用的光谱曲线受干扰程度的定性分析方法流程图如图1所示,其实现步骤如下:
1)获取原始无干扰物点光谱曲线序列A及受干扰后光谱曲线序列B。
2)计算两组光谱曲线数据序列的协方差cov(A,B)及各自的标准差σA,σB,
cov(A,B)=E((A-μA)(B-μB))
式中,μA、μB分别为序列A、B的均值。
3)计算两组光谱曲线数据的皮尔森相关系数ρAB,
该系数值位于[-1,1]区间;相关系数大于0时,两曲线正相关;小于0时,两曲线负相关;等于0时,两曲线不相关,即受干扰很大;相关系数等于1时,两曲线完全相关,即不受干扰。
4)根据曲线不同干扰程度划分不同阈值Hj(j≥1且j为自然数),阈值Hj的取值与先验判断有关,可根据实际需要取不同阈值个数或阈值数值,来区分光谱曲线整体趋势的不同干扰影响程度。光谱曲线A、B需正相关,故阈值Hj的取值一般在[0,1]区间,一般ρAB≥0.95时,则可认为干扰较小,可忽略。可根据对干扰程度分级的实际需求确定不同阈值个数或阈值数值。在本实施例中,只取j=1,H1=0.95。
5)利用步骤3)中相关系数与阈值H1比较,对受干扰后光谱曲线数据的受干扰程度进行第一次整体趋势评估。相关系数大于H1说明曲线整体趋势受干扰较小;小于H1说明光谱曲线整体趋势已受一定干扰。
6)将两组光谱曲线数据序列相减得到C序列,而后对新数据序列C的相邻数据点依次前后相减,得到反映光谱曲线波动情况的数据序列D,其中序列D比序列C数据个数少1。
7)对步骤6)中数据序列D利用最小二乘法拟合直线,计算各点与拟合直线残差的标准差r,
其中,
n为序列D中数据点个数;
Δdi为数据序列D中各数据点与拟合直线的残差。
8)利用该残差的标准差r与阈值Kx(x≥1且x为自然数)比较,对受干扰后光谱曲线数据的受干扰程度进行局部波动评估。阈值Kx的取值与先验判断有关,可根据实际需要取不同阈值个数或阈值数值,来区分光谱曲线细小波动趋势的不同干扰影响程度。阈值Kx的取值与曲线直流分量均值大小及容许残差相对此均值的百分比有关。例如当直流分量均值为500时,取小于2%的残差认为干扰较小可忽略,那么可取K1=500*2%=10。阈值Kx的取值及个数根据对光谱曲线细小波动干扰程度分级的实际需求确定。在本实施例中,只取x=1,K1=10。
标准差r大于K1说明曲线波动受到干扰;小于K1说明光谱曲线波动与原始光谱曲线符合较好,未受干扰。
9)根据上述皮尔森相关系数ρAB与H1比较,以及最小二乘法拟合直线残差的标准差r与K1的比较结果,对光谱曲线受干扰程度分为4类,如下表所示:
从表中可以看出,在阈值取H1=0.95,K1=10的情况下,当ρAB≥H1,且r≤K1时,光谱曲线不受干扰;当ρAB<H1,且r>K1时,光谱曲线有显著干扰。
10)利用评估结果定性分析,调校干扰源(电磁信号或光源等),获得干扰源强度与干扰程度的对应关系,实现可控干扰。可控干扰即自主控制干扰效果,可实现对被干扰设备不同程度的干扰(如暂时扰乱、暂时致盲、永久损伤等),从而实现与被干扰人或组织的关系影响可控。
以上是结合具体的优选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方式仅限于此,对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定专利保护范围。
Claims (5)
1.一种光谱曲线受干扰程度的定性分析方法,其特征在于,包括以下步骤:
步骤1、获取原始无干扰物点光谱曲线序列A及受干扰后光谱曲线序列B;
步骤2、计算两组光谱曲线数据序列的协方差cov(A,B)及各自的标准差σA和σB;
cov(A,B)=E((A-μA)(B-μB))
式中,μA、μB分别为序列A、B的均值;
步骤3、计算两组光谱曲线数据的皮尔森相关系数ρAB;
步骤4、根据光谱曲线不同干扰程度划分不同阈值Hj(j≥1且j为自然数);
步骤5、利用皮尔森相关系数ρAB与阈值Hj比较,对受干扰后光谱曲线数据的受干扰程度进行整体趋势评估;
步骤6、将两组光谱曲线数据序列相减得到C序列,而后对新数据序列C的相邻数据点依次前后相减,得到反映曲线波动情况的数据序列D;
步骤7、对数据序列D利用最小二乘法拟合直线,计算数据序列D中数据点与拟合直线残差的标准差r,
式中,n为序列D中数据点个数;
Δdi为数据序列D中各数据点与拟合直线的残差;
步骤8、利用该残差的标准差r与阈值Kx(x≥1,且x为自然数)比较,对受干扰后光谱曲线数据的受干扰程度进行局部波动评估;
步骤9、利用整体趋势评估结果与局部波动评估结果进行定性分析,调校干扰源,获得干扰源强度与干扰效果的对应关系,实现可控干扰。
2.根据权利要求1所述的一种光谱曲线受干扰程度的定性分析方法,其特征在于:步骤4中,光谱曲线序列A、B需正相关,阈值Hj取值范围在[0,1]区间。
3.根据权利要求2所述的一种光谱曲线受干扰程度的定性分析方法,其特征在于,步骤5中对受干扰后光谱曲线数据受干扰程度进行整体趋势评估的方法为:相关系数ρAB大于Hj说明曲线整体趋势受干扰较小;相关系数ρAB小于Hj说明光谱曲线整体趋势受到一定干扰。
4.根据权利要求1所述的一种光谱曲线受干扰程度的定性分析方法,其特征在于:步骤8中,阈值Kx的值取决于曲线直流分量均值与容许残差相对曲线直流分量均值百分比的乘积。
