CN112818875B - 一种基于低秩稀疏分解的易燃液体检测信号去噪方法 - Google Patents
一种基于低秩稀疏分解的易燃液体检测信号去噪方法 Download PDFInfo
- Publication number
- CN112818875B CN112818875B CN202110157899.8A CN202110157899A CN112818875B CN 112818875 B CN112818875 B CN 112818875B CN 202110157899 A CN202110157899 A CN 202110157899A CN 112818875 B CN112818875 B CN 112818875B
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- data
- decomposition
- rank
- 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.)
- Active
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 57
- 239000007788 liquid Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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
Abstract
本发明公开了一种基于低秩稀疏分解的易燃液体检测信号去噪方法，包括以下步骤：S1.采集待测易燃液体的检测信号X1；S2.对检测信号X1进行清洗和预处理，得到信号X2；S3.重复执行n次步骤S1～S2，每次得到向量作为一列，最终得到一个m*n的矩阵X；S4.基于低秩稀疏分解，将得到的信号X进行信号成分分解和噪声去除，得到去噪后的信号L。本发明提供的易燃液体检测信号去噪方法，在对检测信号进行清洗和预处理后，基于低秩稀疏分解，进行信号的分解和噪声信号的去除，有助于提高易燃液体检测的准确性。
Description
技术领域
本发明涉及易燃液体检测，特别是涉及一种基于低秩稀疏分解的易燃液体检测信号去噪方法。
背景技术
随着物流产业的迅速发展，交通运输安全越来越受到重视。因此，公共场合中的安检环节也显得越来越重要，而现阶段易燃液体主要采用人工方式进行检测。随着智能化技术的不断发展，利用智能化的方法进行易燃液体检测已经成为交通运输安全检查的发展趋势。易燃液体检测，也逐渐成为交通运输安全领域研究的核心问题，发挥着不可替代的作用。
对易燃液体的检测过程中，噪声是影响检测准确性的重要因素，因此，对检测信号进行去噪，对于易燃液体有着重要的意义。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于低秩稀疏分解的易燃液体检测信号去噪方法，在对检测信号进行清洗和预处理后，基于低秩稀疏分解，进行信号的分解和噪声信号的去除，有助于提高易燃液体检测的准确性。
本发明的目的是通过以下技术方案来实现的：一种基于低秩稀疏分解的易燃液体检测信号去噪方法，包括以下步骤：
S1.采集待测易燃液体的检测信号X1；
S2.对检测信号X1进行清洗和预处理，得到信号X2；
S3.重复执行n次步骤S1～S2，每次得到向量作为一列，最终得到一个m*n的矩阵X；
S4.基于低秩稀疏分解，将得到的信号X进行信号成分分解和噪声去除，得到去噪后的信号L。
进一步地，所述步骤S1包括：
利用宽带波束聚焦系统对待测易燃液体进行检测，得到待测易燃液体的散射参数，所述散射参数包含不同频点处的幅度信息和相位信息，设频点的数目为m，取每个频点处的幅度信息，组成一个m*1的向量X1。
进一步地，所述步骤S2包括：
S201.对采集到的检测信号X1进行清洗，得到清洗后的数据Ssa；
S202.对清洗后的数据Ssa进行预处理，得到信号X2。
进一步地，所述步骤S201包括：
数据的频段缺失处理：使用图像编辑软件手动擦除斑块，然后执行OCR技术，来实现缺少频带数据的清洗；
数据重复处理：删除重复数据，实现重复数据的清洗；所述数据重复是指在任一频点处出现多个数据的现象；
数据混淆处理：辨别信号中任意频点处的数值是否都为负数，如果都为负数，那么保留该信号；如果并不是全为复数，丢弃信号，返回步骤S1重新进行信号检测。
进一步地，所述步骤S202包括：
(1)对清洗后的数据Ssa静噪：
其中，S1为静噪得到的数据，Sem是空气的散射参数；
(2)对静噪得到的数据S1进行数据填充：
考虑到信号采集系统的扫描频段间隔参差不齐，以及信号长度不一致的问题，采取填充操作对数据进行处理,将信号数据的扫描间隔都固定在0.0125GHz，得到信号X2，填充操作过程中，采用下采样的方法提取比固定间隔小的信号数据，采用三阶插值方法统一比固定间隔要大的信号数据。
