基于小波阈值-经验模态分解法的裂纹声发射信号降噪研究

声发射作为一种无损检测技术已被应用到多个领域的产品质量检测中。对小波阈值法和经验模态分解法进行分析和比较,并结合两种方法对声发射信号降噪的优点,形成小波阈值-经验模态分解法。对应用这一新降噪方法前后的信号进行对比,确认降噪效果显著,信号保真度良好。     

基于波原子理论的超声检测信号降噪方法

如何在消除噪声的同时更好保留信号中的有效信息一直是无损检测信号处理研究中的热点。尝试通过构建虚拟观测信号将单通道超声检测信号扩展为信号阵列,利用波原子方法进行降噪处理,并引入非局部均值算法进行平滑以压制波原子硬阈值滤波方式可能产生的伪吉布斯现象。用该算法对仿真信号与某碳酸钙污垢层超声检测信号进行降噪,并与小波阈值降噪进行对比。结果显示该方法对信号信噪比的提高、信号有效特征及微弱信号的保持均有较好效果。     

小波降噪算法在临界折射纵波残余应力检测中的应用

利用超声波方法在进行材料及结构的残余应力检测时,影响因素众多。其中由于物体本身材料的不均匀性或存在缺陷,产生的超声信号噪声会影响应力的检测精度。以小波降噪算法为研究对象,对小波分解层数、阈值算法和阈值处理算法等影响小波降噪的三个条件进行综合分析。结果表明:当选用硬阈值算法对小波系数进行处理后重构的信号信噪比值整体比软阈值算法高很多;在选用无偏似然估计阈值和启发式阈值时,整体的降噪效果比使用固定阈值和极大极小阈值时好很多;并且在相同阈值处理和阈值算法下,降噪效果随着均随着分解层数的增加而降低。选用sym8小波,3层小波分解、无偏似然估计阈值和硬阈值处理是最优的降噪参数。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

小波降噪对汽车发动机噪声信号的处理方法研究

将以小波变换为理论基础的小波降噪技术应用于汽车发动机降噪,对含噪信号进行分解得到各层的小波系数并用阈值降噪法对其进行处理,去除噪声信号并对原信号进行重构。通过计算机仿真和结果分析对该方法进行验证,表明小波降噪技术在汽车发动机降噪中的可行性。     

声发射信号降噪及在裂纹检测中的应用研究

针对采用声发射技术评估疲劳裂纹断裂状态时存在噪声干扰,以及采用小波包阈值降噪方法或集合经验模态分解降噪方法处理信号时会受到阈值选取、模态分量等因素的影响等问题,对上述两种降噪方法的工作原理进行了分析。提出了将两者相结合的声发射信号降噪方法,根据声发射信号处理流程可分为IMF-WPT降噪方法、WPT-EEMD降噪方法和EEMD-WPT降噪方法;利用以上3种降噪方法对同一模拟含噪声疲劳断裂声发射信号进行了降噪处理,分别计算了降噪处理后信号的信噪比和失真度;分别进行了金属材料和焊接结构疲劳裂纹扩展试验,利用WPT-EEMD降噪方法对采集声发射信号进行了降噪处理。研究结果表明:WPT-EEMD降噪方法降噪后的信号信噪比为10.32,失真度为0.31%,降噪效果最好;该方法可以有效去除高频噪声的干扰,提高分析结果的可靠性。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

基于广义交叉阈值同步压缩小波的超声信号特征提取方法

利用超声无损检测技术,对轴的表面裂纹检测时,微小裂纹回波信号常常会被各种噪声掩盖,造成裂纹无法识别和定位。为解决这一问题,提出采用广义交叉阈值同步压缩小波变换方法对超声回波信号进行分析,从时频域中识别裂纹回波信号特征并进行定位。该方法在同步压缩小波变换基础上,利用广义交叉验证估计降噪的阈值水平,不依赖于任何先验知识。具体地,通过添加基于峭度测量的预处理步骤和基于自适应硬阈值处理的后处理步骤,提高了阈值处理的效率和时频域内的降噪效果,从而实现了噪声与特征信号的有效区分。将该方法应用于轴表面微小裂纹超声回波信号的特征识别,并与连续小波变换的结果进行了对比,结果表明所提出的方法能够更精确地识别裂纹并提取裂纹出现时间点,进而判断微小裂纹的具体位置。     

