导读:本文包含了形态滤波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:形态,分解,形态学,基线,结构,脉搏,尺度。
形态滤波论文文献综述
徐万松[1]（2019）在《利用形态滤波去ECG基线漂移的简单方法》一文中研究指出心电信号(ECG)在进行自动处理前一般要经过去基线漂移等预处理。去ECG基线漂移方法较多,文章利用形态滤波的方法,根据心电信号中各特征波形的时间宽度,选择合适尺寸的结构元素对含基漂ECG信号进行滤波处理,滤除QRS波群及P、T波等特征波形,然后利用平滑滤波得到基漂信号,最后利用原始ECG信号减去基漂信号,从而去除基线漂移。该算法计算简单、实时性好,在Matlab平台上经过MIT-BIH数据库中实际ECG信号的验证,去基线漂移效果较好。(本文来源于《中国医疗器械信息》期刊2019年21期）
齐嘉兴,崔伟成,赵修平[2]（2019）在《基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究》一文中研究指出为了实现齿轮故障的精确诊断,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于局部特征尺度分解(LCD)和数学形态滤波的齿轮故障诊断方法。首先,对齿轮振动信号进行局部特征尺度分解,得到若干内禀尺度分量(ISC);然后,依据峭度准则,选取峭度最大的ISC作为故障特征分量,再运用形态差值滤波器对其进行滤波;最后,对滤波结果求取频谱并进行故障诊断。通过对仿真结果和实验数据的分析,说明了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取故障冲击特征的能力,能够有效地实现齿轮故障的精确诊断。(本文来源于《机械传动》期刊2019年07期）
王晓庆,母诗源,李晋,王志欣[3]（2019）在《一种基于形态滤波的水声信号检测算法》一文中研究指出针对水声目标检测中色噪声及近场强干扰导致目标检测概率下降的问题,通过分析实际水声信道特性和水声阵列接收信号的LOFAR谱特征,将导向最小方差波束合成(STMV)与形态学滤波技术相结合,提出一种基于数学形态学滤波的水声目标检测方法。在STMV之后,应用联合形态学滤波估计信号噪声基底,进行常规信号检测。海试数据处理结果表明,该算法能在复杂的噪声背景环境下实现对水下微弱目标的有效检测。(本文来源于《无线电工程》期刊2019年07期）
段汕,刘丹,周奇鱼[4]（2019）在《适用于图像恢复的最优形态滤波设计方法》一文中研究指出针对噪声图像的恢复问题,研究了基于SV形态学理论的最优形态滤波设计方法.通过建立SV形态模式谱解决图像与相关几何结构相似性度量问题;通过引入集差距离函数,解决由形态滤波所产生的几何和拓扑畸变程度的量化问题;通过优化问题的设计,在有效去噪和保持图像基本结构之间寻求一个平衡策略,使得优化问题得以求解.最终从理论上证明了一类SV交替滤波和一类SV交替惯序滤波是SV形态学方法下,适用于图像恢复的最优滤波.(本文来源于《中南民族大学学报(自然科学版)》期刊2019年02期）
关焦月,田晶,赵金明,富华丰[5]（2019）在《基于固有时间尺度分解与多尺度形态滤波的滚动轴承故障特征提取方法》一文中研究指出为了准确提取出滚动轴承的故障特征并对轴承状态进行评估,提出了一种固有时间尺度分解(intrinsic time-scale decomposition,ITD)与多尺度形态滤波相结合的滚动轴承故障特征提取方法。首先,采用ITD方法将滚动轴承故障信号分解成多个固有旋转分量(proper rotation,PR);然后,对比各个PR分量与原始信号的相关性;最后,采用多尺度形态滤波算法对相关性较大PR分量进行滤波降噪,并提取滚动轴承故障特征频率。采用所建立方法对轴承外圈故障和内圈故障实验数据进行分析。结果表明,所提出的故障特征提取方法能够有效抑制噪声,清晰准确地提取出滚动轴承故障特征频率。(本文来源于《科学技术与工程》期刊2019年14期）
李胜辉,白雪,董鹤楠,郭朝云,杨晓梅[6]（2019）在《结合形态滤波与多分辨率SVD包的电能质量扰动检测》一文中研究指出针对电能质量的扰动检测问题,以电流信号为研究对象,提出结合形态滤波与多分辨率奇异值分解(singular value decomposition,SVD)包的电能质量扰动检测算法。根据形态学滤波器计算特点,采用余弦结构元素,对滤除噪声后的信号构造矩阵进行多分辨率SVD包分解,通过分解后的高频分量特征检测扰动,结合自适应阈值判断是否发生扰动,利用仿真对其进行验证。仿真实验结果表明:该算法相较于普通形态学与SVD方法有更好的抗噪能力,且可实现对扰动信号的快速、准确定位。(本文来源于《兵工自动化》期刊2019年05期）
