导读:本文包含了强噪声论文开题报告文献综述及选题提纲参考文献，主要关键词:强噪声条件下,激光雷达,图像降噪,小波变换
强噪声论文文献综述
毛烨,陈亮[1]（2019）在《强噪声条件下激光雷达强度图像降噪方法研究》一文中研究指出针对传统的激光雷达强度图像降噪方法中,普遍存在着降噪效果不理想、峰值信噪比较低等问题,为了提高激光雷达图像峰值信噪比,从而实现激光雷达图像降噪,提出基于小波域混合模型的激光雷达强度图像降噪方法。分析激光雷达图像中噪声的特点,将其进行对数变换,利用小波变换对图像进行边缘检测,以得到激光雷达强度图像噪声所在位置为依据;利用自适应阈值对激光雷达强度图像变换后的小波系数进行分类,将双变量模型和空间自适应统计模型相结合实现对激光雷达强度图像降噪。实验结果表明,所提方法图像降噪效果较为理想、峰值信噪比较高,所提方法的峰值信噪比比另外两种方法高出10. 93和16. 13。(本文来源于《激光杂志》期刊2019年11期）
唐玉兵,樊明哲[2]（2019）在《船舶强噪声电子电力设备微弱故障信号获取系统》一文中研究指出故障信号获取在船舶电子电力设备故障检测中具有重要作用,获取的故障信号质量越高,检测结果越好。为此,针对传统故障信号获取系统在面对强噪声干扰下,采集到的信号质量较差的问题,研究一种强噪声下船舶电子电力设备微弱故障信号获取系统。该系统在软件程序指导下,利用传感设备、通信设备以及DSP实现信号采集、处理、传输、分析、显示等功能。经测试,面对强噪声干扰,本系统采集到电子电力设备微弱故障信号信噪比要大于传统系统,由此说明本系统获取的信号质量更高,更有利于设备故障检测。(本文来源于《舰船科学技术》期刊2019年18期）
栾新刚,尹良宣,陈禹同,陈博,成来飞[3]（2019）在《强噪声载荷下2D-C/SiC复合材料平板失效机理》一文中研究指出2D-C/SiC复合材料壁板结构是高超声速飞行器热防护系统的发展方向,高超声速飞行器面临着严酷的力、热、噪声等复杂环境对结构材料性能、结构动力学特性、自动控制等都产生了严重影响。基于自行研制的热噪声试验系统,选取C/SiC薄壁结构试验件,开展噪声为156～165 dB的噪声试验,试验后通过红外热成像检测观察整体形貌,采用SEM对裂纹的起始位置和扩展位置的断面进行分析,揭示出强噪声激励下2D-C/SiC平板的失效机理。(本文来源于《新型炭材料》期刊2019年04期）
胡锦[4]（2019）在《强噪声背景下变压器绕组变形信号滤波方法研究与FPGA实现》一文中研究指出电力变压器是电力系统的重要设备,电力变压器进行绕组变形检测,是预防变压器故障和事故的有效手段。本文就应用于变压器绕组变形在线检测的数字滤波算法及其FPGA实现方法进行研究。首先,针对常规滤波方法无法准确提取强噪声下目标正弦信号幅值的问题,本文利用目标信号与噪声不相关的互相关检测原理,设计了数字滤波时域、频域算法,实现了噪声抑制与幅值检测的目的。其次,采用Matlab软件在不同条件下对两种滤波算法进行仿真研究。仿真结果表明,在-15dB电网噪声和-5dB高斯白噪声的强噪声干扰下,时域、频域数字滤波方法的幅值检测误差分别为2.06%和2.32%,达到了设计要求。选择了时域滤波算法FPGA实现的采样长度和采样频率。利用相位偏移仿真结果确定了算法FPGA实现时计算互相关函数序列(n=N-99～N+99共199点)。最后,研究时域数字滤波算法的FPGA实现,将滤波算法综合进变压器绕组变形检测装置样机进行实验。实验结果表明,数字滤波器对噪声信号的衰减作用最高可达44.5dB;加入滤波算法后,变压器绕组变形离线检测的幅频特性曲线毛刺得到明显改善;对200kHz定频激励信号下变压器绕组变形在线检测的响应信号滤波结果为-68dB,与Matlab仿真结果误差约为1%,表明了数字滤波算法FPGA实现的正确性;多组实验原始数据的滤波结果误差在1dB以内,符合我国电力行业标准,初步验证了设计在变压器绕组变形在线检测工程应用的可行性。(本文来源于《西安理工大学》期刊2019-06-30）
