JP6934693B1 - 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 - Google Patents

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 Download PDF

Info

Publication number
JP6934693B1
JP6934693B1 JP2021046368A JP2021046368A JP6934693B1 JP 6934693 B1 JP6934693 B1 JP 6934693B1 JP 2021046368 A JP2021046368 A JP 2021046368A JP 2021046368 A JP2021046368 A JP 2021046368A JP 6934693 B1 JP6934693 B1 JP 6934693B1
Authority
JP
Japan
Prior art keywords
signal
matrix
decomposition
data
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
Application number
JP2021046368A
Other languages
English (en)
Other versions
JP2022119688A (ja
Inventor
冬梅 周
冬梅 周
超 王
超 王
紹烽 彭
紹烽 彭
洪嘉 余
洪嘉 余
偉 趙
偉 趙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Application granted granted Critical
Publication of JP6934693B1 publication Critical patent/JP6934693B1/ja
Publication of JP2022119688A publication Critical patent/JP2022119688A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

【課題】 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を提供することを課題とする。【解決手段】 本発明は、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を開示し、前記方法は以下のステップＳ１〜Ｓ４を含む。すなわち、Ｓ１：測定対象となる引火性液体の検出信号X１を収集するステップ、Ｓ２：検出信号X１をクリーニングおよび前処理して信号Ｘ２を得るステップ、Ｓ３：ステップＳ１〜Ｓ２をｎ回繰り返し、毎回得られたベクトルを列として、最後に１つのｍ×ｎ行列Ｘを得るステップ、Ｓ４：低ランクスパース分解に基づいて、得られた信号Xについて信号成分の分解およびノイズを除去して、ノイズ除去後の信号Ｌを得るステップである。本発明によって提供される引火性液体検出信号のノイズ除去方法は、検出信号をクリーニングと前処理した後、低ランクスパース分解に基づいて、信号の分解およびノイズ除去を行い、引火性液体の検出確度の向上に役立つ。【選択図】 図１

