软阈值

摘要： 针对滚动轴承早期故障特征微弱,在强噪声下难以识别的问题,提出了一种基于软阈值归一化奇异值占比(SNSR-SVD)为准则的奇异值分解重构的方法。这种方法能够兼顾轴承早期故障特征的周期性和非平稳性,在重构信号中引入更多故障特征的细节信息。并且为了能够更好的提取轴承的冲击信号,将使用本方法重构后的信号通过以最大谱峭度法优化最优频率与带宽的滤波器,最后对滤波后的信号进行包络解调分析。通过与其他方法进行仿真与实验的对比验证,证明本方法的优越性。

摘要： 针对工厂复杂环境中电子产品的蜂鸣声信号信噪比低所造成的难以识别问题,采用小波变换对蜂鸣声信号进行降噪处理。为获得良好的降噪效果,对不同小波降噪方法以及不同小波参数选取的降噪效果进行对比分析,得出采取db1小波基以sqtwolog为阈值标准的软阈值法去噪效果良好,但是软阈值法随着小波分解层数的递增,容易造成信号失真。通过对蜂鸣声信号小波包分解节点的分析,最终验证小波包尺度系数比对法去噪效果最好且不会引起信号失真,去噪后信号的RMSE为0.0094,SNR为14.7513 dB,并且基于处理后的信号利用小波的时频分析特点可以快速识别蜂鸣声信号。

摘要： 滚动轴承作为一种通用的机械部件在旋转机械设备中被广泛使用,由于滚动轴承经常受到交变载荷作用,容易发生故障。振动信号是机械设备监测和诊断常用的信号数据,滚动轴承在不同工况和健康状况下其振动信号在时域以及频域都会发生相应的变化。本文提出了自编码器与软阈值结合利用快速傅里叶变换(FFT)得到的频域信息对轴承进行异常检测方法。实验结果表明,在测试样本中通过该方法提取数据特征能够较为有效地检测出轴承的异常状态,相较于一分类支持向量机、排列熵等典型异常检测方法,在辛辛那提IMS轴承全寿命数据集中,该方法诊断效果稳定,对于早期故障有更高的灵敏性。

摘要： 现有的单幅图像去雨算法难以充分发掘不同维度注意力机制的相互作用,因此提出一种基于联合注意力机制的单幅图像去雨算法。该算法包含通道注意力机制和空间注意力机制:通道注意力机制检测各通道雨线特征的分布,并差异化各个特征通道的重要程度;空间注意力机制则针对通道内雨线分布的空间关系,以局部到全局的方式积累上下文信息,从而高效准确地去雨。此外,引入深度残差收缩网络,以利用残差模块中嵌入的软阈值非线性变换子网络来通过软阈值函数将冗余信息置零,从而提升CNN在噪声中保留图像细节的能力。在公开降雨数据集与自构建的降雨数据集上进行实验,相较于单一空间注意力算法,联合注意力去雨算法的峰值信噪比(PSNR)提升4.5%,结构相似性(SSIM)提升0.3%。实验结果表明,所提算法可以有效地进行单幅图像去雨和图像细节的信息保留,在目视效果和定量指标上均优于对比算法。

摘要： 近年来,人脸表情识别研究因机器学习的引入取得了显著的进步,但由于光照变化、人脸姿态等原因使得人脸表情识别准确率一直不高。提出了一种基于混合注意力机制网络的方法,把通道注意力和空间注意力机制分离,增强网络的通道特征和跨通道相关性学习能力。在注意力机制后增加软阈值机制以抑制噪声,在网络损失函数中迭加类中心损失减小类内差异,通过预处理提高网络的泛化能力。实验结果表明,该方法在人脸数据集CK+和fer2013上准确率比主流方法更高,所用参数更少,收敛性更好。

摘要： 小波去噪在信号处理中得到广泛应用,目前常用的方法主要有FIR低通滤波器、硬阈值软阈值去噪等,但是上述方法对于提取到的动态颈静脉信号去噪并不理想.针对这一现象,本文提出基于Py和Pgama投影的小波变换模极大值算法对采用近红外光谱技术获取到的颈静脉信号去噪.相比于硬阈值和软阈值去噪,该方法既可以去除高频噪声,又能很好的还原颈静脉信号规律,本文通过仿真实验验证了所提方法的准确性与优越性,表明该方法对动态颈静脉信号去噪具有实际应用价值.