进一步地，：所述步骤S4包括以下子步骤：
S401.基于低秩稀疏分解对预处理得到的信号X进行信号成分分解：
在低秩稀疏分解过程中，认为待测易燃液体检测信号X是由三部分组成，分别为低秩矩阵L、稀疏矩阵S和噪声矩阵N；低秩矩阵L表示为信号中的纯净的液体信息，即背景液体信号；稀疏矩阵S表示异常信息；
因此预处理后的待测易燃液体检测信号表示为：
X＝L+S+N
将检测信号的去噪问题转换为如下问题：
其中||.||F表示F范数；
S402.设置迭代的初始参数：
设定初始参数r,k,∈,q，并给定约束条件rank(L)≤r，card(S)≤k，rank(L)表示L的秩，card(S)表示S的基数；设定初始全零矩阵L0,S0，初始化t＝0；
S403.获取原始信号矩阵中的液体相关信息部分，也就是低秩部分L：
(1)对t进行更新，更新后的t等于更新前的t+1，即令t＝t+1；
(2)计算估计值
其中，Lt、St表示第t次迭代过程中的低秩矩阵和稀疏矩阵；
(3)计算中间参数Y1、A2：
其中，n*r列的随机数据矩阵；
(4)计算中间参数Y2：
利用QR分解法对Y2进行QR分解，得到：
Y2＝Q2R2；
其中，Q2表示对Y2进行QR分解得到的正规正交矩阵，R2表示对Y2进行QR分解得到的上三角矩阵；
(5)对中间参数Y1进行更新，更新后的Y1为：
利用QR分解法对更新后的Y1进行QR分解，得到：
Y1＝Q1R1；
其中，Q1表示对Y1进行QR分解得到的正规正交矩阵，R1表示对Y1进行QR分解得到的上三角矩阵；
(6)判断是否满足：
若满足，更新r，使得：
若不满足，r保持不变；
(7)计算Lt、St：
St＝PΩ(X-Lt)
Ω是矩阵|X-Lt|的前k个最大元素的索引集，PΩ()表示索引集Ω对矩阵的采样投影；
(8)判断是否满足
若满足，对矩阵X进行更新，更新后的矩阵X等于Lt，即令X＝Lt，然后返回步骤(1)，继续进行迭代；
若不满足，迭代结束，输出最终的低秩矩阵L＝Lt。
本发明的有益效果是：在对检测信号进行清洗和预处理后，基于低秩稀疏分解，进行信号的分解和噪声信号的去除，有助于提高易燃液体检测的准确性。
附图说明
图1为本发明的方法流程图；
图2为实施例中宽带波束聚焦系统的示意图；
图3为实施例中的实际数据示意图；
图4为实施例中的信号分解示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种基于低秩稀疏分解的易燃液体检测信号去噪方法，包括以下步骤：
S1.采集待测易燃液体的检测信号X1；
S2.对检测信号X1进行清洗和预处理，得到信号X2；
S3.重复执行n次步骤S1～S2，每次得到向量作为一列，最终得到一个m*n的矩阵X；
S4.基于低秩稀疏分解，将得到的信号X进行信号成分分解和噪声去除，得到去噪后的信号L。
进一步地，所述步骤S1包括：
利用宽带波束聚焦系统对待测易燃液体进行检测，得到待测易燃液体的散射参数，所述散射参数包含不同频点处的幅度信息和相位信息，设频点的数目为m，取每个频点处的幅度信息，组成一个m*1的向量X1。
如图2所示，在本申请的实施例中，所述宽带波束聚焦系统由一对双脊喇叭天线A、B,一对聚焦透镜L1、L2、一个盛放样品的载物台(夹具)S、一个信号源、用于分析信号的矢量网络分析仪组成；将待测易燃液体透明瓶装好后放置在置载物台上，信号源通过天线B发射出的超宽带厘米信号，碰到物体后所产生的回波信号和透射信号，透射信号由天线A接收，将信号源和天线A连接到矢量网络分析仪，由矢量网络分析仪分析出散射参数；测空气时，透明瓶中不放任何液体，测得的参数即为空气的散射参数；
其中，所述步骤S2包括：
S201.对采集到的检测信号X1进行清洗，得到清洗后的数据Ssa；
S202.对清洗后的数据Ssa进行预处理，得到信号X2。
进一步地，所述步骤S201包括：
在本申请的实施例中，实际的数据图如图3所示；数据的频段缺失处理：使用图像编辑软件手动擦除斑块，然后执行OCR技术，来实现缺少频带数据的清洗；
数据重复处理：删除重复数据，实现重复数据的清洗；所述数据重复是指在任一频点处出现多个数据的现象；
数据混淆处理：辨别信号中任意频点处的数值是否都为负数，如果都为负数，那么保留该信号；如果并不是全为复数，丢弃信号，返回步骤S1重新进行信号检测。
进一步地，所述步骤S202包括：
(1)对清洗后的数据Ssa静噪：
其中，S1为静噪得到的数据，Sem是空气的散射参数；
在本申请的实施例中，对不同液体样品静噪前后的平均方差进行了对比，对比结果如下表所示：
(2)对静噪得到的数据S1进行数据填充：
考虑到信号采集系统的扫描频段间隔参差不齐，以及信号长度不一致的问题，采取填充操作对数据进行处理,将信号数据的扫描间隔都固定在0.0125GHz，得到信号X2，填充操作过程中，采用下采样的方法提取比固定间隔小的信号数据，采用三阶插值方法统一比固定间隔要大的信号数据。
