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 PDFInfo
- 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
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 54
- 239000007788 liquid Substances 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 238000004140 cleaning Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 7
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
Description
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。
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。
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。
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。
(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
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。
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、
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、
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、
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、
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、
(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、
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、
(6)次式を満たしているかどうかを判断する、
(7)Lt、Stを計算する、
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、
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。
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。
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。
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。
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。
(1)クリーニングした後のデータSsaをスケルチする
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、
(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。
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、
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、
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、
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、
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、
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、
(6)次式を満たしているかどうかを判断する、
(7)Lt、Stを計算する、
(8)次式を満たしているかどうかを判断する、
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。
Claims (6)
- 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。 - 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。
- 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。 - 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。 - 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
(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。 - 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
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、
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、
(4)中間パラメータY2を計算する、
(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、
(6)次式を満たしているかどうかを判断する、
(7)Lt、Stを計算する、
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、
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。
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)
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 |
-
2021
- 2021-02-04 CN CN202110157899.8A patent/CN112818875B/zh active Active
- 2021-03-19 JP JP2021046368A patent/JP6934693B1/ja active Active
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 |