张雷,袁博,查晨东[5]（2019）在《一种强噪声干扰下的炮控系统声音识别算法》一文中研究指出声音作为一种重要的信息媒介,能够为维修人员提供大量的装备信息;但实际维修环境受到车辆启动噪声的干扰,难以准确直观地对声音进行判断;为实现对炮控系统各主要声音部组件启动过程的识别,提出了一种基于改进谱减法降噪和多类型识别策略的声音识别算法;通过对炮控系统各部组件与发动机声音信号的分析,利用改进谱减法对声音样本进行了降噪处理,并通过实验优化了谱减参数,进一步提升了降噪性能,解决了强噪声干扰的问题;利用滑窗校正和短时能量同步检测的方法制定了具体的识别策略,解决了实际应用中识别结果不稳定以及多类型过程识别的问题;通过实验验证,该声音识别算法对炮控系统各部件启动状态识别准确率达92.4%,具有较好的识别性能。(本文来源于《计算机测量与控制》期刊2019年06期）
靳宗帅[6]（2019）在《强噪声电信号宽频带相量高精度估计方法》一文中研究指出大力开发可再生能源、加速负荷电气化升级将有助于缓解能源危机和环境污染问题。为了实现上述目标,以电力电子装备为核心技术的风电/光伏等可再生能源发电、交直流输配电网架、电动汽车/储能等大功率互动性多元电气化负荷接入电网的比例日益升高,使电力系统源-网-荷呈高度电力电子化趋势。电力电子化电力系统的低惯性、弱阻尼特征使系统抵御大扰动和低频振荡能力减弱,易出现频率快速变化和大幅偏移问题,威胁区域电网互联运行稳定性。另外,电力电子装置的大规模应用给电网注入了大量低频和高频分量,使电网信号呈现宽频化特征。换流器与系统、换流器与换流器之间的相互作用会引起宽频振荡问题,振荡频率从几赫兹到几千赫兹,易造成机组跳闸和装置损坏,甚至激发系统谐振;非线性负荷引起的信号宽频化会引起电能质量、系统谐振、继电保护误动作等问题。上述问题之间也会相互影响,系统动态行为错综复杂、难以预测,基于模型的离线分析与控制方法难以应对复杂多变的电力电子化电力系统动态,仅仅依靠以基波分量动态跟踪为核心功能的WAMS及其高级应用已无法应对信号宽频化带来的一系列问题。为了提升高度电力电子化电力系统的运行状态监控能力,需要将同步测量范围由窄带基频分量扩大到了宽频分量,研究以宽频带相量测量数据为支撑、覆盖源-网-荷的新一代全景式宽频监测技术。然而,电力电子化电力系统信号除含有宽频带分量,还包含噪声分量。特别是配电网信号受噪声干扰最为严重,不仅强度大,而且呈现明显的多态特征,即同时含有背景噪声和随机脉冲噪声。现有宽频带相量估计方法缺乏强噪声条件下宽频带分量自适应感知能力,测量精度难以承受高强度多态噪声的干扰。到目前为止,国内外还没有针对高强度多态噪声条件下宽频带相量高精度估计方法的专项研究。因此,本文从高强度多态噪声干扰情况下的宽频带分量自适应感知、宽频带信噪高精度辨识、宽频带相量高精度估计等问题展开研究,研究成果主要包括:(1)建立了考虑噪声多态特征的宽频带信号模型,为宽频带分量自适应感知、宽频带信噪高精度辨识、宽频带相量高精度估计等方法研究奠定了模型基础;提出了噪声强度频域自适应跟踪门槛值及其迭代估计算法,并以此为基础提出了宽频带信号自适应感知算法;算例验证了所提自适应感知算法在信号稳态和频率动态等情况下的有效性和参数快速估计精度,并用实测数据验证了所提算法的有效性;(2)提出了基于改进鲁棒滤波与信号自适应分解估计的宽频带信噪高精度辨识方法,实现了高强度随机脉冲噪声的自适应过