Description

本発明は、引火性液体の検出に関し、特に、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に関する。
物流産業の急速な発展に伴い、交通輸送の安全性が益々重視されてきた。このため公共の場での安全検査プロセスも益々重要になっており、現段階では引火性液体が主に手作業で検出されている。インテリジェント技術の絶え間ない発展に伴い、インテリジェントな方法で引火性液体を検出するのが交通輸送の安全検査の発展傾向となっている。引火性液体の検出も徐々に交通輸送の安全分野研究のコアな問題となりつつあり、かけがえのない役割を果たしている。
引火性液体の検出過程においてノイズは、検出確度に影響を与える重要な要因であるため、検出信号のノイズ除去が、引火性液体にとって重要な意味がある。
本発明の目的は、従来技術の欠点を克服し、検出信号をクリーニングと前処理した後、低ランクスパース分解に基づいて、信号の分解およびノイズ除去を行い、引火性液体の検出確度の向上に役立つ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を提供することである。
上記目的を達成するために本発明では次のような技術的手段を講じた。
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であって、以下のステップＳ１〜Ｓ４を含む、すなわち、
Ｓ１：測定対象となる引火性液体の検出信号X１を収集するステップ、
Ｓ２：検出信号X１をクリーニングおよび前処理して信号Ｘ２を得るステップ、
Ｓ３：ステップＳ１〜Ｓ２をｎ回繰り返し、毎回得られたベクトルを列として、最後に１つのｍ×ｎ行列Ｘを得るステップ、
Ｓ４：低ランクスパース分解に基づいて、得られた信号Xについて信号成分の分解およびノイズを除去して、ノイズ除去後の信号Ｌを得るステップ。
さらに、前記ステップＳ１は、以下のステップを含む、すなわち
広帯域ビーム集束システムで測定対象となる引火性液体を検出して、測定対象となる引火性液体の散乱パラメータを得、前記散乱パラメータは、異なる周波数点での振幅情報および位相情報を含み、周波数点の数をｍとし、各周波数点での振幅情報を取得して、１つのｍ×１のベクトルX１を構成する。
さらに、前記ステップＳ２は、以下のステップを含む、すなわち
Ｓ２０１：収集された検出信号X１をクリーニングして、クリーニング後のデータSsaを得るステップ、
Ｓ２０２：クリーニング後のデータSsaを前処理して、信号Ｘ２を得るステップ。
さらに、前記ステップＳ２０１は、以下のステップを含む、すなわち、
データバンド欠落処理ステップ：画像編集ソフトウェアを使用してパッチを手動で消去してから、ＯＣＲ技術を実行して欠落バンドデータのクリーニングを実現し；
データ重複処理ステップ：重複データを削除して重複データのクリーニングを実現；前記データ重複とは、任意の周波数点で複数のデータが表示される現象を意味し；
データ難読化処理ステップ：信号における任意の周波数点での値がすべて負の数であるかどうかを識別し、それらがすべて負の数である場合、前記信号を保持し；それらがすべて負の数でない場合、信号を破棄して、ステップＳ１に戻って信号検出を再実行する。
さらに、前記ステップＳ２０２は、以下のステップを含む、すなわち、
（１）クリーニングした後のデータSsaをスケルチするステップ
Figure 0006934693
式中、S1は、スケルチで得られたデータであり、Semは空気の散乱パラメータであり；
（２）スケルチで得られたデータS1へデータの充填を行うステップ
信号収集システムの走査バンド間隔の不均一性および信号長の不一致を考慮して、充填操作でデータを処理し、信号データの走査間隔を０．０１２５ＧＨｚに固定して信号Ｘ２を得る。充填操作過程で、ダウンサンプリング法を用いて、固定間隔よりも小さい信号データを抽出し、３次補間法を用いて、固定間隔よりも大きい信号データを統一する。
さらに、前記ステップＳ４は、以下のサブステップを含む、すなわち、
Ｓ４０１：低ランクスパース分解に基づいて前処理して得られた信号Xて信号成分を分解するステップ
