导读:本文包含了噪声度量论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:噪声,度量,椒盐,图像,序列,均匀,相似性。
噪声度量论文文献综述
李炫承[1](2019)在《变工况和背景噪声影响下的故障响应表征及相似性度量》一文中研究指出与无干扰环境和稳态工况相比,变工况和背景噪声下的滚动轴承振动信号是十分复杂的。变转速、不同载荷、强噪声等因素会导致振动信号出现变幅、变相、变频等不平稳状态,使其故障特征难以提取。而传统机械故障诊断对复杂工况和噪声下的故障诊断作用较差,具有不稳定性。对变工况和背景噪声下的滚动轴承振动信号分析是当前国内外研究的热点,具有很大的意义。针对以上不同工况和噪声下故障诊断难题,本学位论文提出基于时间序列挖掘的方法针对变工况和背景噪声下的故障响应同源相似性进行研究。本文主要研究了故障滚动轴承振动时间序列的表征方式和相似性度量方法,利用同源故障响应之间相似性高的特征,使用同源和非同源故障时间序列对同源相似性分析方案进行筛选和总结。针对变转速、不同载荷、外圈故障位置不同和背景噪声等四种情况下的实验数据进行同源相似性分析。具体研究内容如下:(1)研究了不同时间序列表征方式针对外圈、滚动体、内圈故障滚动轴承数据进行时间序列表征的特性。总结了二次FFT、相空间重构、倒频谱和分段线性表示方式的优缺点。研究了不同相似性度量方法对简单时间序列进行相似性度量的特性。论述了欧氏距离、JS散度、符号化距离、余弦距离和动态时间弯曲的优缺点。(2)使用同源相似性分析方案对西储大学外圈故障直径不等滚动轴承实验数据对进行分析,研究并总结不同方案的有效性以及各自特点。得到二次FFT结合JS散度以及二次FFT结合DTW为其中最佳方案。使用较优方案对外圈、滚动体和内圈故障滚动轴承实验数据进行验证。(3)针对变工况的背景噪声下机械振动信号分析困难的难题,使用实验数据、Case Western Reserve University数据和白噪声信号进行变转速、不同载荷、不同信噪比和不同外圈故障位置等因素对故障响应同源相似性分析影响的研究。结果表明二次FFT结合JS散度方案在转速变大的情况下分辨性依然稳定,对比下具有优势。在载荷不同的实验中,二次FFT结合DTW的分辨能力更好,较为有效。在信噪比不同的实验分析中,噪声越强,二次FFT结合JS散度方案受噪声扰动的越严重,而二次FFT结合DTW的效果更稳定。对外圈位置不同实验数据进行分析发现在12点钟位置同源相似性最高,6点钟同源相似性最低。图65幅,表26个,参考文献62篇。(本文来源于《北京交通大学》期刊2019-05-01)
刘辉,王文哲,许圣雷[2](2018)在《基于均匀空间色差度量的彩色图像椒盐噪声滤波算法》一文中研究指出研究基于均匀空间的彩色图像椒盐噪声滤除方法,针对传统中值滤波会引入其他色彩的缺点,提出了一种符合人眼对色彩识别能力的矢量排序方法。在Lab空间下,像素点之间的欧几里得距离与实际色差成正比,据此建立矢量排序,依据排序结果利用中值滤波方法进行去噪,并与HSV,VMF和BVDF算法等其他滤波方法进行了对比研究,实验结果表明:所提方法不但能够有效改善图像质量,而且能够更好地保护图像的色彩信息,较传统彩色图像去噪算法有较好的优越性。(本文来源于《传感器与微系统》期刊2018年06期)
刘晨晖[3](2018)在《基于时间序列相似性度量的机场噪声监测点交互预测研究》一文中研究指出随着中国民航建设的迅猛发展,国家GDP增长的同时,机场噪声污染问题也越发突出,噪声防治工作就变得尤为重要。为此,研究人员利用物联网技术,在噪声波及范围内设置多个噪声监测点,对周围噪声数据进行捕捉,进而对噪声数据进行分析研究,为噪声防治工作提供决策依据。然而,由于天气或使用年限等原因,噪声监测点设备往往会不可避免地发生损坏、老化或其他异常情况,从而无法连续不断地捕捉并传送周围环境的真实噪声情况。当某个监测点失效时,如何通过采集到的数据来预测这一时期内失效监测点漏报或误报的噪声数据,也成为值得深入研究的问题。针对这一问题,本文从监测点之间存在的相似性角度出发,对失效监测点的噪声监测数据的预测进行研究,主要工作包括:(1)噪声监测时间序列数据之间的相似程度体现了监测点噪声之间的关系紧密程度。本文从特征表示方法和时间序列相似性度量方法这两个问题出发,对现有时间序列特征表示方法以及时间序列相似性度量方法进行了全面的综述。