滤、确定性分量的自适应感知与高精度辨识、多态噪声的自适应分解与高精度辨识;算例验证了所提算法能够自适应分解确定性分量与多态噪声,并能高精度辨识时变确定性分量与多态噪声;将所提宽频带信噪高精度辨识方法应用于实测电流信号,分析了确定性分量时频分布特征和多态噪声概率分布特征,为宽频带相量高精度估计方法研究提供了实测数据支撑;(3)提出了基于固定滤波矩阵鲁棒局部回归平滑迭代(FWRLRS)滤波与快速泰勒傅里叶变换(FTFT)的宽频带相量高精度估计方法,通过随机脉冲噪声的快速时域过滤与背景噪声最小二乘抑制实现了抵抗多态噪声干扰的目的;算例验证结果表明所提方法能够在高强度多态噪声干扰情况下实现宽频带相量与频率的高精度估计;最后分析了所提方法的最大可承受多态噪声强度,为实际应用提供了算法参数选择依据;(4)研制了宽频带相量高精度测量样机,并搭建了宽频带相量高精度测量样机测试环境,测试结果表明宽频带相量高精度测量样机能够在强多态噪声干扰情况下实现电力系统宽频带相量与频率的高精度测量;最后在某电动汽车充电站对宽频带相量高精度测量样机进行了现场试运行测试,收集并分析了宽频带相量与频率测量信息。(本文来源于《山东大学》期刊2019-06-12）
石洋,胡长青[7]（2019）在《一种强噪声背景下的侧扫声呐图像分割方法》一文中研究指出准确地分割出图像中的目标区域是图像处理的关键步骤,也是后续目标识别的必要过程。本文以斯里兰卡某海域的海底地形考察结果为研究对象,提出了一种强噪声背景下的侧扫声呐图像分割方法:对图像做滤波和对比度变换,降低噪声点与目标区域的灰度值差异;利用融合邻域均值信息的模糊C均值算法初步分割图像,并构建马尔可夫随机场模型,在此基础上通过ICM迭代,分割出海底目标区、背景区和阴影区。试验结果表明,该方法可抑制噪声对图像分割的干扰,较为准确地获得了目标区域。(本文来源于《中国声学学会水声学分会2019年学术会议论文集》期刊2019-05-25）
顾芳婷,龚嘉敏,吴雅兰,赵乌兰,王晓燕[8]（2019）在《强噪声暴露青年人群的扩展高频和ABR特征分析》一文中研究指出目的探究在高噪声暴露下青年人群的扩展高频和听性脑干反应测试中的特征。方法选取23例常规听阈正常的无噪声暴露的正常青年人(对照组)和23例有噪声暴露的工人(噪声暴露组)进行高频扩展测听、噪声下言语测听和听性脑干反应,比较两组间扩展高频的阈值、噪声下言语测听信噪比损失情况和Ⅰ波潜伏期和振幅的差异。结果噪声暴露组和对照组比较,高频扩展听力测试在12.5kHz、14kHz、18kHz的阈值有显着差异(P<0.05);噪声下言语测听信噪比存在极显着性差异(P<0.01);在听性脑干反应中,在90dBnHL中Ⅰ波潜伏期和振幅存在极显着差异(P<0.01),在80dBnHL中Ⅰ波潜伏期和振幅存在显着差异(P<0.05),在70dBnHL中Ⅰ波潜伏期存在极显着差异(P<0.01)。结论高噪声暴露下青年人群纯音测听常规听阈正常,扩展高频阈值升高,噪声下言语识别能力较差,在听性脑干反应中,高强度刺激下Ⅰ波潜伏期延后、振幅下降,对噪声引起的隐性听力损失具有一定的参考价值。(本文来源于《中国听力语言康复科学杂志》期刊2019年03期）
程一鸣,李怀良,庹先国,王耀彬,王亚娟[9]（2019）在《一种可靠的强噪声叁分量微地震数据初至拾取方法》一文中研究指出精确的初至拾取是微地震数据处理中至关重要的环节。主流的长短时窗比法(STA/LTA)和基于自回归模型的赤池信息准则(AR-AIC)方法,对强噪声数据的拾取效果并不理想。为了更为精确的估计强噪声数据初至,提出了一种基于小波多尺度分析(WMA)和AIC算法的联合拾取方法。首先使用WMA对强噪声叁分量(3C)微地震数据进行分解,并重构其近似数据作为实际计算数据,同时计算其绝对值的最大值点,来约束AIC计算数据段,最终选取AIC序列的全局最小值点作为其初至点。文中采用合成数据和实测数据对该改进算法进行了验证,拾取结果表明该算法能有效适用于强噪声微地震数据初至拾取,并明显提高其拾取精度(误差在0.25～0.5 ms之间)。(本文来源于《物探与化探》期刊2019年02期）