低ランクスパース分解過程で、測定対象となる引火性液体の検出信号Ｘは、各々が低ランク行列Ｌ、スパース行列Ｓおよびノイズ行列Ｎの３つの部分で構成されていると考えられ；低ランク行列Ｌは、信号内の純粋な液体情報、すなわち、バックグラウンド液体信号を表し；スパース行列Ｓは、異常な情報を表し；
これにより前処理された後の測定対象となる引火性液体の検出信号は、次式で表される、
Figure 0006934693
 検出信号のノイズ除去問題を次式のような問題に変換する、
Figure 0006934693
 Ｓ４０２：反復の初期パラメータを設定するステップ
初期パラメータr，k，∈，qを設定し、制約条件rank（L）≦r,card(S)≦kを与え、rank（L）はＬのランクを表し、card(S)はＳの基数を表し；初期の零行列L0,S0を設定し、ｔ＝０を初期化し；
Ｓ４０３：オリジナル信号行列内の液体関連情報部分、すなわち低ランク部分Ｌを得るステップ
（１）ｔを更新させ、更新後のｔは更新前のｔ＋１に等しく、すなわち、t=t+1にさせる、
Figure 0006934693
式中、Lt、Stは、ｔ回目の反復過程中の低ランク行列およびスパース行列を表し；
（３）中間パラメータY1、A2を計算する、
Figure 0006934693
式中、ｎ×ｒ列のランダムデータ行列；
（４）中間パラメータY2を計算する、
Figure 0006934693
ＱＲ分解法でY2のＱＲ分解を行って次式で表されるものを得る、
Figure 0006934693
 式中、Q2は、Y2のＱＲ分解によって得られた正規直交行列を表し、R2はY2のＱＲ分解によって得られた上三角行列を表し；
（５）中間パラメータY1を更新させ、更新後のY1は、次式で表される、
Figure 0006934693
ＱＲ分解法で更新されたY1のＱＲ分解を行って次式で表されるものを得る、
Figure 0006934693
 式中、Q1は、Y1のＱＲ分解によって得られた正規直交行列を表し、R1はY1のＱＲ分解によって得られた上三角行列を表し；
（６）次式を満たしているかどうかを判断する、
Figure 0006934693
 満たしていた場合、ｒを次のように更新する、
Figure 0006934693
 満たしていない場合、ｒを変更しないでそのままにし；
（７）Lt、Stを計算する、
Figure 0006934693
Ωは、行列｜Ｘ−Lt｜のｋ個前の最大要素のインデックスセットであり、PΩ()は行列に対するインデックスセットΩのサンプリング射影を表し；
（８）次式を満たしているかどうかを判断する、
Figure 0006934693
 満たしていた場合、行列Ｘを更新し、更新後の行列Ｘは、Ltに等しく、すなわち、X=Ltにさせてからステップ（１）に戻り、反復を続行し；
満たしていない場合、反復を終了し、最終の低ランク行列Ｌ＝Ltを出力する。
本発明の有利な効果としては、検出信号をクリーニングおよび前処理した後、低ランクスパース分解に基づいて信号の分解とノイズを除去することで、引火性液体の検出確度を向上させるのに役立つ。
本発明の方法のフローチャートである。 実施例における広帯域ビーム集束システムを示す模式図である。 実施例における実際のデータを示す模式図である。 実施例における信号分解を示す模式図である。
以下、添付図面を参照しつつ、本発明の技術的手段をさらに詳細に描写するが、本発明の保護範囲は下記に限定されない。
図１に示すように、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であって、以下のステップＳ１〜Ｓ４を含む、すなわち
Ｓ１：測定対象となる引火性液体の検出信号X1を収集するステップ、
Ｓ２：検出信号X1をクリーニングおよび前処理して信号Ｘ２を得るステップ、
Ｓ３：ステップＳ１〜Ｓ２をｎ回繰り返し、毎回得られたベクトルを列として、最後に１つのｍ×ｎ行列Ｘを得るステップ、
Ｓ４：低ランクスパース分解に基づいて、得られた信号Xて信号成分の分解およびノイズを除去して、ノイズ除去後の信号Ｌを得るステップ。
さらに、前記ステップＳ１は、以下のステップを含む、すなわち、
