Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  nonlocal means
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
In real industry environment, the signal characteristics of multistage centrifugal pump vibration signal are easily submerged by strong background noise. To settle this problem, the nonlocal means (NLM) approach is proposed for the denoising of multistage centrifugal pump in this paper. Utilizing the similarity theory, the NLM method has achieved a wide range of applications in the fields of image processing and biomedical signal denoising. Due to the periodic characteristics and redundancy, NLM is successfully applied to the de-noising of 1-D machinery vibration signal. The numerical simulation experiments with different SNRs verify the effectiveness and the superiority of the proposed method. Besides, the selection principles of core parameters in NLM are discussed. The real engineering cases analysis demonstrates that the NLM can effectively filter out the background noise and realize the weak fault feature enhancements. The proposed noise reduction method is superior to traditional wavelet coefficient method.
PL
W rzeczywistym środowisku przemysłowym, charakterystyki sygnału drgań wielostopniowej pompy odśrodkowej są zagłuszane przez silny szum tła. Problem ten można rozwiązać stosując zaproponowane w niniejszej pracy podejście oparte na algorytmie średnich nielokalnych (non-local means, NLM). Wykorzystująca teorię podobieństwa metoda NLM znajduje szeroki zakres zastosowań w dziedzinie przetwarzania obrazu i odszumiania sygnałów biomedycznych. Dzięki okresowemu charakterowi i redundancji sygnałów, NLM można z powodzeniem stosować do usuwania szumu jednowymiarowego sygnału drgań maszyn. Skuteczność proponowanej metody i jej przewagę nad stosowanymi dotychczas rozwiązaniami zweryfikowano na podstawie eksperymentów symulacyjnych z uwzględnieniem różnych stosunków sygnału do szumu (SNR). Ponadto omówiono zasady wyboru podstawowych parametrów NLM. Analiza przypadków inżynierskich pokazuje, że NLM pozwala skutecznie odfiltrowywać szumy tła i wzmacniać słabe symptomy akustyczne uszkodzenia. Proponowana metoda redukcji szumów przewyższa tradycyjną metodę współczynnika falkowego.
2
EN
This paper presents an ECG denoising technique using merits of discrete wavelet transform (DWT) and non-local means (NLM) estimation. The NLM-based approach is quite effective in removing low frequency noises but it suffers from the issue of under-averaging in the high-frequency QRS-complex region. In addition to that, the computational cost of NLM estimation is also high. The DWT, on the other hand, is effective in removing high-frequency noise but needs larger decomposition levels in order to denoise the low-frequency components. Thresholding lower-frequency components in the DWT domain often results in a loss of critical information. To overcome these drawbacks, in the proposed method, two-level DWT decomposition is first performed in order to decompose the noisy ECG signal into low- and high-frequency approximation and detail coefficients, respectively, at each level. The high frequency noise is removed by thresholding the detail coefficients at both the levels. The noise in the lower-frequency region is then removed by performing NLM estimation of Level 2 approximation coefficient. The Level 2 approximation coefficients actually represent the low-frequency envelope of the ECG. Thus, the proposed technique effectively combines the power of both NLM and DWT. At the same time, the computational cost of whole process is not more than the earlier existing techniques since NLM estimation is performed only on Level 2 approximation coefficients instead of the complete ECG signal. The proposed method is found to be superior to the existing state-of-the-art techniques when tested on the MIT-BIH arrhythmia database.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.