其中，：所述步骤S4包括以下子步骤：
S401.基于低秩稀疏分解对预处理得到的信号X进行信号成分分解：
在低秩稀疏分解过程中，认为待测易燃液体检测信号X是由三部分组成，分别为低秩矩阵L、稀疏矩阵S和噪声矩阵N；低秩矩阵L表示为信号中的纯净的液体信息，即背景液体信号；稀疏矩阵S表示异常信息；在本申请的实施例中，信号的分解示意图如图4所示；
因此预处理后的待测易燃液体检测信号表示为：
X＝L+S+N
将检测信号的去噪问题转换为如下问题：
其中||.||F表示F范数；
S402.设置迭代的初始参数：
设定初始参数r,k,∈,q，并给定约束条件rank(L)≤r，card(S)≤k，rank(L)表示L的秩，card(S)表示S的基数；设定初始全零矩阵L0,S0，初始化t＝0；
S403.获取原始信号矩阵中的液体相关信息部分，也就是低秩部分L：
(1)对t进行更新，更新后的t等于更新前的t+1，即令t＝t+1；
(2)计算估计值
其中，Lt、St表示第t次迭代过程中的低秩矩阵和稀疏矩阵；
(3)计算中间参数Y1、A2：
其中，n*r列的随机数据矩阵；
(4)计算中间参数Y2：
利用QR分解法对Y2进行QR分解，得到：
Y2＝Q2R2；
其中，Q2表示对Y2进行QR分解得到的正规正交矩阵，R2表示对Y2进行QR分解得到的上三角矩阵；
(5)对中间参数Y1进行更新，更新后的Y1为：
利用QR分解法对更新后的Y1进行QR分解，得到：
Y1＝Q1R1；
其中，Q1表示对Y1进行QR分解得到的正规正交矩阵，R1表示对Y1进行QR分解得到的上三角矩阵；
(6)判断是否满足：
若满足，更新r，使得：
若不满足，r保持不变；
(7)计算Lt、St：
St＝PΩ(X-Lt)
Ω是矩阵|X-Lt|的前k个最大元素的索引集，PΩ( )表示索引集Ω对矩阵的采样投影；
(8)判断是否满足
若满足，对矩阵X进行更新，更新后的矩阵X等于Lt，即令X＝Lt，然后返回步骤(1)，继续进行迭代；
若不满足，迭代结束，输出最终的低秩矩阵L＝Lt。
也就是说，在噪声信号比大于设定误差时∈，重构Y1与Y2，从而根据得到新的低秩、稀疏部分进行判断，直到满足收敛的条件，由于低秩部分包含了信号的基本特征，但是稀疏部分主要表示了部分异常信息，并且无法作为稳定的信号特征表示，因此选择低秩部分进行后续的液体信号分类的研究。
综上，本发明在对检测信号进行清洗和预处理后，基于低秩稀疏分解，进行信号的分解和噪声信号的去除，有助于提高易燃液体检测的准确性。
上述说明示出并描述了本发明的一个优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种基于低秩稀疏分解的易燃液体检测信号去噪方法，其特征在于：包括以下步骤：
S1.采集待测易燃液体的检测信号X1；
所述步骤S1包括：
利用宽带波束聚焦系统对待测易燃液体进行检测，得到待测易燃液体的散射参数，所述散射参数包含不同频点处的幅度信息和相位信息，设频点的数目为m，取每个频点处的幅度信息，组成一个m*1的向量X1；
所述宽带波束聚焦系统由一对双脊喇叭天线A、B,一对聚焦透镜L1、L2、一个盛放样品的载物台S、一个信号源、用于分析信号的矢量网络分析仪组成；将待测易燃液体透明瓶装好后放置在置载物台上，信号源通过天线B发射出的超宽带厘米信号，碰到物体后所产生的回波信号和透射信号，透射信号由天线A接收，将信号源和天线A连接到矢量网络分析仪，由矢量网络分析仪分析出散射参数；测空气时，透明瓶中不放任何液体，测得的参数即为空气的散射参数；
S2.对检测信号X1进行清洗和预处理，得到信号X2；
S3.重复执行n次步骤S1～S2，每次得到向量作为一列，最终得到矩阵X；
S4.基于低秩稀疏分解，将得到的信号X进行信号成分分解和噪声去除，得到去噪后的信号L。
2.根据权利要求1所述的一种基于低秩稀疏分解的易燃液体检测信号去噪方法，其特征在于：所述步骤S2包括：
S201.对采集到的检测信号X1进行清洗，得到清洗后的数据Ssa；
S202.对清洗后的数据Ssa进行预处理，得到信号X2。
3.根据权利要求2所述的一种基于低秩稀疏分解的易燃液体检测信号去噪方法，其特征在于：所述步骤S201包括：
数据的频段缺失处理：使用图像编辑软件手动擦除斑块，然后执行OCR技术，来实现缺少频带数据的清洗；
数据重复处理：删除重复数据，实现重复数据的清洗；所述数据重复是指在任一频点处出现多个数据的现象；
数据混淆处理：辨别信号中任意频点处的数值是否都为负数，如果都为负数，那么保留该信号；如果并不是全为复数，丢弃信号，返回步骤S1重新进行信号检测。
4.根据权利要求2所述的一种基于低秩稀疏分解的易燃液体检测信号去噪方法，其特征在于：所述步骤S202包括：
(1)对清洗后的数据Ssa静噪：
其中，S1为静噪得到的数据，Sem是空气的散射参数；
(2)对静噪得到的数据S1进行数据填充：