広帯域ビーム集束システムで測定対象となる引火性液体を検出して、測定対象となる引火性液体の散乱パラメータを得、前記散乱パラメータは、異なる周波数点での振幅情報および位相情報を含み、周波数点の数をｍとし、各周波数点での振幅情報を取得して、１つのｍ×１のベクトルX1を構成する。
図２に示すように、本出願の実施例において、広帯域ビーム集束システムは、一対のダブルリッジホーンアンテナＡ、Ｂ、集束レンズペアＬ１、Ｌ２、サンプルを載置するための載置台（固定具）Ｓ、信号源および信号分析用のベクトルネットワークアナライザで構成され；測定対象となる引火性液体の透明なボトルが充填された後、載置台に置かれ、信号源がアンテナＢを通じて放射された超広帯域センチメータ級信号は物体に当たった後で反射されてエコー信号と透過信号を生成し、透過信号がアンテナＡで受信され、信号源とアンテナＡをベクトルネットワークアナライザに接続し、ベクトルネットワークアナライザによって散乱パラメータを分析し；空気を測定する場合、透明なボトルに液体を入れず、測定されたパラメータは空気の散乱パラメータであり；
前記ステップＳ２は、以下のステップを含む、すなわち、
Ｓ２０１：収集された検出信号X1をクリーニングして、クリーニング後のデータSsaを得るステップ、
Ｓ２０２．クリーニング後のデータSsaを前処理して、信号Ｘ２を得るステップ。
さらに、前記ステップＳ２０１は、以下のステップを含む、すなわち、
本出願の実施例において、実際のデータ図は、図３に示す通りであり；
データバンド欠落処理：画像編集ソフトウェアを使用してパッチを手動で消去してから、ＯＣＲ技術を実行して欠落バンドデータのクリーニングを実現し；
データ重複処理：重複データを削除して重複データのクリーニングを実現；前記データ重複とは、任意の周波数点で複数のデータが表示される現象を意味し；
データ難読化処理：信号における任意の周波数点での値がすべて負の数であるかどうかを識別し、それらがすべて負の数である場合、前記信号を保持し；それらがすべて負の数でない場合、信号を破棄して、ステップＳ１に戻って信号検出を再実行する。
さらに、前記ステップＳ２０２は、以下のステップを含む、すなわち、
（１）クリーニングした後のデータSsaをスケルチする
Figure 0006934693
式中、S1は、スケルチで得られたデータであり、Semは空気の散乱パラメータであり；
本出願の実施例において、異なる液体サンプルのスケルチ前後の平均二乗誤差を比較したところ、比較結果を下表に示す、
Figure 0006934693
（２）スケルチで得られたデータS1へデータの充填を行う
信号収集システムの走査バンド間隔の不均一性および信号長の不一致を考慮して、充填操作でデータを処理し、信号データの走査間隔を０．０１２５ＧＨｚに固定して信号Ｘ２を得る。充填操作過程で、ダウンサンプリング法を用いて、固定間隔よりも小さい信号データを抽出し、３次補間法を用いて、固定間隔よりも大きい信号データを統一した。
前記ステップＳ４は、以下のサブステップを含む、すなわち、
Ｓ４０１：低ランクスパース分解に基づいて前処理して得られた信号Xに対して信号成分を分解するステップ
低ランクスパース分解過程で、測定対象となる引火性液体の検出信号Ｘは、各々が低ランク行列Ｌ、スパース行列Ｓおよびノイズ行列Ｎの３つの部分で構成されていると考えられ；低ランク行列Ｌは、信号内の純粋な液体情報、すなわち、バックグラウンド液体信号を表し；スパース行列Ｓは、異常な情報を表し；本出願の実施例において、信号の分解図を図４に示し；
これにより前処理された後の測定対象となる引火性液体の検出信号は、次式で表される、
Figure 0006934693
検出信号のノイズ除去問題を次式のような問題に変換する、
Figure 0006934693
 Ｓ４０２：反復の初期パラメータを設定するステップ
初期パラメータr，k，∈，qを設定し、制約条件rank（L）≦r,card(S)≦kを与え、rank（L）はＬのランクを表し、card(S)はＳの基数を表し；初期の零行列L0,S0を設定し、ｔ＝０を初期化し；
Ｓ４０３：オリジナル信号行列内の液体関連情報部分、すなわち低ランク部分Ｌを得るステップ
（１）ｔを更新させ、更新後のｔは更新前のｔ＋１に等しく、すなわち、t=t+1にさせる、
Figure 0006934693