(2)针对现有的大多数特征表示方法无法准确提取并表示时间序列趋势特征的缺陷,本文提出了一种基于终点迭代拟合算法(Iterative End Point Algorithm,IEPF)的时间序列趋势分段特征表示方法(an Trend Segmentation Representation of time series based on Iterative End Point algorithm,IEPF-TSR)。这一方法与IEPF相结合,能准确提取时间序列数据中关键的趋势转折点,去除序列中其他冗余的数据点。经过IEPF-TSR表示后的序列能直观表示出序列中每一个关键趋势的起始点、趋势陡缓程度以及趋势均值,与现有特征表示方法相比能更加清晰全面地描述出序列的趋势信息。(3)针对现有时间序列相似性度量方法无法准确度量时间序列趋势特征之间的相似性的缺陷,结合所提出的时间序列趋势分段特征表示方法IEPF-TSR,本文提出了一种时间序列相似性度量方法(a time-series similarity measure based on Trend Segmentation Representation,TSRDIST)。该方法从度量序列趋势相似性的角度出发,与动态时间规整(Dynamic Time Warping,DTW)自动寻找最优相似性度量路径的原理相结合,分别从趋势分段均值和分段趋势变量两个方面综合度量了序列间的相似度,有效解决了现有相似性度量方法在度量序列趋势特征时存在的问题。(4)针对失效噪声监测点的预测问题,本文在北京首都国际机场噪声监测系统所采集的时间序列噪声数据上,首先研究了监测点之间在时序上存在的相似性,对比了欧氏距离、DTW和TSR-DIST距离的度量效果,筛选出关联监测点集合;根据时序相似度定义每个关联监测点的权重,建立了一种特征加权支持向量回归模型(Feature Weighted Support Vector Regression,FWSVR);最后在不同采样间隔的噪声数据上验证了该模型的预测效果和泛化能力。(本文来源于《南京航空航天大学》期刊2018-03-01)
王冬[4](2018)在《标号噪声下鲁棒的距离度量学习及其应用研究》一文中研究指出距离度量学习(度量学习),是最常用的机器学习算法之一,它广泛应用于对象识别,人脸验证和图像检索等问题。常用的度量学习算法通常是学习一个映射函数将数据投影到一个新的度量空间,使其具有某些希望的性质,如:希望属于同类或语义相关性较强的图像在新的度量空间中距离更接近,而不同类及语义相关性较弱的图像之间相互远离。尽管度量学习在大量应用问题上取得了成功,但是现有工作大多基于“数据标号干净”这一假设展开。然而在现实场景特别是使用互联网获取数据时,会遇到很多标注错误的数据。当数据中包含一定量标号噪声时,度量学习通常会受到严重影响:首先是训练难度增加,优化过程需要更多步迭代甚至难以收敛。其次,它会误导训练过程,使得非同类样本被拉近,而同类样本被拉远,最终导致模型精度严重下降。本文工作聚焦于设计鲁棒于标号噪声的度量学习,以解决现实的应用问题;具体地,本文的主要贡献和创新点总结如下:(1)针对标号带噪数据提出了一种有效的数据预处理方法,包括一种无监督的特征提取网络C-SVDDNet和一种基于神经网络的标号去噪算法LDAE。(2)提出了一种基于隐变量的鲁棒于标号噪声的度量学习,在建模中将带噪标号当作观测变量,而将数据的真实标号当作隐变量;同时提出了一种基于EM算法的参数估计方法,将估计隐变量与估计模型参数交替进行。在真实标号已知时模型参数与观测标号条件独立,这样能够有效地降低标号噪声对度量学习的影响。(3)提出了一种新的基于变分贝叶斯的鲁棒度量学习—贝叶斯NCA,它是传统的NCA模型在贝叶斯框架下的扩展。本方法在建模中使用图结构的似然函数,这比以往的基于样本对约束的度量学习能够更好的利用数据的结构信息;同时为了提高优化效率,本方法中还提出了一种定曲率的变分下界,能够大大降低训练复杂度。(4)提出了贝叶斯大间隔度量学习—贝叶斯LMNN,它是传统LMNN模型在贝叶斯框架下的扩展,同时在优化中使用了随机变分法进行参数估计。更重要的是,我们能够从理论上证明此方法对于标号噪声的鲁棒性、泛化性误差和样本复杂度。与标准LMNN模型相比,本方法在理论上能够较小的受到标号噪声的影响同时具有更小的泛化性误差。(本文来源于《南京航空航天大学》期刊2018-01-01)
