微动信号是典型的非平稳信号,时频分析能够获得微动信号的联合时间频率分布图像,是微动信号分析的主要工具之一,良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中,时频图像通常受到噪声污染,使得微动信号难...微动信号是典型的非平稳信号,时频分析能够获得微动信号的联合时间频率分布图像,是微动信号分析的主要工具之一,良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中,时频图像通常受到噪声污染,使得微动信号难以分辨,严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理,本文在多分辨率表示图像上分别计算显著性并滤波,最后进行加权融合获得增强的时频图像,有效抑制了噪声,提升了低信噪比(signal to noise ratio,SNR)下时频图像的质量和微动信号的显著性。实验结果表明,对于仿真信号以及暗室测量信号,在-7~7 dB SNR下,采用该方法均能显著提升时频图像质量,且-3 dB以下时能大幅提高周期估计的准确率,是一种有效的微动信号增强方法。展开更多
文摘微动信号是典型的非平稳信号,时频分析能够获得微动信号的联合时间频率分布图像,是微动信号分析的主要工具之一,良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中,时频图像通常受到噪声污染,使得微动信号难以分辨,严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理,本文在多分辨率表示图像上分别计算显著性并滤波,最后进行加权融合获得增强的时频图像,有效抑制了噪声,提升了低信噪比(signal to noise ratio,SNR)下时频图像的质量和微动信号的显著性。实验结果表明,对于仿真信号以及暗室测量信号,在-7~7 dB SNR下,采用该方法均能显著提升时频图像质量,且-3 dB以下时能大幅提高周期估计的准确率,是一种有效的微动信号增强方法。
