小波和稀疏分解在非连续性薄膜去噪中的应用

陈功; 朱锡芳; 许清泉; 徐安成; 杨辉

doi:10.7510/jgjs.issn.1001-3806.2014.04.022

高级检索

ISSN 1001-3806CN 51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

小波和稀疏分解在非连续性薄膜去噪中的应用

陈功 , 朱锡芳 , 许清泉 , 徐安成 , 杨辉

文章导航 > 激光技术 > 2014 > 38(4): 546-550

引用本文:

Citation:

小波和稀疏分解在非连续性薄膜去噪中的应用

1.
常州工学院电子信息与电气工程学院, 常州 213022
基金项目:
江苏省自然科学基金资助项目（BK20130245）;江苏省常州市科技计划资助项目（CE20120071）;江苏省常州市高新区科技发展计划资助项目（XE120121408）;常州市光电子材料与器件重点实验室资助项目（20130694）
中图分类号: TP274

Applications of wavelets and sparse decomposition in non-continuous film de-noising

1.
School of Electronic Information and Electrical Engineering, Changzhou Institute of Technology, Changzhou 213022, China
CLC number: TP274

摘要: 为了在传感器测量锂电池非连续性膜厚前不需测量C型机构的固有频率和扫描振动频率，采用3层小波-阈值判断-稀疏分解信号处理去噪方法，进行了理论分析和实验验证。该方法不需固有频率和扫描振动频率的先验知识，在不同C型机构扫描速率模式下，通过迭代选取最佳匹配的原子序列保留锂电池薄膜厚度分布，滤除局部噪声波动，实现稀疏迭代去噪。结果表明，相对于小波算法，在缺乏先验知识的条件下，稀疏分解算法具有较好的去噪性能，其均方差值达5μm~7μm，是一种操作简单、可行有效的方法。
- 信号处理 /
- 去噪 /
- 稀疏分解 /
- 锂电池薄膜
Abstract: In order to avoid measuring the inherent frequency and the scanning vibration frequency of C-dynamic scanning system before measuring discontinuous film thickness of lithium battery with laser sensors, the 3-layer wavelet-threshold judgment-sparse decomposition signal processing de-noising method was used. Theoretical analysis and experimental verification were made. Without prior knowledge of the inherent frequency and the scanning vibration frequency and under different C-dynamic scanning mode, the best-matching atomic sequence was selected by iteration and the film thickness distribution of lithium battery was reserved, fluctuations of the local noise were filtered and sparse iterative de-noising was realized. The results show that comparing with the wavelet algorithm and in the absence of the prior knowledge, sparse decomposition algorithm has better de-noising performance and is a simple, practical and effective method. Mean square error of sparse decomposition algorithm is 5μm~7μm.
- signal processing /
- de-noising /
- sparse decomposition /
- film of lithium battery

[1]	ZHOU J F. Research on errors analysis and precision control in high-precision convexity measurement with laser for thin sheet[D].Changsha: Central South University,2006:32-65(in Chinese).
[2]	CHEN G, ZHU X F,XU Q Q, et al. Multi-resolution wavelet in discontinuous coating thickness measurement [J].Control Engineering of China, 2013,20(1): 175-178 (in Chinese).
[3]	WANG C,ZHAO B.Research of thin plate thickness measurement based on single lens laser triangulation[J]. Laser Technology,2013,37(1):6-9 (in Chinese).
[4]	MALLT S, ZHANG Z. Matching pursuits with time-frequency dictionaries [J]. IEEE Transactions on Signal Processing, 1993, 41(12):3397-3415.
[5]	ZHAO R Z, LIU X Y, LI Ch Ch, et al. Wavelet denoising based on sparse representation [J]. Science in China: Information Science,2010, 40(1): 33-40 (in Chinese).
[6]	PLUMBLEY M, BLUMENBACH T, DAUDET L, et al. Sparse representations in audio and music[J].Proceedings of the IEEE,2009, 98(6):995-1005.
[7]	NEFF R, ZAKHOR A. Matching pursuit video coding: dictionary approximation[J].IEEE Transactions on Circuits and Systems for Video Technology, 2002, 12(1): 13-26.
[8]	FADILI M J, STARCK J L, BOBIN J, et al. Image decomposition and separation using sparse representations: an overview [J].Proceedings of IEEE, 2010, 98(6): 983-994.
[9]	WANG C G.The ECG feature wave detection and data compression based on the sparse decomposition. Changsha: National University of Defense Technology,2009:58-77(in Chinese).
[10]	LIU H,YANG J A,HUANG W J. Acoustic signal de-noising based on parallel sparse decomposition [J]. Journal of Circuits and Systems,2012,17(6):64-69 (in Chinese).
[11]	LI Y,GUO S X. A new method to estimate the parameter of 1/f noise of high power semiconductor laser diode based on sparse decomposition [J]. Journal of Physics,2012,61(3):1-6 (in Chinese).
[12]	WANG J Y,YIN Z K. Sparse signal and image decomposition and preliminary application [M].Chengdu: Southwest Jiaotong University Press,2006:72-116(in Chinese).