考虑到信号采集系统的扫描频段间隔参差不齐，以及信号长度不一致的问题，采取填充操作对数据进行处理,将信号数据的扫描间隔都固定在0.0125GHz，得到信号X2，填充操作过程中，采用下采样的方法提取比固定间隔小的信号数据，采用三阶插值方法统一比固定间隔要大的信号数据。
5.根据权利要求1所述的一种基于低秩稀疏分解的易燃液体检测信号去噪方法，其特征在于：所述步骤S4包括以下子步骤：
S401.基于低秩稀疏分解对预处理得到的信号X进行信号成分分解：
在低秩稀疏分解过程中，认为待测易燃液体检测信号X是由三部分组成，分别为低秩矩阵L、稀疏矩阵S和噪声矩阵N；低秩矩阵L表示为信号中的纯净的液体信息，即背景液体信号；稀疏矩阵S表示异常信息；
因此预处理后的待测易燃液体检测信号表示为：
X＝L+S+N
将检测信号的去噪问题转换为如下问题：
其中||.||F表示F范数；
S402.设置迭代的初始参数：
设定初始参数r,k,∈,q，并给定约束条件rank(L)≤r，card(S)≤k，rank(L)表示L的秩，card(S)表示S的基数；设定初始全零矩阵L0,S0，初始化t＝0；
S403.获取原始信号矩阵中的液体相关信息部分，也就是低秩部分L：
(1)对t进行更新，更新后的t等于更新前的t+1，即令t＝t+1；
(2)计算估计值
其中，Lt、St表示第t次迭代过程中的低秩矩阵和稀疏矩阵；
(3)计算中间参数Y1、A2：
其中，n*r列的随机数据矩阵；
(4)计算中间参数Y2：
利用QR分解法对Y2进行QR分解，得到：
Y2＝Q2R2；
其中，Q2表示对Y2进行QR分解得到的正规正交矩阵，R2表示对Y2进行QR分解得到的上三角矩阵；
(5)对中间参数Y1进行更新，更新后的Y1为：
利用QR分解法对更新后的Y1进行QR分解，得到：
Y1＝Q1R1；
其中，Q1表示对Y1进行QR分解得到的正规正交矩阵，R1表示对Y1进行QR分解得到的上三角矩阵；
(6)判断是否满足：
若满足，更新r，使得：
若不满足，r保持不变；
(7)计算Lt、St：
St＝PΩ(X-Lt)
Ω是矩阵|X-Lt|的前k个最大元素的索引集，PΩ()表示索引集Ω对矩阵的采样投影；
(8)判断是否满足
若满足，对矩阵X进行更新，更新后的矩阵X等于Lt，即令X＝Lt，然后返回步骤(1)，继续进行迭代；
若不满足，迭代结束，输出最终的低秩矩阵L＝Lt。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110157899.8A CN112818875B (zh) | 2021-02-04 | 2021-02-04 | 一种基于低秩稀疏分解的易燃液体检测信号去噪方法 |
| JP2021046368A JP6934693B1 (ja) | 2021-02-04 | 2021-03-19 | 低ランクスパース分解に基づく引火性液体検出信号のノイズ除去方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110157899.8A CN112818875B (zh) | 2021-02-04 | 2021-02-04 | 一种基于低秩稀疏分解的易燃液体检测信号去噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112818875A CN112818875A (zh) | 2021-05-18 |
| CN112818875B true CN112818875B (zh) | 2024-02-02 |
Family
ID=75861500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110157899.8A Active CN112818875B (zh) | 2021-02-04 | 2021-02-04 | 一种基于低秩稀疏分解的易燃液体检测信号去噪方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6934693B1 (zh) |
| CN (1) | CN112818875B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4471862B2 (ja) * | 2004-04-07 | 2010-06-02 | 秀雄 長 | 弾性波検出装置 |
| CN102901740A (zh) * | 2012-07-30 | 2013-01-30 | 公安部第一研究所 | 一种通道式四视角x射线液态物品安全检查系统 |
| CN107944444A (zh) * | 2017-11-21 | 2018-04-20 | 北京化工大学 | 一种瓶装液体异物检测方法及系统 |
| CN108765313A (zh) * | 2018-05-02 | 2018-11-06 | 西北工业大学 | 基于类内低秩结构表示的高光谱图像去噪方法 |