付继华,王旭,李智涛,谭巧,王建军[10]（2019）在《强噪声环境下基于信噪比的地震P波到时自动提取方法》一文中研究指出大数据量、强噪声环境给地震P波到时的自动提取带来很大挑战.针对此问题,本文通过构建特殊的特征函数,建立SNR与STA/LTA的内在联系,提出两种基于SNR的地震P波到时自动提取方法,即基于SNR的STA/LTA方法与基于SNR的综合方法.这两种方法分别是运用SNR概念对传统STA/LTA方法和STA/LTA与AIC综合方法的改进.仿真分析结果表明:对于弱噪声环境(10dB)和一般噪声环境(6dB),本文方法较传统STA/LTA方法对地震P波到时提取的准确度更高;而对于强噪声环境(3dB),本文方法仍能准确提取地震P波到时,而传统STA/LTA方法则出现了较大的误判率(10%)与漏判率(65%).本文方法为STA/LTA赋予了明确的物理意义,使其阈值的选取建立在严密的数学推导之上.另外,本文方法在进行地震P波到时自动提取的同时,兼具数据预处理功能,无需额外的基线校正或高通滤波,因而具有较好的实时性.(本文来源于《地球物理学报》期刊2019年04期）
强噪声论文开题报告
（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：
故障信号获取在船舶电子电力设备故障检测中具有重要作用,获取的故障信号质量越高,检测结果越好。为此,针对传统故障信号获取系统在面对强噪声干扰下,采集到的信号质量较差的问题,研究一种强噪声下船舶电子电力设备微弱故障信号获取系统。该系统在软件程序指导下,利用传感设备、通信设备以及DSP实现信号采集、处理、传输、分析、显示等功能。经测试,面对强噪声干扰,本系统采集到电子电力设备微弱故障信号信噪比要大于传统系统,由此说明本系统获取的信号质量更高,更有利于设备故障检测。
（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。
强噪声论文参考文献
[1].毛烨,陈亮.强噪声条件下激光雷达强度图像降噪方法研究[J].激光杂志.2019
[2].唐玉兵,樊明哲.船舶强噪声电子电力设备微弱故障信号获取系统[J].舰船科学技术.2019
[3].栾新刚,尹良宣,陈禹同,陈博,成来飞.强噪声载荷下2D-C/SiC复合材料平板失效机理[J].新型炭材料.2019
[4].胡锦.强噪声背景下变压器绕组变形信号滤波方法研究与FPGA实现[D].西安理工大学.2019
[5].张雷,袁博,查晨东.一种强噪声干扰下的炮控系统声音识别算法[J].计算机测量与控制.2019
[6].靳宗帅.强噪声电信号宽频带相量高精度估计方法[D].山东大学.2019
[7].石洋,胡长青.一种强噪声背景下的侧扫声呐图像分割方法[C].中国声学学会水声学分会2019年学术会议论文集.2019
[8].顾芳婷,龚嘉敏,吴雅兰,赵乌兰,王晓燕.强噪声暴露青年人群的扩展高频和ABR特征分析[J].中国听力语言康复科学杂志.2019
[9].程一鸣,李怀良,庹先国,王耀彬,王亚娟.一种可靠的强噪声叁分量微地震数据初至拾取方法[J].物探与化探.2019
[10].付继华,王旭,李智涛,谭巧,王建军.强噪声环境下基于信噪比的地震P波到时自动提取方法[J].地球物理学报.2019