摘要： 人上皮细胞(HEp-2)检测抗核抗体是诊断自身免疫性疾病的常用方法,HEp-2细胞图像识别对许多自身免疫性疾病的诊疗具有重要意义.针对目前主要采用手工评估方法造成效率低效、劳动强度高等问题,提出一种基于深度残差收缩网络的HEp-2细胞图像分类模型.该模型在深度残差网络基础上进行改进,残差学习模块使用恒等映射方法可以训练更深层次的网络.在每个残差学习模块内部嵌入一个软阈值非线性变换子网络,软阈值用以消除数据中的噪声和冗余信息,这些阈值通过子网络自动学习.实验表明,该方法具有良好的性能,优于其他深度神经网络方法.

摘要： 心电信号中的QRS波群及T波包含心脏活动的重要信息,对心脏疾病的预防和治疗具有重要意义。为正确高效地提取出心电信号中的这些特征点,提出一种基于小波变换的QRST波检测方法。采用Coiflet4小波基对心电信号进行8层分解,用软阈值法去除心电信号中的噪声,采用改进的自适应差分阈值法对心电信号中的特征点进行检测。研究表明,该方法对于Mitdb中的心电信号,能够准确检测出Q波、R波、S波及T波位置,尤其是检测R波的平均敏感度为99.57%,平均阳性预测正确率为99.74%,具有较高的准确率和实用价值。

摘要： 针对变步长分段自适应匹配追踪(VSStAMP)算法在大稀疏度情况下,候选集在迭代后期入选大量低相关性原子,从而导致重构成功率低且重构精度下降的问题,提出了软阈值变步长分段自适应匹配追踪算法。该算法通过动态阈值内积法来挑选原子,引入一个动态阈值参数,能够有效把控原子预选质量与数量,在大稀疏度情况下获得更好的重建性能。仿真结果表明:与VSStAMP算法相比,该算法能够在可允许的重构时间内获得更高质量的重建。

摘要： 针对变步长分段自适应匹配追踪(VSStAMP)算法在大稀疏度情况下,候选集在迭代后期入选大量低相关性原子,从而导致重构成功率低且重构精度下降的问题,提出了软阈值变步长分段自适应匹配追踪算法.该算法通过动态阈值内积法来挑选原子,引入一个动态阈值参数,能够有效把控原子预选质量与数量,在大稀疏度情况下获得更好的重建性能.仿真结果表明:与VSStAMP算法相比,该算法能够在可允许的重构时间内获得更高质量的重建.

摘要： 为了克服传统限值报警方法在路灯监控系统电流越限报警时存在的报警死区、限值难确定的缺点,采用小波变换结合软阈值电流越限报警方法进行解决.首先利用软阈值电流越限报警方法对小波分解后的高频系数进行阈值量化,然后根据小波变换模极大值原理检测越限点.若检测到越限点立即转入预报警程序,判断电流是否真正越限,以确定是否报警.仿真结果表明,该方法可免设置越限值,实现电流越限自动报警,并解决由于存在报警死区导致的频繁报警问题.

摘要： 为了提高CT图像的清晰度,降低伪影对医生诊断的不利影响,文章提出了一种基于小波变换和软阈值法的CT图像伪影消除方法.实验表明该方法能较好的去除图像的伪影,而且尽可能多的保留图像的原始信息,达到了理想的效果.

摘要： 在机械状态监测和故障诊断领域中,信号波形突变(锐变)点包含了反映设备状态的重要信息,但工程上所得到的信号包含许多噪声,传统的消噪方法在消除噪声的同时,也将信号的锐变部分滤掉,造成信号的失真.本文利用小波分析能同时在时频域中对信号进行分析,且具有自动变焦的功能,从而能有效地区分信号中的突变部分和噪声,实现信号的消噪.文中论述了小波分析及软阈值法消噪处理的原理.并利用此方法对含有大量噪声的柴油机轴承振动信号进行消噪处理,有效的保留原信号的特征分量,达到了理想的效果.从而证明该方法是一种很好的消噪方法.

摘要： 在Bark子波的构造的基础上,提出一种改进的Bark子波变换构造方法，即直接由临界带中心频率确定Bark子波的中心频率，保证了其通带和临界带的对应一致性，并与人耳的听觉系统十分吻合。采用Bark子波对带噪语音进行分解，在语音信号的子带层次上用一种类似于软阈值的无穷阶可导的函数进行阈值处理，并应用谱减法进行二次增强。仿真实验表明，本文的构建Bark子波与增强算法使信噪比和PESQ得分都有较大提高，特别是在信噪比较高时，语音具有很好的清晰度和可懂度。

摘要： 本文针对基于子块DCT的高度压缩图象的方块效应问题,提出了一种基于小波变换的软阈值去方块滤波的快速阈值估计算法.它引入一种新的能量转移模型来表示图象非纹理区域内DCT系数的量化误差能量在小波变换后转移到各子带的比例,并结合低频DCT系数量化误差的统计分布模型来估计小波子带上的量化误差能量,从而计算子带阈值.由于能量转移模型仅由小波变换的类型决定,而非纹理区域DCT低频系数量化误差的统计分布模型的唯一参数为量化步长,在已知小波变换滤波器及DCT系数量化步长的情况下,可以直接获得小波予带阈值.和自适应软阈值滤波算法相比,该算法在保证良好的去方块效果的同时,简化了阈值估计的过程,提高了处理效率,这种特性在实时应用中具有很大的优势.