EEMD结合小波阈值的光电容积脉搏波信号降噪

为了研究脉搏波信号降噪的问题,文章提出了一种集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值相结合的降噪方法,对采集到的光电容积脉搏波信号来做降噪处理,同时和EMD结合小波阈值降噪算法进行比较。算法首先把信号做EEMD的分解,将原始信号分解为n个模态分量(Intrinsic Mode Function,IMF),然后对这些分量做相干性的计算,对其中的噪声分量来做小波阈值降噪,最后将信号重构。原始信号在STM32平台上采用MAX30100传感器测得。实验结果表明:本文的方法能够很好地剔除光电容积脉搏波中包含高频噪声与基线漂移的各种噪声,降噪后信噪比为34.09,均方根误差为1.99。提高了PPG信号的质量,为光电容积脉搏波信号的准确测量提供了新的思路。     

基于支持矢量机的小波域超声信号消噪技术

为了提高超声无损检测与无损评价基础数据的信噪比,提出一种基于支持矢量机模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理,以及分析传统裂谱分析算法局限性的基础上,利用小波变换方法将原始超声检测信号分解到小波空间,并通过采用以高斯函数为核函数的支持矢量机所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声,得到高信噪比的超声回波信号.试验结果表明,与传统裂谱分析算法相比,该技术提高了消噪性能的稳定性,增强了湮没材料内部各种散射体散射中的缺陷回波信号能力.     

小波阈值降噪与经验模态分解在信号瞬时特征提取中的应用

为了在信号瞬时特征提取过程中有效降低噪声干扰影响,提出一种基于小波阈值降噪和经验模态分解(EMD)的信号瞬时特征提取方法。根据信号特征选择适合的小波阈值函数进行降噪处理,然后对降噪信号进行EMD分解,以互相关系数作为判别依据,保留含有信号瞬时特征的本征模函数(IMF),并进行Hilbert时频谱图和边际谱图分析,最终完成信号瞬时特征的提取。     

基于小波变换的齿轮箱振动信号降噪处理

应用了小波变换理论和小波降噪的原理,对齿轮箱的振动信号进行了小波降噪处理,有效的从含有噪声的齿轮箱振动信号中提取出该信号更加准确和真实的故障特征,从而为提高齿轮箱故障诊断的准确性以及检测齿轮箱的早期微弱故障信号提供了重要的参考价值。通过对仿真信号的降噪处理,然后进行FFT变换,并且和没经过信号降噪处理就进行FFT变换的对比,显示了小波降噪的优越性。最后通过对齿轮箱的实际振动信号的降噪处理,进一步表明了小波降噪在消除噪声干扰方面有效性。     

基于小波分析的信号噪声的处理

分析了通信系统信号处理中噪声的小波分析特性,用一维小波分别对平稳信号和非平稳信号进行了分析和研究;提出了基于小波分析理论,利用小波变换对含噪信号进行小波分解,然后选取适当的阈值,对小波分解系数进行阈值量化,最后再对高低频系数重构,实现信号的降噪。并通过实例验证了小波分析方法对信号噪声处理的有效性。     

