我想知道以下技术使用Welch方法创建的示例时频图像是否可以“降噪”。下图是从机器人传感器创建的。 (这不是彩色图像-它是灰度图像-添加的颜色仅用于视觉目的)。


目标:

我的最终目标是估算如果存在这样的脉冲,您在这里看到的脉冲间隔。这可能有点像鸡和鸡蛋,因此,我问自己:“是否存在这种重复率+/- 10%的脉冲?”,然后继续进行检测。您在这里看到的是信号(脉冲),但还有其他不需要的干扰。然而,正如埃姆雷(Emre)所建议的那样,它们具有结构,尽管在时空空间中也是如此。是否存在这样的时频滤波器?

我非常希望看到此处应用的图像处理解决方案,但对任何解决方案都持开放态度。

因此:我们的目标是去除重复性信号以外的所有高强度信号可以看到脉冲(在y轴上的索引300附近)。所有其他高强度信号都可以视为“干扰”。

您可能会做以下假设:


您可能会假设您大致了解此处看到的脉冲长度。 (让我们说,在+/- 10%以内)。换句话说,您已决定寻找这种长度的脉冲。 (+/-)
您可能会假设您也大致了解脉冲的重复率(再次,让我们说+/- 10%)。
不幸的是,您不再知道它们的频率准确。也就是说,在此图像中,脉冲为300,但是它们很容易达到100、50、489。但是,好消息是,此处显示的那些频率彼此非常接近,例如10赫兹(Hz)。

我的一些想法:

图像处理POV:


我进行了形态学操作,但是我对这些操作不太熟悉,不知道它们是否有效。我想这个想法可能是“关闭”并因此去除“更大”的污点?
行DFT操作可能会根据感兴趣的行具有最高的重复模式来指示要清空的行,但是如果脉冲很少且相距较远,或者图像噪声较大,则可能不是可行的解决方案。
仅通过查看图像,您几乎就想“奖励”隔离和“惩罚”连接性。是否存在可以完成此类操作的图像处理方法? (又是形态学上的)。

什么方法可能对您有帮助?

信号处理POV:已经非常严格,因此我不确定陷波过滤操作是否会有所帮助。此外,在这个狭窄范围内显示的脉冲的确切频率是先验的。
通过对此处感兴趣的脉冲进行有根据的猜测(它们的长度和重复时间),我也许可以计算出“模板”的二维DFT,并将其用作二维倒谱,我将上面显示的Welch图像乘以该时间滤波器,然后执行逆二维DFT?
OTOH也许Gabor过滤器在这里会是一个不错的选择吗?毕竟,它们是方向敏感的滤镜,类似于我们自己的内置V1视觉处理器。在这里如何利用它们?

在此领域中有哪些方法可能有用?

预先感谢。

评论

关于提前脉冲的了解是什么?您知道他们的频率(至少近似)吗?持续时间?它们是调制的还是CW?

@JasonR我已编辑回答您的问题。至于调制,它们只是重复CW脉冲。

哪个轴是时间,哪个轴是频率?

查找有关S变换的论文(Robert Stockwell的一系列论文)。它是Gabor滤波器的略有改进的公式(我忘记了它的确切含义-也许是一个明确的,确切的逆函数?)。在降噪信号中有一些应用。如果您觉得它们有用,我可以在上面写一个简短的答案

@yoda谢谢您提供的信息-我看了看论文,它们似乎很有用,因为它们似乎与CWT有关,因此,玩时间分辨率/频率分辨率游戏。是的,我对此表示欢迎。谢谢。

#1 楼

我没有这方面的经验,但我看到有人对此进行了研究:最小熵方法对时频分布进行去噪


在本文中,我们介绍了一种基于熵的方法去噪时频分布。这种新方法使用了坎宁安和威廉姆斯提出的时频内核的频谱图分解。为了使时频分布降噪,我们将那些频谱图与最小的熵值组合在一起,从而确保每个频谱图都很好地集中在时频平面上,并包含尽可能少的噪声。 Renyi熵用作量化每个频谱图复杂度的度量。要组合的频谱图数量的阈值是根据熵和方差之间的折衷来自适应选择的。


本质上,您的问题是信号/源分离之一;一堆结构化信号的加性分解。为了继续进行,您需要对信号建模。显然,感兴趣的频率是周期性的,并且以某个频率为中心,因此您需要估算周期(沿x轴)和中心频率(在y轴上)。然后,您可以表征其他特征(噪声)。对于初学者来说,它们似乎呈现出优美的曲线。

有了模型,我将参考《盲源分离手册:独立组件分析和应用》一书。

评论


$ \ begingroup $
谢谢。我得买书,看起来不错。就BSS而言,一个问题是,是否不需要多个传感器使BSS正常工作?在这种情况下,我只有1个传感器。在什么条件下仅用一个传感器分离信号?
$ \ endgroup $
–太空
2012年5月4日16:06

$ \ begingroup $
不,但是有帮助。通常的假设是源信号本身是不相关的,尽管这也可以放宽。
$ \ endgroup $
–埃姆雷
2012年5月17日下午2:09

#2 楼

从纯工程POV来看,“锁定”该脉冲的明显解决方案是锁相环(PLL)。

PLL只是一个自由运行的振荡器,其频率可以根据感知到的与另一个信号的相位关系。如果另一个信号是纯噪声或频率完全不同的脉冲,则相位关系将是随机的,并且振荡器在任一方向上都不会进行太多调整(并且将继续“自由运行”)。但是,如果有一个信号(甚至是一个相对嘈杂的信号)以与振荡器大约相同的频率运行,则PLL的相位传感器将检测到该信号并调整振荡器频率以匹配另一个信号。当然,这是假设比赛距离开始的一半。 (PLL的一个问题-尽管这也是一个有用的功能-如果初始频率失配太大,它们会很高兴地锁存到目标信号的谐波或次谐波。)

I'我从未在自己的工作中使用过PLL,但这个术语已有40多年的历史(至少从30年代开始就是这个概念),并且有预构建的PLL可作为单个IC或单卡模块使用。还有一些“数字PLL”使用数字组件来模仿模拟概念。 (这是据我所知,但Google可以轻松找到100个参考。)

评论


$ \ begingroup $
谢谢丹尼尔。嗯,虽然我可以在这里理解概念,但是我不确定您在此处应用PPL的精确程度。当然不在时域。您是否建议在此处的许多行中应用一系列PPL?
$ \ endgroup $
–太空
2012年5月4日18:53

$ \ begingroup $
基本上,您会得到一个由信号馈入的PLL,该信号可以测量一个大致围绕您感兴趣的频率的频带的信号强度,也许大概是一个频谱通量测量值。最坏的情况是,您可能必须尝试几个PLL,每个PLL都“监听”整个频谱的不同部分。但是通过适当的滤波(例如消除较低速率的噪声),可能就不需要了。
$ \ endgroup $
–Daniel R Hicks
2012年5月4日20:07

$ \ begingroup $
有趣。我想这类似于在这里查看每一行的DFT。
$ \ endgroup $
–太空
2012年5月4日20:16

$ \ begingroup $
有点。从图像处理的角度来看,光谱通量就像拍摄图像的副本,水平移动少量,然后从另一个图像减去一个图像。这是在光学识别系统中使用的“边缘检测”技术。
$ \ endgroup $
–Daniel R Hicks
2012年5月4日20:42