摘要： 在小波变换理论的基础上，利用软阈值的小波去噪技术对含噪声故障信号进行了去噪处理.经过与硬阈值去噪和傅里叶去噪后的效果图比较，得出该方法能根据小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能.仿真结果表明，该方法较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对故障信号进行去噪处理.

摘要： 在小波软阈值和硬阈值去噪方法的基础上,提出了一种改进的小波系数阈值去噪算法.分析了白噪声的小波系数在多尺度分解上的特点,给出了一种分尺度选取阈值的处理函数.实验表明,改进后的去噪算法有效地克服了软阈值和硬阈值方法中固有的缺点,具有较好的去噪效果.

摘要： 提出了基于小波变换的陀螺信号的滤波方法,利用正交小波使用软阈值对陀螺输出信号进行去噪处理,去除由噪声引起的细节项,从而消除其中的噪声干扰.试验结果表明正交小波对陀螺信号去噪具有比较好的效果.

摘要： 斑点噪声是超声医学图像中固有的噪声.利用小波多尺度分析和软阈值技术相结合的方法对超声医学图像进行降噪处理,不仅有效地去除了图像的斑点噪声,而且保留了图像必要的细节.

摘要： 本文提出了一种电能质量扰动检测的综合方法:首先用小波变换对原始信号做消噪处理,然后在时域检测扰动的开始、约束时间,接着根据扰动信号的周期和峰值等识别扰动信号的类型,最后在发生扰动的时间段内采用快速傅立叶变换等算法计算扰动信号的相关指标参数.仿真结果标明,该方法快速、准确,具有较高的实用价值.

摘要： 本发明属于电力电能表自动识别技术领域，提供一种基于深度神经网络和多阈值软切分的电能表示数识别方法。该方法的体系结构含有两个模块：示数区域定位模块和示数识别模块。定位模块以YOLO算法为基础，采取适合电表示数区域特点的网络模型来进行快速定位，示数区域识别模块设计了一种多阈值软切分与深度神经网络结合的识别方法。本发明的有益效果为：采用本发明能快速定位电表图片中的示数区域并准确进行识别，可减少人为抄表差错和资源浪费；本发明结合深度学习与多阈值切分，能有效克服图像噪声的不利影响，提升识别准确率。

摘要： 本公开描述用于提高存储器装置的性能的装置、系统和方法。示例方法包括：获得施加到存储器装置的多个读取电压中的每一个的多个单元计数；基于多个单元计数，生成对应于多个读取电压的多个PV状态的一组高斯模型，该组高斯模型中的每一个均包括均值参数和标准偏差参数；基于该组高斯模型，确定多个PV状态中的每一个的均值参数和标准偏差参数；基于多个PV状态中的每一个的均值参数和标准偏差参数，确定多个更新读取电压；并且向存储器装置施加多个更新读取电压，以从存储器装置检索信息。

摘要： 本发明公开了一种遥感图像对抗样本的软阈值防御方法，将正确分类的遥感图像和对抗样本保存在同一类验证集中,删除在验证集中不能正确分类的遥感图像；将原始图像作为正面样本，将对抗样本作为负面样本，对保存的验证集中的图像重新分类；结合分类的输出置信度，得到新数据集；在新数据集上训练一个逻辑回归模型；通过原始图像和对抗样本的决策边界获得输出置信度的阈值；将当前输入图像的输出置信度和所述防守软阈值相比较，判断当前输入图像是否是一个对抗样本。本发明可有效防守遥感图像场景分类问题中的对抗样本的攻击，卷积神经网络的愚弄率被降低到0。

摘要： 本发明涉及一种基于双树复小波和自适应半软阈值法的去噪方法，该方法包括下述步骤：以设定的采样频率采集反射的光学信号；对光学信号进行双树复小波分解，计算含噪光学信号在各层的小波子带系数和双树小波分解后各层的方差；采用贝叶斯自适应半软阈值法得到下阈值和上阈值并利用下阈值与上阈值范围内的小波子带系数进行双树复小波逆变换，得到降噪后的光学信号。本发明将双树复小波变换的优良特性与自适应半软阈值滤波可有效去除信号噪声的优点相结合，可以较好地滤除信号中的噪声。