杨昊,陈雷霆,邱航[5](2016)在《基于加权空间离群点度量的随机脉冲噪声降噪算法》一文中研究指出针对排序统计类降噪算法在随机脉冲噪声(RVIN)图像降噪过程中,对图像边缘和细节部分噪声识别不够准确以及恢复比较模糊的问题,提出了基于加权空间离群点度量(SLOM)的脉冲噪声降噪算法WSLOM-EPR。该算法以优化的空间距离差为基础,引入图像邻域均值和标准差,建立反映局部边缘细节特征的噪声检测方法,提高边缘细节处噪声的识别精度;然后以精确检测结果为基础,优化保边正则(EPR)函数,提高算法的执行效率,并增强算法保留边缘细节的能力。仿真结果显示,WSLOM-EPR算法在40%到60%噪声密度下对噪声点的误检和漏检综合表现优于对比算法,且能在两者之间保持一个较好的平衡;降噪后的峰值信噪比(PSNR)好于对比算法中的大多数情况,且边缘细节在视觉上更加清晰连续。结果表明WSLOM-EPR算法提高了噪声检测精度,有效地保持了恢复图像的边缘细节信息。(本文来源于《计算机应用》期刊2016年10期)
谭秋衡,吴量,李波[6](2016)在《基于EMD及非平稳性度量的趋势噪声分解方法》一文中研究指出该文结合非平稳性度量,研究利用经验模态分解算法进行趋势噪声分解,提出基于非平稳性度量的准则来判定舍弃的本性模态函数的数目.通过数值模拟证明了该准则克服了连续均方误差准则的缺陷,在不同噪声强度和复杂趋势下,都能够达到很好的去噪效果.(本文来源于《数学物理学报》期刊2016年04期)
鹿丽鹏[7](2016)在《基于均匀空间色差度量的彩色图像椒盐噪声滤波方法研究》一文中研究指出在工业转炉炼钢中,转炉炼钢数据预测分析非常重要,直接影响着炼钢的生产效率和产品质量。图像信息作为转炉炼钢数据预测分析的重要组成部分,为数据预测提供重要的依据,由于工业现场存在的烟尘和电子器件的老化等原因易形成椒盐噪声,对图像信息的破坏是较大的,也会因此而对后期进行的图像分割、图像特征提取等图像处理环节造成较大的干扰,进而影响转炉炼钢数据预测的有效性和准确性,基于上述背景,本文对彩色图像的椒盐噪声滤波方法展开了研究。传统的彩色图像滤波算法主要集中在RGB空间下进行,而RGB空间为非均匀空间,并且对纹理边缘色彩等细节的保持存在不足,针对工业火焰图像更加关注图像的纹理色彩等信息的实际情况,本文给出了一种基于均匀空间色差度量的彩色图像椒盐噪声滤波算法,围绕该算法本文完成了以下工作:在对噪声类型,色彩空间和图像质量评价标准进行分析的基础上,通过色彩空间转换将RGB空间下的图像转换到CIEL*a*b*空间下,在此基础上,研究了均匀空间的色差度量标准,根据国际照明委员会提出的色差计算公式CIE1976和CIEDE2000进行了算法分析和实现。并且针对CIEDE2000算法在高噪声密度下效果欠佳的问题,提出了基于自适应窗口的优化算法,并进行了实验分析对比。为了进一步改善高噪声密度下的彩色图像椒盐噪声滤波效果,在分析均匀空间色彩分布情况的基础上,提出了基于均匀空间多方向色差度量的彩色图像滤波算法,实验结果表明,在较好保持图像纹理色彩的同时,该算法能够更有效的去除噪声,为图像在后续研究工作中的使用提供了质量保证。(本文来源于《昆明理工大学》期刊2016-03-01)
许圣雷[8](2015)在《基于均匀空间色差度量的彩色图像椒盐噪声滤波算法研究》一文中研究指出冶金工业中,在对炼钢转炉火焰进行识别前,由于火焰图像提取光路中存在烟尘干扰、或者由于摄像电子元件内部产生的干扰,会在图像中形成椒盐噪声,降低图像的质量,进而影响后续的识别任务。在火焰图像后期识别中,图像信息的保持对识别任务有着重要的作用。因此,本论文针对彩色图像椒盐噪声滤波算法进行了研究。已有算法主要研究在RGB空间中如何将噪声更清楚地分离出来,这些研究成果对图像处理研究的推动有着至关重要的作用,但是这些算法难以在信噪比和色彩保持度方面同时得到满意的效果。本文研究一种基于均匀空间色差度量的彩色图像椒盐噪声去除算法,可以对彩色图像椒盐噪声进行有效的去除,同时不增加图像原有色彩之外的信息。具体研究以下内容:首先,结合彩色图像滤波的实际应用背景以及可能会对结果表达产生影响的因素,分析已有经典的彩色图像滤波算法,对已有算法的滤波效果进行对比分析。其次,提出基于均匀空间色差度量的彩色图像椒盐噪声滤波算法。