式中、Lt、Stは、ｔ回目の反復過程中の低ランク行列およびスパース行列を表し；
（３）中間パラメータY1、A2を計算する、
Figure 0006934693
式中、ｎ×ｒ列のランダムデータ行列；
（４）中間パラメータY2を計算する、
Figure 0006934693
 ＱＲ分解法でY2のＱＲ分解を行って次式で表されるものを得る、
Figure 0006934693
式中、Q2は、Y2のＱＲ分解によって得られた正規直交行列を表し、R2はY2のＱＲ分解によって得られた上三角行列を表し；
（５）中間パラメータY1を更新させ、更新後のY1は、次式で表される、
Figure 0006934693
 ＱＲ分解法で更新されたY1のＱＲ分解を行って次式で表されるものを得る、
Figure 0006934693
 式中、Q1は、Y1のＱＲ分解によって得られた正規直交行列を表し、R1はY1のＱＲ分解によって得られた上三角行列を表し；
（６）次式を満たしているかどうかを判断する、
Figure 0006934693
 満たしていた場合、ｒを次のように更新する、
Figure 0006934693
 満たしていない場合、ｒを変更しないでそのままにし；
（７）Lt、Stを計算する、
Figure 0006934693
 Ωは、行列｜Ｘ−Lt｜のｋ個前の最大要素のインデックスセットであり、PΩ（）は行列に対するインデックスセットΩのサンプリング射影を表し；
（８）次式を満たしているかどうかを判断する、
Figure 0006934693
 満たしていた場合、行列Ｘを更新し、更新後の行列Ｘは、Ltに等しく、すなわち、X=Ltにさせてからステップ（１）に戻り、反復を続行し；
満たしていない場合、反復を終了し、最終の低ランク行列Ｌ＝Ltを出力する。
つまり、Ｓ／Ｎ比が設定誤差∈よりも大きい場合、Ｙ１とＹ２を再構築し、収束条件が満たされるまで、新しい低ランク、スパース部分に基づいて判断する。低ランク部分には信号の基本特性が含まれているが、スパース部分は主に一部の異常情報を表し、安定した信号特徴として表現することはできないため、安定した信号の特徴として表現することはできないため、低ランク部分を選択してその後の液体信号分類の研究を行った。
上記をまとめると、本発明は、検出信号をクリーニングおよび前処理した後、低ランクスパース分解に基づいて信号の分解とノイズを除去することで、引火性液体の検出確度を向上させるのに役立つ。。
上記の説明は、本発明の好ましい実施例を描写したが、上記のように、本発明は、本明細書に開示される形態に限定されず、他の実施例を排除すると見なされるべきではなく、多種多様な組み合わせ、修正および環境に使用されることができ、本明細書に記載の本発明の技術的思想の範囲内で上述の教示または関連分野における技術または知識によって変更することができることに理解されたい。当業者によって行われた変更および変化は、本発明の精神および範囲から逸脱しない場合、本発明の添付の特許請求の範囲の保護範囲内に含まれるべきである。