基于CEEMD与小波阈值的机械密封声发射信号自适应降噪方法

针对机械密封声发射信号容易受到环境噪声干扰,难以有效地从背景噪声中分离的问题,提出将互补集合经验模态分解(CEEMD)与改进小波阈值降噪方法相结合的声发射信号自适应降噪方法。根据白噪声经经验模态分解(EMD)后其固有模态函数分量的能量密度与其平均周期的乘积为一常数的特性,自适应地判定CEEMD信噪分量的分界点;为避免小波原阈值函数的缺陷,应用改进小波阈值函数对高频IMF分量进行降噪处理,然后同其余的IMF分量进行信号重构,完成降噪过程。对仿真信号和采集的机械密封声发射信号的降噪结果,证明了该降噪方法的有效性和可行性。     

基于小波半软阈值和EMD的旋转机械故障诊断

将小波半软阈值法和经验模态分解(EMD)结合,提出了基于小波半软阈值的经验模态分解降噪方法。该方法首先利用小波半软阈值法减少随机噪声干扰,减小经验模态分解的分解层数及边缘效应的影响,然后进行适当的经验模态分解相关度消噪后处理,在有效降噪的同时较好地保存了原信号的有用信息。仿真和实验结果表明,该方法可实现噪声环境下旋转机械故障特征的有效提取,从而实现故障诊断。     

基于小波分析的MEMS陀螺仪信号降噪算法研究

MEMS陀螺仪由于制造工艺比较简单,故在性能上存在精度低、噪声高、误差大等问题。为了获得精确的陀螺仪信号,采用了小波阈值降噪法对MEMS陀螺仪的输出数据进行实时消噪处理。围绕选择最优小波基、最佳分解层数和阈值函数等方法对陀螺仪信号进行降噪,并通过MATLAB进行仿真分析。仿真结果表明,采用小波降噪误差减小了近73.95%,肯定了小波阈值去噪方法在MEMS陀螺仪噪声处理中的理想效果。     

基于EEMD分解和改进小波阈值降噪的齿轮故障诊断

针对齿轮箱振动信号易受噪声影响以及齿轮箱振动信号比较复杂的特点,提出基于EEMD分解和改进小波阈值降噪的齿轮故障诊断方法。首先对经过EEMD分解的IMF分量中的高频分量进行改进小波阈值降噪处理,重构信号后得到降噪信号。实验结果表明应用该方法可以较为准确地识别齿轮故障。     

基于小波相关滤波-包络分析的早期故障特征提取方法

噪声是影响齿轮、滚动轴承等机械设备早期故障诊断正确性的主要因素,利用小波相关滤波法的降噪特性,将小波相关滤波降噪方法和Hilbert包络谱分析相结合,提出了小波相关滤波.包络分析的早期故障特征提取新方法,即首先利用小波相关滤波方法作为包络分析的前置处理手段提取振动信号的微弱故障信息特征,以求得信噪比较高的小波系数;然后对高频段尺度域的小波系数进行Hilbert包络细化谱分析,得到早期故障的特征频率.仿真信号和诊断实例分析结果表明,该方法比直接小波系数包络分析法更能有效抑制噪声,凸现早期故障频率.     

基于奇异值分解和小波分析的飞行数据野值综合处理方法

通过分析无人机数据记录仪记录参数的特点及野值产生的原因,提出了一种在噪声条件下采用奇异值分解和小波分析相结合的综合检测野值方法,即先用信号的奇异值阀值降噪算法来对飞行数据进行降噪处理;处理完后再用小波分析方法对降噪后的信号进行野值的检测,这样所得到的信号序列能准确提取出无人机记录仪所接收到的信号。仿真实验表明,该方法不仅降噪效果明显,而且能准确地检测并剔除接收信号中存在的野值。     

基于小波除噪和经验模式分解的信号分析方法

经验模式分解是一种自适应分解算法。通过对常见信号的经验模式分解结果进行分析,发现信号中包含的噪声对分解结果影响较大。在此基础上,提出一种小波除噪与经验模式分解相结合的信号分析方法。该方法充分利用小波变换的降噪功能和经验模式分解的自适应分解能力,能真实地反映信号特征,为基于信号分析的故障诊断提供了一种可行的途径。