5.根据权利要求4所述的一种光谱曲线受干扰程度的定性分析方法,其特征在于,步骤8中对受干扰后光谱曲线数据受干扰程度进行局部波动评估的方法为:标准差r大于Kx说明曲线波动受到一定干扰;标准差r小于Kx说明光谱曲线波动受干扰较小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010531146.4A CN111709637B (zh) | 2020-06-11 | 2020-06-11 | 一种光谱曲线受干扰程度的定性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010531146.4A CN111709637B (zh) | 2020-06-11 | 2020-06-11 | 一种光谱曲线受干扰程度的定性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111709637A true CN111709637A (zh) | 2020-09-25 |
CN111709637B CN111709637B (zh) | 2023-08-22 |
Family
ID=72539921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010531146.4A Active CN111709637B (zh) | 2020-06-11 | 2020-06-11 | 一种光谱曲线受干扰程度的定性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709637B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040027580A1 (en) * | 2002-07-19 | 2004-02-12 | Hans-Artur Bosser | Method for automatic determination of optical parameters of a layer stack and computer program |
US20080027299A1 (en) * | 2006-02-20 | 2008-01-31 | Andreas Tobola | Spectral analysis for a more reliable determination of physiological parameters |
JP2010169412A (ja) * | 2009-01-20 | 2010-08-05 | Shimadzu Corp | 発光分光分析装置 |
CN105069763A (zh) * | 2015-09-17 | 2015-11-18 | 天津理工大学 | 基于五点三次平滑算法的荧光光谱数据噪声滤波方法 |
CN105138800A (zh) * | 2015-09-17 | 2015-12-09 | 天津理工大学 | 基于分段拟合数据处理算法的荧光光谱数据噪声滤波方法 |
WO2016000088A1 (zh) * | 2014-07-02 | 2016-01-07 | 中国林业科学研究院林业研究所 | 一种基于最佳指数-相关系数法的高光谱波段提取方法 |
CN105615845A (zh) * | 2016-02-25 | 2016-06-01 | 广州视源电子科技股份有限公司 | 干扰脉搏信号检测方法及其系统 |
US20180047553A1 (en) * | 2015-03-06 | 2018-02-15 | Micromass Uk Limited | Spectrometric Analysis |
CN108007872A (zh) * | 2016-10-27 | 2018-05-08 | 中国人民解放军第二军医大学 | 光谱检测修正装置、方法以及药品真伪判定系统 |
CN108021887A (zh) * | 2017-12-05 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN108037084A (zh) * | 2017-11-28 | 2018-05-15 | 南瑞集团有限公司 | 一种适用于光度法原理水质自动分析仪的抗干扰测量方法 |
WO2018121082A1 (zh) * | 2016-12-26 | 2018-07-05 | 同方威视技术股份有限公司 | 基于拉曼光谱的自学习式定性分析方法 |
CN108414468A (zh) * | 2017-02-09 | 2018-08-17 | 哈尔滨工业大学 | 基于小波变换和非线性变换的红外光谱波段特征增强方法 |
CN109262445A (zh) * | 2018-09-20 | 2019-01-25 | 杭州众硅电子科技有限公司 | 一种基于光谱的化学机械平坦化在线终点检测方法 |
US20200049556A1 (en) * | 2018-08-08 | 2020-02-13 | Picarro, Inc. | Cavity Ring-Down Spectroscopy having Interleaved Data Acquisition for Interference Mitigation |