[1]	柯天兵 , 林琳 , 李永倩 , 翟丽娜 . 海缆布里渊光时域反射信号的去噪方法研究. 激光技术, 2014, 38(3): 311-315. doi: 10.7510/jgjs.issn.1001-3806.2014.03.006
[2]	谈渊 , 甘学辉 , 张东剑 , 刘香玉 , 廖壑 . 基于小波去噪的激光多普勒振动信号处理. 激光技术, 2022, 46(1): 129-133. doi: 10.7510/jgjs.issn.1001-3806.2022.01.014
[3]	王涛 , 沈永辉 , 姚建铨 . 基于小波阈值法的激光雷达回波信号去噪研究. 激光技术, 2019, 43(1): 63-68. doi: 10.7510/jgjs.issn.1001-3806.2019.01.013
[4]	未永飞 , 杜正春 , 姚振强 . 中值滤波在激光雷达点云数据预处理中的应用. 激光技术, 2009, 33(2): 213-216.
[5]	崔治 , 邓曙光 , 肖卫初 . 利用HSSIM和残差比阈值的3维激光扫描图像去噪. 激光技术, 2015, 39(5): 669-673. doi: 10.7510/jgjs.issn.1001-3806.2015.05.018
[6]	时颖 , 句爱松 , 乐燕芬 . 基于FPGA的外差干涉信号处理方法. 激光技术, 2012, 36(2): 221-224. doi: 10.3969/j.issn.1001-3806.2012.02.020
[7]	刘盛刚 , 李泽仁 , 刘乔 . 基于时频分析的自混合干涉信号处理方法研究. 激光技术, 2009, 33(6): 626-629. doi: 10.3969/j.issn.1001-3806.2009.06.019
[8]	邱小倩 , 乐燕芬 , 王静 . 基于FPGA的插频式外差干涉信号处理方法. 激光技术, 2011, 35(2): 199-201,205. doi: 10.3969/j.issn.1001-3806.2011.02.016
[9]	冀常鹏 , 赵丽娜 . 脉搏信号滤波方法研究. 激光技术, 2016, 40(1): 42-46. doi: 10.7510/jgjs.issn.1001-3806.2016.01.010
[10]	杨正理 , 史文 , 陈海霞 . 光纤周界报警信号自适应压缩感知. 激光技术, 2020, 44(1): 74-80. doi: 10.7510/jgjs.issn.1001-3806.2020.01.013
[11]	王德旺 , 王改利 . 自适应中值滤波在云雷达数据预处理的应用. 激光技术, 2012, 36(2): 217-220,224. doi: 10.3969/j.issn.1001-3806.2012.02.019
[12]	屈直 , 张伯虎 . 一种改进的小波阈值算法在激光侦听中的应用. 激光技术, 2014, 38(2): 218-224. doi: 10.7510/jgjs.issn.1001-3806.2014.02.016
[13]	杨今才 , 刘富 , 金昌 , 蓝宏 . 用He-Ne激光在线检测链板缺陷. 激光技术, 1996, 20(6): 356-359.
[14]	朱琼玉 , 吴松坪 , 胡伦骥 , 王春明 . CO2激光焊接拼缝间隙缺陷的同轴实时监测. 激光技术, 2006, 30(5): 455-457,461.
[15]	马国鹭 , 赵斌 . 基于极坐标变换的相位扫描定中方法. 激光技术, 2014, 38(4): 449-454. doi: 10.7510/jgjs.issn.1001-3806.2014.04.004
[16]	谢珊珊 , 王哲强 , 黄河 , 陈宝宝 , 汪培 , 李劲松 . 随机抽样一致性算法在激光光谱中的应用研究. 激光技术, 2017, 41(1): 133-137. doi: 10.7510/jgjs.issn.1001-3806.2017.01.027
[17]	刘旗 , 邱选兵 , 张恩华 , 李杰 , 郭古青 , 李传亮 , 臧振中 , 杨明 . 基于频谱分析的中药浊度在线传感器研究. 激光技术, 2021, 45(4): 456-462. doi: 10.7510/jgjs.issn.1001-3806.2021.04.008
[18]	张千千 , 史纬恒 , 伍波 , 万家硕 , 成家豪 , 龚靖 , 赵青虎 . 基于小波变换模极大值的LiDAR风切变预警算法. 激光技术, 2022, 46(5): 610-617. doi: 10.7510/jgjs.issn.1001-3806.2022.05.005
[19]	潘卫军 , 张庆宇 , 张强 , 李华 , 吴郑源 . 多普勒激光雷达的飞机尾涡识别方法. 激光技术, 2019, 43(2): 233-237. doi: 10.7510/jgjs.issn.1001-3806.2019.02.016
[20]	李海廷 , 胡鑫 , 曾双 , 李少波 , 周国家 , 隋峻 , 鲁强 , 付培志 . 基于增益控制电路的响应不一致性校正方法. 激光技术, 2021, 45(1): 80-85. doi: 10.7510/jgjs.issn.1001-3806.2021.01.014

点击查看大图

计量

文章访问数: 2966
HTML全文浏览量: 626
PDF下载量: 395
被引次数: 0

小波和稀疏分解在非连续性薄膜去噪中的应用

1. 常州工学院电子信息与电气工程学院, 常州 213022

收稿日期: 2013-08-20
录用日期: 2013-09-02
网络出版日期: 2014-07-25

基金项目: 江苏省自然科学基金资助项目（BK20130245）;江苏省常州市科技计划资助项目（CE20120071）;江苏省常州市高新区科技发展计划资助项目（XE120121408）;常州市光电子材料与器件重点实验室资助项目（20130694）

关键词:

摘要: 为了在传感器测量锂电池非连续性膜厚前不需测量C型机构的固有频率和扫描振动频率，采用3层小波-阈值判断-稀疏分解信号处理去噪方法，进行了理论分析和实验验证。该方法不需固有频率和扫描振动频率的先验知识，在不同C型机构扫描速率模式下，通过迭代选取最佳匹配的原子序列保留锂电池薄膜厚度分布，滤除局部噪声波动，实现稀疏迭代去噪。结果表明，相对于小波算法，在缺乏先验知识的条件下，稀疏分解算法具有较好的去噪性能，其均方差值达5μm~7μm，是一种操作简单、可行有效的方法。