摘要： 本发明提供了一种基于软阈值惩罚机制的弱监督细粒度图像分类方法，包括：步骤1：基于软阈值惩罚机制，构建二级级联网络结构的细粒度图像分类网络；步骤2：获取待分类图像；步骤3：对所述待分类图像进行预处理；步骤4：基于所述细粒度图像分类网络，对预处理结果进行图像分类，并输出图像分类结果。本发明的基于软阈值惩罚机制的弱监督细粒度图像分类方法，优化了MMAL‑Net网络结构，通过减少网络分支层数，来减少整体模型的计算量，也降低了训练模型对硬件的要求；在新分支结构的基础上，加入软阈值惩罚机制模块，来抵制图像中出现的噪声；有效屏蔽干扰信息，从而使得整体精度提升。

摘要： 本发明是一种基于软阈值的室内可见光定位系统图像解码优化方法，属于通信网技术领域，该方法包括以下步骤：获取室内可见光定位系统拍摄的LED图像；对LED图像进行预处理；对预处理后的图像，进行像素强度采样，获得LED感兴趣区域；遍历LED感兴趣区域，得到明暗条纹序列以及各条纹宽度；对感兴趣区域中有两条最宽明条纹和有一条明最宽明条纹的情况，分别进行解码，得到LED感兴趣区域的解码序列；将LED感兴趣区域的解码序列与该序列在数据库中的解码序列相匹配，判别是否为有效编码光源信标。本发明提供的该方法突破传统算法设定硬阈值对通信距离的限制，放宽了可见光定位系统中接收机与光源的通信距离范围。

摘要： 本发明公开了一种基于TWF的软阈值加权相位恢复方法、装置及存储介质，该方法包括：向采样系统输入图像信号，获得观测值；根据获得的观测值，利用截断谱方法计算初始测量值；将初始测量值代入软阈值加权迭代公式，获得测量值；计算测量值的恢复误差，若恢复误差低于阈值则输出测量值，否则将测量值代入软阈值加权迭代公式，获得下一轮测量值至恢复误差低于阈值，相比于现有技术有更强的图像恢复质量和优秀的收敛性。

摘要： 本发明提供了一种基于软阈值惩罚机制的弱监督细粒度图像分类方法，包括：步骤1：基于软阈值惩罚机制，构建二级级联网络结构的细粒度图像分类网络；步骤2：获取待分类图像；步骤3：对所述待分类图像进行预处理；步骤4：基于所述细粒度图像分类网络，对预处理结果进行图像分类，并输出图像分类结果。本发明的基于软阈值惩罚机制的弱监督细粒度图像分类方法，优化了MMAL‑Net网络结构，通过减少网络分支层数，来减少整体模型的计算量，也降低了训练模型对硬件的要求；在新分支结构的基础上，加入软阈值惩罚机制模块，来抵制图像中出现的噪声；有效屏蔽干扰信息，从而使得整体精度提升。

摘要： 本发明涉及基于深度学习的计算机视觉技术领域，具体涉及一种应用于计算机视觉的软阈值注意力机制，借鉴深度残差收缩网络的思想，使用同时考虑通道和位置信息的CA注意力机制来代替SENet与软阈值化方法结合，提出一种新的软阈值注意力模块：融合传统信号降噪算法中的软阈值化函数与CA注意力机制，利用CA注意力机制确定垂直和水平两个方向上的两组软阈值化函数所需的阈值，再分别进行软阈值化处理并对输入的特征图进行加权；能够更好的适用于计算机视觉领域的检测任务，并且可以方便的集成到现有的神经网络架构中，通过将不重要的特征置为零，来降低噪声或冗余信息的干扰，加强神经网络提取重要特征的能力，达到提升网络预测精度的目的。

摘要： 本发明公开了一种基于全局特征的快速迭代软阈值收缩算法网络的无创心肌跨膜电位重建方法，同时结合传统的快速迭代软阈值收缩算法(FISTA)的收敛理论以及深度学习的灵活性泛化性优势，并利用注意力机制来提取全局特征，利用神经网络来替代传统FISTA中的软阈值收缩步骤，从而替代掉传统方法中特定的正则化形式，同时在迭代网络中增加了一个可学习的动量积累步骤来替代FISTA中的动量积累步骤，从而实现更好的重建精度和更快的重建速度。