CN111145148A (zh) * | 2019-12-13 | 2020-05-12 | 中国人民解放军国防科技大学 | 基于压缩感知的图像受干扰程度评价方法 |
-
2020
- 2020-06-11 CN CN202010531146.4A patent/CN111709637B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040027580A1 (en) * | 2002-07-19 | 2004-02-12 | Hans-Artur Bosser | Method for automatic determination of optical parameters of a layer stack and computer program |
US20080027299A1 (en) * | 2006-02-20 | 2008-01-31 | Andreas Tobola | Spectral analysis for a more reliable determination of physiological parameters |
JP2010169412A (ja) * | 2009-01-20 | 2010-08-05 | Shimadzu Corp | 発光分光分析装置 |
WO2016000088A1 (zh) * | 2014-07-02 | 2016-01-07 | 中国林业科学研究院林业研究所 | 一种基于最佳指数-相关系数法的高光谱波段提取方法 |
US20180047553A1 (en) * | 2015-03-06 | 2018-02-15 | Micromass Uk Limited | Spectrometric Analysis |
CN105069763A (zh) * | 2015-09-17 | 2015-11-18 | 天津理工大学 | 基于五点三次平滑算法的荧光光谱数据噪声滤波方法 |
CN105138800A (zh) * | 2015-09-17 | 2015-12-09 | 天津理工大学 | 基于分段拟合数据处理算法的荧光光谱数据噪声滤波方法 |
CN105615845A (zh) * | 2016-02-25 | 2016-06-01 | 广州视源电子科技股份有限公司 | 干扰脉搏信号检测方法及其系统 |
CN108007872A (zh) * | 2016-10-27 | 2018-05-08 | 中国人民解放军第二军医大学 | 光谱检测修正装置、方法以及药品真伪判定系统 |
WO2018121082A1 (zh) * | 2016-12-26 | 2018-07-05 | 同方威视技术股份有限公司 | 基于拉曼光谱的自学习式定性分析方法 |
CN108414468A (zh) * | 2017-02-09 | 2018-08-17 | 哈尔滨工业大学 | 基于小波变换和非线性变换的红外光谱波段特征增强方法 |
CN108037084A (zh) * | 2017-11-28 | 2018-05-15 | 南瑞集团有限公司 | 一种适用于光度法原理水质自动分析仪的抗干扰测量方法 |
CN108021887A (zh) * | 2017-12-05 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
US20200049556A1 (en) * | 2018-08-08 | 2020-02-13 | Picarro, Inc. | Cavity Ring-Down Spectroscopy having Interleaved Data Acquisition for Interference Mitigation |
CN109262445A (zh) * | 2018-09-20 | 2019-01-25 | 杭州众硅电子科技有限公司 | 一种基于光谱的化学机械平坦化在线终点检测方法 |
CN111145148A (zh) * | 2019-12-13 | 2020-05-12 | 中国人民解放军国防科技大学 | 基于压缩感知的图像受干扰程度评价方法 |
Non-Patent Citations (8)
Title |
---|
QIAN DU等: "A signal-decomposed and interference-annihilated approach to hyperspectral target detection", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
SIYUAN LI等: "Remote Sensing Scene Classification by Gated Bidirectional Network", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
丛龙洋;: "一种对多光谱成像侦察设备的干扰效果评估方法", no. 04 * |
刘嘉诚等: "显著性权重RX高光谱异常点检测", 《遥感学报》 * |
朱芸,魏广凯,郑秋生: "高光谱测量曲线中干扰信号的消除方法", 海洋科学进展, no. 04 * |
杨自安;彭省临;朱谷昌;张远飞;石菲菲;: "多光谱遥感图像中蚀变信息及干扰因素的分析研究", 地质与勘探, no. 01 * |