该算法将RGB空间转换到均匀色彩空间L*a*b*中,能够实现色差计算与入眼感知相一致,并据此对色彩矢量进行排序,利用中值滤波的思路进行去噪运算。在此基础上,为了同时兼顾图像细节的保持与去噪效果,提出了自适应窗口的均匀空间色差滤波算法,实验结果表明在噪声密度较高时,具有较好的去噪评价结果。最后,为了将所提算法在实际中加以应用,采用Linux操作系统下的QT软件平台进行了算法的实验仿真系统的开发,对本文提出算法进行了图像滤波效果的验证,还可以提供已有经典算法与本文算法的效果对比。论文研究中所提出的方法得到了满意的滤波效果,为彩色图像去噪方法提供了一种新的思路,具有较好的应用和参考价值。(本文来源于《昆明理工大学》期刊2015-04-01)
王科俊,杨晓飞[9](2015)在《采用改进结构特征度度量分析的噪声标准差估计算法》一文中研究指出提出了一种基于改进的噪声标准差估计的轮廓波去噪算法,在常用的轮廓波去噪算法基础上提出了新的解决方案。该方案将滤波法与改进的图像结构特征度度量分析算法结合起来,筛选出适合计算噪声标准差的图像子块集合,再用直方图法估计图像噪声标准差,然后将该标准差用于轮廓波去噪。在标准差估计对比试验中,将滤波法、分块法、改进的分块法与文中的标准差估计算法进行对比;在去噪对比试验中,采用基本的小波阈值去噪算法(universal阈值),由小波阈值法引申出的普通轮廓波阈值去噪算法,基于维纳滤波的轮廓波去噪算法,基于系数建模的轮廓波去噪算法与文中算法做对比。实验结果表明:文中算法能够更加精确地估计图像噪声标准差,且去噪效果与普通轮廓波去噪及其他轮廓波去噪算法相比更加稳定,鲁棒性更好。(本文来源于《智能系统学报》期刊2015年02期)
王伟,王建东,张霞[10](2014)在《基于改进符号化度量方法的机场噪声异常检测》一文中研究指出机场噪声中的异常情况拥有很大价值,利用它能够及时完善飞机和机场的设备。结合机场噪声数据的特点,对上述问题进行研究并提出一种基于改进的符号化聚集近似(Symbolic Aggregate Approximation,SAX)相似性度量的单监测点的时间序列异常检测方法。其运用相似性度量方法计算出度量结果,再运用k近邻异常检测方法进行异常发现,最后发现异常时间段。该方法在理论验证可行性之后在某机场的实测数据中进行应用,取得了良好的效果。(本文来源于《计算机与现代化》期刊2014年08期)
噪声度量论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
研究基于均匀空间的彩色图像椒盐噪声滤除方法,针对传统中值滤波会引入其他色彩的缺点,提出了一种符合人眼对色彩识别能力的矢量排序方法。在Lab空间下,像素点之间的欧几里得距离与实际色差成正比,据此建立矢量排序,依据排序结果利用中值滤波方法进行去噪,并与HSV,VMF和BVDF算法等其他滤波方法进行了对比研究,实验结果表明:所提方法不但能够有效改善图像质量,而且能够更好地保护图像的色彩信息,较传统彩色图像去噪算法有较好的优越性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
噪声度量论文参考文献
[1].李炫承.变工况和背景噪声影响下的故障响应表征及相似性度量[D].北京交通大学.2019
[2].刘辉,王文哲,许圣雷.基于均匀空间色差度量的彩色图像椒盐噪声滤波算法[J].传感器与微系统.2018
[3].刘晨晖.基于时间序列相似性度量的机场噪声监测点交互预测研究[D].南京航空航天大学.2018
[4].王冬.标号噪声下鲁棒的距离度量学习及其应用研究[D].南京航空航天大学.2018
[5].杨昊,陈雷霆,邱航.基于加权空间离群点度量的随机脉冲噪声降噪算法[J].计算机应用.2016
[6].谭秋衡,吴量,李波.基于EMD及非平稳性度量的趋势噪声分解方法[J].数学物理学报.2016
[7].鹿丽鹏.基于均匀空间色差度量的彩色图像椒盐噪声滤波方法研究[D].昆明理工大学.2016
[8].许圣雷.基于均匀空间色差度量的彩色图像椒盐噪声滤波算法研究[D].昆明理工大学.2015
[9].王科俊,杨晓飞.采用改进结构特征度度量分析的噪声标准差估计算法[J].智能系统学报.2015
[10].王伟,王建东,张霞.基于改进符号化度量方法的机场噪声异常检测[J].计算机与现代化.2014