Claims (6)

  1. 以下のステップＳ１〜Ｓ４を含む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。
    Ｓ１：測定対象となる引火性液体の検出信号X1を収集するステップ、
    Ｓ２：検出信号X1をクリーニングおよび前処理して信号Ｘ２を得るステップ、
    Ｓ３：ステップＳ１〜Ｓ２をｎ回繰り返し、毎回得られたベクトルを列として、最後に１つのｍ×ｎ行列Ｘを得るステップ、
    Ｓ４：得られた信号Ｘについて、低ランクスパース分解によって測定対象となる引火性液体の検出信号Ｘは、各々が低ランク行列Ｌ、スパース行列Ｓおよびノイズ行列Ｎの３つの信号成分に分解し、分解されたスパース行列Ｓおよびノイズ行列Ｎを除去して、ノイズ除去後の信号Ｌを得るステップ。
  2. 前記ステップＳ１は、広帯域ビーム集束システムで測定対象となる引火性液体を検出して、測定対象となる引火性液体の散乱パラメータを得、前記散乱パラメータは、異なる周波数点での振幅情報および位相情報を含み、周波数点の数をｍとし、各周波数点での振幅情報を取得して、１つのｍ×１のベクトルX1を構成するステップを含むことを特徴とする、請求項１に記載の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。
  3. 前記ステップＳ２は、以下のステップＳ２０１およびステップＳ２０２を含むことを特徴とする、請求項１に記載の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。
    Ｓ２０１：収集された検出信号X1をクリーニングして、クリーニング後のデータSsaを得るステップ、
    Ｓ２０２．クリーニング後のデータSsaを前処理して、信号Ｘ２を得るステップ。
  4. 前記ステップＳ２０１は、以下のステップを含むことを特徴とする、請求項３に記載の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。
    データ重複処理ステップ：重複データを削除して重複データのクリーニングを実現；前記データ重複とは、任意の周波数点で複数のデータが表示される現象を意味し；
    データ難読化処理ステップ：信号における任意の周波数点での値がすべて負の数であるかどうかを識別し、それらがすべて負の数である場合、前記信号を保持し；それらがすべて負の数でない場合、信号を破棄して、ステップＳ１に戻って信号検出を再実行する。
  5. さらに、前記ステップＳ２０２は、以下のステップを含む、すなわち、
    （１）クリーニングした後のデータS sa をスケルチするステップ
    Figure 0006934693
     式中、S1は、スケルチで得られたデータであり、Semは空気の散乱パラメータであり；
    （２）スケルチで得られたデータS1へデータの充填を行うステップ
    信号収集システムの走査バンド間隔の不均一性および信号長の不一致を考慮して、充填操作でデータを処理し、信号データの走査間隔を０．０１２５ＧＨｚに固定して信号Ｘ２を得る。充填操作過程で、ダウンサンプリング法を用いて、固定間隔よりも小さい信号データを抽出し、３次補間法を用いて、固定間隔よりも大きい信号データを統一する、
    ことを特徴とする請求項３に記載の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。
  6. 前記ステップＳ４は、以下のサブステップＳ４０１〜Ｓ４０３を含むことを特徴とする請求項１に記載の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。
    Ｓ４０１：前処理して得られた信号Xに対して低ランクスパース分解に基づいて信号成分を分解するステップ
    低ランクスパース分解過程で、測定対象となる引火性液体の検出信号Ｘは、各々が低ランク行列Ｌ、スパース行列Ｓおよびノイズ行列Ｎの３つの部分で構成されていると考えられ；低ランク行列Ｌは、信号内の純粋な液体情報、すなわち、バックグラウンド液体信号を表し；スパース行列Ｓは、異常な情報を表し；
    これにより前処理された後の測定対象となる引火性液体の検出信号は、次式で表される
    Figure 0006934693
     検出信号のノイズ除去問題を次式のような問題に変換する、
    Figure 0006934693
     Ｓ４０２：反復の初期パラメータを設定するステップ
    初期パラメータr，k，∈，qを設定し、制約条件rank（L）≦r,card(S)≦kを与え、rank（L）はＬのランクを表し、card(S)はＳの基数を表し；初期の零行列L0,S0を設定し、ｔ＝０を初期化し；
    Ｓ４０３：オリジナル信号行列内の液体関連情報部分、すなわち低ランク部分Ｌを得るステップ
    （１）ｔを更新させ、更新後のｔは更新前のｔ＋１に等しく、すなわち、t=t+1にさせる、
    Figure 0006934693
    式中、Lｔ、Ｓｔは、ｔ回目の反復過程中の低ランク行列およびスパース行列を表し；
    （３）中間パラメータＹ１、Ａ２を計算する、
    Figure 0006934693
     式中、ｎ×ｒ列のランダムデータ行列；
    （４）中間パラメータＹ２を計算する、
    Figure 0006934693
     ＱＲ分解法でＹ２のＱＲ分解を行って次式で表されるものを得る、
    Figure 0006934693
     式中、Ｑ２は、Ｙ２のＱＲ分解によって得られた正規直交行列を表し、Ｒ２はＹ２のＱＲ分解によって得られた上三角行列を表し；
    （５）中間パラメータＹ１を更新させ、更新後のＹ１は、次式で表される、
    Figure 0006934693
     ＱＲ分解法で更新されたＹ１のＱＲ分解を行って次式で表されるものを得る、
    Figure 0006934693
     式中、Ｑ１は、Ｙ１のＱＲ分解によって得られた正規直交行列を表し、Ｒ１はＹ１のＱＲ分解によって得られた上三角行列を表し；
    （６）次式を満たしているかどうかを判断する、
    Figure 0006934693
     満たしていた場合、ｒを次のように更新する、
    Figure 0006934693
     満たしていない場合、ｒを変更しないでそのままにし；
    （７）Lｔ、Ｓｔを計算する、
    Figure 0006934693
    Ωは、行列｜Ｘ−Lｔ｜のｋ個前の最大要素のインデックスセットであり、ＰΩ（）は行列に対するインデックスセットΩのサンプリング射影を表し；
    （８）次式を満たしているかどうかを判断する、
    Figure 0006934693
     満たしていた場合、行列Ｘを更新し、更新後の行列Ｘは、Lｔに等しく、すなわち、Ｘ＝Lｔにさせてからステップ（１）に戻り、反復を続行し；
    満たしていない場合、反復を終了し、最終の低ランク行列Ｌ＝Lｔを出力する。
JP2021046368A 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 Active JP6934693B1 (ja)