段上雄: "图谱关联探测系统的光谱数据处理与识别算法研究", 《华中科技大学硕士学位论文》 * |
沈兰荪,白梅: "ICP-AES中光谱干扰及其校正方法的研究", no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN111709637B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | Specific emitter identification based on deep residual networks | |
US8194803B2 (en) | Method and apparatus for regaining watermark data that were embedded in an original signal by modifying sections of said original signal in relation to at least two different reference data sequences | |
Ashtiani et al. | Partial discharge de-noising employing adaptive singular value decomposition | |
WO2007018949A3 (en) | Method for wavelet denoising of controlled source electromagnetic survey data | |
US20070202829A1 (en) | Receiver for Narrowband Interference Cancellation | |
CN110244202B (zh) | 基于同步压缩小波变换域变压器局部放电去噪方法 | |
CN112014692A (zh) | 基于主成分分析的局部放电特高频信号盲源分离去噪方法 | |
Wang et al. | Optimization of wavelet and thresholding for partial discharge detection under HVDC | |
Darus et al. | Modified hybrid median filter for removal of low density random-valued impulse noise in images | |
Tanaka et al. | Motion blur parameter identification from a linearly blurred image | |
CN105260990B (zh) | 染噪红外光谱信号的去噪方法 | |
CN111709637A (zh) | 一种光谱曲线受干扰程度的定性分析方法 | |
CN111562597A (zh) | 一种基于bp神经网络的北斗卫星导航干扰源识别方法 | |
Mankun et al. | A new time-frequency spectrogram analysis of FH signals by image enhancement and mathematical morphology | |
Fodor et al. | Reference-free SNR measurement for narrowband and wideband speech signals in car noise | |
CN114510969A (zh) | 一种坐标时间序列的降噪方法 | |
US8175829B2 (en) | Analyzer for signal anomalies | |
GB2422521A (en) | System for characterising a signal | |
CN116522080A (zh) | 局部放电信号降噪方法 | |
Sulong et al. | Single Channel Speech Enhancement using Wiener Filter and Compressive Sensing. | |
EP2663993A1 (en) | A method of deadtime correction in mass spectrometry | |
Li et al. | Incremental update of feature extractor for camera identification | |
CN113349800A (zh) | 一种基于生成式对抗网络的脑电波信号降噪方法 | |
Burda et al. | Galaxy classification using pattern recognition methods | |
Zhang et al. | Nature scene statistics approach based on ICA for no-reference image quality assessment |
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 |