季云健,黄国勇,黄刚劲[7]（2019）在《自适应广义形态滤波和GG聚类在轴承故障识别中的应用研究》一文中研究指出针对复杂工况下滚动轴承受机械噪声等因素影响轴承故障类型区分难的问题,提出了一种基于自适应广义形态滤波和GG聚类的轴承故障诊断方法。采用自适应广义形态滤波对轴承振动信号进行降噪处理,对降噪后的信号进行变模式分解,去除虚假分量和噪声分量,最后对去噪后故障特征较多的信号分量求解近似熵,作为特征向量输入GG聚类分类器中,达到故障分类。仿真实验结果证明该方法能有效提取信号特征信息,准确识别故障类型。(本文来源于《陕西理工大学学报(自然科学版)》期刊2019年01期）
甘永进,莫沛,陈时东,郑金存,蒋曲博[8]（2019）在《基于经验模态分解和形态滤波的血压测量研究》一文中研究指出为更彻底地对光电容积脉搏波进行去噪,准确地建立脉搏与血压的估算模型,提出结合经验模态分解和形态学滤波的算法对脉搏波进行滤波处理,利用Adaboost识别出两种不同的加速脉搏波,并采用不同的方法对两种加速脉搏波进行特征点提取以计算脉搏波传导时间,最终建立脉搏波传导时间和血压的估算模型。由实验可知,该方法对脉搏波去噪效果较佳,血压测量值与真值之间误差小于5 mmHg,优于AAMI标准(<8 mmHg),为血压连续测量以及便携式多生理参数设备的研究提供一定参考依据。(本文来源于《燕山大学学报》期刊2019年01期）
余建波,李传锋,吕靖香[9]（2018）在《轴承故障信号的平均组合差值形态滤波分析》一文中研究指出为了提取受谐波和随机噪声干扰的信号中的冲击故障特征,提出基于平均组合差值形态滤波(ACDIF)和Teager能量峭度(TEK)的滚动轴承故障诊断方法.将对冲击成分具有不同抑制方式的4种基本形态算子两两合并加强抑制效果,组合作差反向提取出正、负冲击,构造出一组新的组合差值形态算子(CDIF),通过比较分析选择其中2种CDIF的平均值作为最终滤波输出.针对滤波过程中结构元素(SE)的选择问题,采用TEK作为评价指标筛选最佳结构元素长度,有效提高了滤波处理的效率和精确度.数值仿真和轴承外圈故障振动信号的试验结果表明,利用该方法能够有效地滤除随机噪声和谐波干扰,提取强背景噪声下的冲击故障特征,滤波效果优于传统方法.(本文来源于《浙江大学学报(工学版)》期刊2018年10期）
蒋曲博,甘永进[10]（2018）在《基于形态滤波的反射式脉搏去噪方法研究》一文中研究指出脉搏中蕴涵着大量的人体生理病理信息,因此分析脉搏信号成为诊断亚健康状态的重要手段。但由于反射式脉搏血氧信号较微弱,容易受到噪声的干扰从而影响诊断结果的正确性。针对反射式脉搏信号的噪声特性,提出一种基于形态学滤波的滤波方法,该方法采用两种不同宽度的结构元素对脉搏波信号进行广义形态开闭和闭开滤波,分离出基线漂移,并通过低通滤波分离出高频分量。实验结果表明,该方法能实时有效地对反射式脉搏信号进行去噪,处理效果优于传统算法。(本文来源于《现代电子技术》期刊2018年18期）
形态滤波论文开题报告
（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：
为了实现齿轮故障的精确诊断,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于局部特征尺度分解(LCD)和数学形态滤波的齿轮故障诊断方法。首先,对齿轮振动信号进行局部特征尺度分解,得到若干内禀尺度分量(ISC);然后,依据峭度准则,选取峭度最大的ISC作为故障特征分量,再运用形态差值滤波器对其进行滤波;最后,对滤波结果求取频谱并进行故障诊断。通过对仿真结果和实验数据的分析,说明了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取故障冲击特征的能力,能够有效地实现齿轮故障的精确诊断。
（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。
形态滤波论文参考文献
[1].徐万松.利用形态滤波去ECG基线漂移的简单方法[J].中国医疗器械信息.2019
[2].齐嘉兴,崔伟成,赵修平.基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究[J].机械传动.2019
[3].王晓庆,母诗源,李晋,王志欣.一种基于形态滤波的水声信号检测算法[J].无线电工程.2019
[4].段汕,刘丹,周奇鱼.适用于图像恢复的最优形态滤波设计方法[J].中南民族大学学报(自然科学版).2019
[5].关焦月,田晶,赵金明,富华丰.基于固有时间尺度分解与多尺度形态滤波的滚动轴承故障特征提取方法[J].科学技术与工程.2019
[6].李胜辉,白雪,董鹤楠,郭朝云,杨晓梅.结合形态滤波与多分辨率SVD包的电能质量扰动检测[J].兵工自动化.2019
[7].季云健,黄国勇,黄刚劲.自适应广义形态滤波和GG聚类在轴承故障识别中的应用研究[J].陕西理工大学学报(自然科学版).2019
[8].甘永进,莫沛,陈时东,郑金存,蒋曲博.基于经验模态分解和形态滤波的血压测量研究[J].燕山大学学报.2019
[9].余建波,李传锋,吕靖香.轴承故障信号的平均组合差值形态滤波分析[J].浙江大学学报(工学版).2018
[10].蒋曲博,甘永进.基于形态滤波的反射式脉搏去噪方法研究[J].现代电子技术.2018
论文知识图