Applications Claiming Priority (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
CN202110157899.8 2021-02-04

Publications (2)

Publication Number Publication Date
JP6934693B1 true JP6934693B1 (ja) 2021-09-15
JP2022119688A JP2022119688A (ja) 2022-08-17

Family

ID=75861500

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021046368A Active 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

Country Status (2)

Country Link
JP (1) JP6934693B1 (ja)
CN (1) CN112818875B (ja)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
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
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
CN102901740B (zh) * 2012-07-30 2014-10-22 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
CN107944444B (zh) * 2017-11-21 2020-07-28 北京化工大学 一种瓶装液体异物检测方法及系统
CN108765313B (zh) * 2018-05-02 2021-09-07 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
CN109144436B (zh) * 2018-09-14 2021-11-23 易加三维增材技术(杭州)有限公司 液位控制方法、装置、计算机设备和存储介质
US10949987B2 (en) * 2019-05-31 2021-03-16 Mitsubishi Electric Research Laboratories, Inc. Robust image registration for multiple rigid transformed images
CN110443301B (zh) * 2019-08-02 2023-04-07 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

Also Published As

Publication number Publication date
CN112818875B (zh) 2024-02-02
CN112818875A (zh) 2021-05-18
JP2022119688A (ja) 2022-08-17

Similar Documents

Publication Publication Date Title
CN111680750B (zh) 图像识别方法、装置和设备
CN109884891B (zh) 一种高精度智能仿核信号发生系统及其工作方法
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
WO2024000731A1 (zh) 晶圆缺陷评估方法、装置、存储器芯片和可读存储介质
CN101799916A (zh) 基于贝叶斯估计的生物芯片图像小波去噪方法
JP6934693B1 (ja) 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
Williams et al. The LOFAR LBA Sky Survey: Deep Fields-I. The Boötes Field
CN114913148A (zh) 基于无监督学习的丝印疵点检测方法、装置及存储介质
CN109596639A (zh) 缺陷检测系统及缺陷检测方法
TW201224429A (en) Method for identifying spectrum
CN116046968A (zh) 一种液相色谱工作站数据处理方法、系统及可存储介质
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
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
CN112330606B (zh) 一种基于机器学习的缺陷检测方法
CN114002203A (zh) 一种基于拉曼光谱分析木质成分含量的方法及装置
Nebaba et al. Patterns detection in saed images of transmission electron microscopy
JP2000077496A (ja) 電子デバイス検査システム及びこれを用いた電子デバイスの製造方法
CN114414577B (zh) 一种基于太赫兹技术对塑料产品检测的方法及系统
CN110796187A (zh) 不良分类方法及装置
CN112505779B (zh) 基于特征分解的采集脚印去除方法
CN114324337B (zh) 一种利用遥感影像进行水质分析系统和方法
Hou et al. The primordial non-Gaussianity of local type (f localNL) in the WMAP 5-year data: the length distribution of CMB skeleton
CN115169423B (zh) 冲压信号处理方法、装置、设备及可读存储介质
Reich et al. Bayesian Variable Selection in Spatial Regression Models

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210319

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210322

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210601

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210616

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210810

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210817

R150 Certificate of patent or registration of utility model

Ref document number: 6934693

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150