1) Noise Filter
随机噪声滤波
1.
Noise Filtering of Laser Scanned Data by Use of 3D Neighbors;
基于3D邻域激光扫描数据随机噪声滤波
2) noise filtering
噪声滤波
1.
A method of hybrid noise filtering for images based on simplified PCNN;
基于简化型PCNN的图像混合噪声滤波方法
2.
Based on LC VCO, this paper presents a symmetrical noise filtering techniques.
提出一种基于CMOS电感电容压控振荡器的对称噪声滤波技术。
3) noise filter
噪声滤波
1.
This paper aims at achieving an effect by designing a simple but practical digital monitor images for noise filter on the basis of wavelet transformation.
用小波变换技术的设计一种简单的实用性强的数字监控图像噪声滤波方法,在数字图像处理应用时效果理想。
4) random noises
随机噪声
1.
Then Based on this methods,a new method of removing random noises was suggested.
介绍了Donoho的小波域阈值去噪处理方法 ,提出了对小波变换尺度上小波系数进行分时分频相关处理去噪后 ,再重构小波系数的方法 ,以去除大部分随机噪声。
2.
Using conventional de-noising method by threshold filter in wavelet domain can remove random noises, but its de-noising effect and signal fidelity is not always good.
该方法可去除大部分高频随机噪声。
3.
The effect of using conventional KL transform to remove strong energy random noises of seismic data is not very good.
常规KL变换对于具有强随机噪声的地震信号处理效果不佳 ,本文提出一种将小波变换和KL变换结合使用的去噪处理新方法。
5) random noise
随机噪声
1.
Research of random noise characteristics of open-loop FOG;
开环光纤陀螺随机噪声特性研究
2.
Vibratory Response Of Thin-panel Structure of Aircraft to Random Noise Loads;
航空薄壁结构在随机噪声载荷作用下的振动响应研究
3.
Modeling of MEMS gyros random noise based on multiscale timeseries;
MEMS陀螺随机噪声的多尺度时间序列建模
6) Stochastic noise
随机噪声
1.
However,the output signals are usually disturbed by stochastic noises,and 1/f noise is one of them.
同传统加速度计相比,光纤加速度计具有结构简单、性价比高、输出精度较高等特点,可以满足中等精度的导航制导要求,但输出信号通常受随机噪声的干扰,其中1/f噪声就是影响光纤加速度计精度的一个重要因素。
2.
In order to filter stochastic noise in ring laser gyro, two step are adopted.
随机噪声是影响激光陀螺精度的一个重要因素,其中随机噪声主要是白噪声。
3.
In order to filter stochastic noises in ring laser gyro,two steps are adopted.
随机噪声是影响激光陀螺精度的一个重要因素 ,其中随机噪声包括分形噪声和白噪声 ,采用传统的方法很难去除分形噪声 。
补充资料：随机过程的滤波
随机过程的滤波
tochastic processes, filtering of lie filtration of stochastic processes
随机过程的滤波【st诫as血碑鱿esses，川忱r吨of或fil妞山。n of stOChastie Proc已弼己;e几洲浦“以npo”eceoa中“月‘TPa明“”」 给定与一随机过程(stochastic process)Z(t)有关的另一随机过程的过去值，估计Z(t)在当前t时的值的问题.例如，给定与一平稳过程Z(t)平稳关联的平稳过程的值X(s)(、(t)来估计Z(t)(例如，见走1〕).通常考虑极小化均方误差E{z(t)一Z(t)}’的估计量Z(t).“滤波”一词的采用，源于从一个信号与随机噪声的“混合体”中分离出信号的问题.它的一个重要情形是如下的最优滤波问题:这时Z(t)与X(t)之间的联系由随机微分方程(stoch-astic djfl飞rezltial闪Uation) dX(t)=Z(t)dr+dy(t)，t>t。所描述，其中假定噪声与z(t)独立，且由标准Wiener过程(Wie二rp氏兀ess)Y(r)给出. 一个广泛使用的滤波方法是Ka加祖n一Bucy法(Kal-~一BuCy Ineth(对)，它适用于由线性随机微分方程所描述的过程Z(t).例如，如果在上述情形中， dZ(r)=a(r)Z(r)dr+dy、(t)，其中标准Wiener过程Yl(t)与Y(O是独立的，且有零初始条件，则有“(:)一丁。(。，、)、x(、)，其中权函数c(t，、)从如下方程组获得: 去。(:，5卜。·(‘卜““，，·“，占，，r>‘ e(s，、)=b(s)， d 贪“(亡)一“a(亡)”(亡)一[”(亡)]’+’， t>t。，b(t。)=0. 此方法对非线性方程的推广称为一般随机滤波问题或非线性滤波问题(见〔21). 在 z(:)二艺e*z*(t) k一沪依赖于未知参数c、，…，c。的情形下，可以由给定X(s)(、成t)来估计这些参数而求得其内插估计Z(t)，最小二乘估计及其推广可用于此(例如，见【31).从观测y的过去:{y(。‘)::’<。}，求得:(门的最优最小二乘估计.最优估计量牙(t)将由下述卷积式给出: :(。)一fG(。一。，)，(:‘)己‘’.卷积核由如下积分方程确定: 丁G(:·)，，，(:一:·)‘。尹一尺:，(:)，:>o， (!其中R，，，(‘)=E{，(‘)，丁(0)}，R:，(‘)=E{z(亡)·y‘(0)} 这个积分方程就是所谓的Wi。犯r.H句才方程(Wiener一Hopf equation)，G是由R，，与R:，确定的函数.解它的最有效的方法是随机函数的谱分解(spec-阅山沈。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条