作者：陈功, 朱锡芳, 许清泉, 徐安成, 杨辉

作者单位：常州工学院, 江苏 常州 213022

关键词：信号处理; 去噪; 原子模板匹配; 锂电池膜厚

摘要：

为解决多尺度小波算法在锂电池膜厚传感器测量前需确定C型机构的固有频率和扫描振动频率的不足,采用基于原子序列模板匹配的快速稀疏信号处理去噪方法。该方法不需先验知识,在不同扫描模式下通过稀疏分解迭代训练膜厚数据并构建原子序列模板库,对于不同扫描模式下的膜厚数据选取模板库中匹配的原子序列进行稀疏迭代去噪。实验结果表明:原子模板匹配算法具有较好的去噪性能,其运算速度高于传统稀疏算法57倍。

Lithium battery's film thickness fast de-noising based on atomic template matching

CHEN Gong, ZHU Xi-fang, XU Qing-quan, XU An-cheng, YANG Hui

Changzhou Institute of Technology, Changzhou 213022, China

Abstract: The inherent frequency and scanning vibration frequency of C-dynamic scanning system of laser sensors are acquired for lithium batteries' film thickness de-noising based on multi-resolution wavelet algorithm. For this reason, fast de-noising based on atomic sequence template is present. Firstly, under various modes of scanning, the best atomic sequence template is built by sparse decomposition. Secondly, at the given mode, film thickness data are matched with the best atomic sequence of de-nosing. Experimental results show that template- matching pursuit (MP) algorithm is effective and the algorithm speed is higher than MP 57 times.

Keywords: signal processing; de-noising; atomic template-matching; film thickness of lithium battery

2014, 40(1): 28-32  收稿日期: 2013-8-24;收到修改稿日期: 2013-10-16

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

作者简介: 陈功(1979-),男,江苏常州市人,讲师,博士,主要从事信号与信息处理的研究。

参考文献

[1] 周俊峰. 高精度薄板带板凸度激光检测的误差分析与精度控制研究[D]. 长沙:中南大学,2006.
[2] 陈功,朱锡芳,许清泉,等. 多分辨率小波在非连续涂层测厚的应用[J]. 控制工程,2013,20(1):175-178.
[3] Mallt S, Zhang Z. Matching pursuits with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing,1993,41(12):3397-3415.
[4] 赵瑞珍,刘晓宇. 基于稀疏表示的小波去噪[J]. 中国科学:信息科学,2010,40(1):33-40.
[5] Plumbley M, Blumenbach T, Daudet L. Sparse representations in audio and music[R]. Proceedings of the IEEE,2009.
[6] 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.
[7] Fadili M J, Starck J L. Image decomposition and separation using sparse representations: an overview[J]. Proceedings of the IEEE,2010,98(6):983-994.
[8] 王春光. 基于稀疏分解的心电信号特征波检测及心电数据压缩[D]. 长沙:国防科技大学,2009.
[9] 刘辉,杨俊安,黄文静. 声信号并行稀疏分解去噪方法研究[J]. 电路与系统学报,2012,17(6):64-69.
[10] 李扬,郭树旭. 基于稀疏分解的大功率半导体激光器1/f噪声参数估计的新方法[J]. 物理学报,2012,61(3):1-6.
[11] 王建英,尹忠科. 信号与图像的稀疏分解及初步应用[M].成都:西南交通大学出版社,2006.