| CN109144436A (zh) * | 2018-09-14 | 2019-01-04 | 杭州先临易加三维科技有限公司 | 液位控制方法、装置、计算机设备和存储介质 |
| CN109239056A (zh) * | 2017-07-11 | 2019-01-18 | 中国科学院沈阳自动化研究所 | 一种高温液体成分在线检测装置及方法 |
| US10310074B1 (en) * | 2014-03-27 | 2019-06-04 | Hrl Laboratories, Llc | System and method for denoising synthetic aperture radar (SAR) images via sparse and low-rank (SLR) decomposition and using SAR images to image a complex scene |
| CN110443301A (zh) * | 2019-08-02 | 2019-11-12 | 成都理工大学 | 一种基于双层特征分类的液态危险品识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10228449B2 (en) * | 2012-03-09 | 2019-03-12 | The United States Of America As Represented By The Secretary Of The Army | Method and system for jointly separating noise from signals |
| US10949987B2 (en) * | 2019-05-31 | 2021-03-16 | Mitsubishi Electric Research Laboratories, Inc. | Robust image registration for multiple rigid transformed images |
-
2021
- 2021-02-04 CN CN202110157899.8A patent/CN112818875B/zh active Active
- 2021-03-19 JP JP2021046368A patent/JP6934693B1/ja active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4471862B2 (ja) * | 2004-04-07 | 2010-06-02 | 秀雄 長 | 弾性波検出装置 |
| CN102901740A (zh) * | 2012-07-30 | 2013-01-30 | 公安部第一研究所 | 一种通道式四视角x射线液态物品安全检查系统 |
| US10310074B1 (en) * | 2014-03-27 | 2019-06-04 | Hrl Laboratories, Llc | System and method for denoising synthetic aperture radar (SAR) images via sparse and low-rank (SLR) decomposition and using SAR images to image a complex scene |
| CN109239056A (zh) * | 2017-07-11 | 2019-01-18 | 中国科学院沈阳自动化研究所 | 一种高温液体成分在线检测装置及方法 |
| CN107944444A (zh) * | 2017-11-21 | 2018-04-20 | 北京化工大学 | 一种瓶装液体异物检测方法及系统 |
| CN108765313A (zh) * | 2018-05-02 | 2018-11-06 | 西北工业大学 | 基于类内低秩结构表示的高光谱图像去噪方法 |
| CN109144436A (zh) * | 2018-09-14 | 2019-01-04 | 杭州先临易加三维科技有限公司 | 液位控制方法、装置、计算机设备和存储介质 |
| CN110443301A (zh) * | 2019-08-02 | 2019-11-12 | 成都理工大学 | 一种基于双层特征分类的液态危险品识别方法 |
Non-Patent Citations (5)
| Title |
|---|
| Zhou T et al.GoDec:Randomized Low-rank & Sparse Matrix Decomposition in Noisy Case.《Proceedings of the 28th International Conference on Machine Learning》.2011,第1、2.2、3、3.2节. * |
| 包桦楠.基于深度学习的易燃液体分类算法研究与实现.《中国优秀硕士学位论文全文数据库（社会科学Ⅰ辑）》.2020,(第2期),第3章第3.1-3.3节. * |
| 基于低秩稀疏分解的液体危险品分类算法的研究与实现;陈晨;《中国优秀硕士学位论文全文数据库（工程科技Ⅰ辑）》(第4期);B016-47 * |
| 基于矩阵低秩稀疏分解的图像去噪算法;王雪等;《计算机工程与设计》;第40卷(第10期);2955-2958 * |
| 常见液态危险品X射线图像识别及物质分类方法研究;陈连民;《中国优秀硕士学位论文全文数据库（信息科技辑）》(第3期);I138-2222 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112818875A (zh) | 2021-05-18 |
| JP6934693B1 (ja) | 2021-09-15 |
| JP2022119688A (ja) | 2022-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190287220A1 (en) | Systems, methods and programs for denoising signals using wavelets | |
| CN109738413A (zh) | 基于稀疏非负最小二乘的混合物拉曼光谱定性分析方法 | |
| CN110569728A (zh) | 一种基于字典训练和正交匹配追踪的核信号提取方法 | |
| CN112818875B (zh) | 一种基于低秩稀疏分解的易燃液体检测信号去噪方法 | |
| CN113449683B (zh) | 基于k-svd训练局部字典的高频超声稀疏去噪方法及系统 | |
| TWI428581B (zh) | 辨識光譜的方法 | |
| CN114417937A (zh) | 一种基于深度学习的拉曼光谱去噪方法 | |
| CN113537112A (zh) | 基于改进小波阈值及vmd的激光超声表面缺陷成像降噪方法 | |
| Castle et al. | Report on the 34th IUVSTA workshop ‘XPS: from spectra to results—towards an expert system’ | |
| CN115797318A (zh) | 一种光谱数据预处理方法、装置、计算机设备及存储介质 | |
| CN110443301B (zh) | 一种基于双层特征分类的液态危险品识别方法 | |
| CN112508862B (zh) | 一种通过改进gan增强裂纹磁光图像的方法 | |
| CN113818867B (zh) | 一种构建伪毛管压力曲线方法、系统、介质、设备及应用 | |
| CN113607068B (zh) | 一种光声测量信号特征的识别模型建立方法及提取方法 | |
| CN113655534B (zh) | 基于多线性奇异值张量分解核磁共振fid信号噪声抑制方法 | |
| CN113011321B (zh) | 一种基于联合字典的光谱信号去噪方法、系统、终端及可读存储介质 | |
| CN110836878B (zh) | 一种卷积插值耦合高斯混合模型快速三维荧光寻峰方法 | |
| US5873050A (en) | Method of analyzing capabilities of multiple-suppression computer seismic data processing software | |
| Gao et al. | Combining direct orthogonal signal correction and wavelet packet transform with partial least squares to analyze overlapping voltammograms of nitroaniline isomers | |
| CN111751773B (zh) | 一种基于1D-Unet的低场核磁共振仪器信号校正方法 | |
| CN115392308A (zh) | 一种基于Attention_GRU网络的液体分类识别方法 | |
| CN116821593A (zh) | 基于迭代卡尔曼滤波的核磁共振数据噪声抑制方法 | |
| CN115294425A (zh) | 地震数据训练样本生成方法及装置 | |
| CN115184892A (zh) | 基于改进DnCNN垂直探测/斜向探测电离图回波信号提取方法 | |
| CN115326739A (zh) | 陈皮产地预测方法和装置、存储介质 |
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 |