一种新的窄带信号去噪方法仿真分析

采用基于线性组合器的一种谱线增强算法,对窄带振动信号进行消噪处理。针对传统自适应谱线增强算法的不足,本文提出一种输出反馈的LMS算法,将滤波器输出的历史信息与线性组合器的输出加权后迭加,构成新的滤波器输出,从而构成新的滤波算法。利用MATLAB仿真了该新型组合滤波器消噪效果,仿真分析中将该消噪方案用于仿真信号实际采集的信号。通过仿真验证,新算法的去噪性能优于原来算法。     

一种新的声发射信号消噪及故障诊断方法

在旋转机械故障诊断中,声发射信号极易受到噪声的干扰。针对经验模态分解(EMD)易产生模态混叠现象,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的消噪和旋转机械声发射碰摩故障诊断的方法。利用了EMD和小波变换的优点,通过对傅里叶频谱进行自适应划分,并构建小波滤波器组来提取声发射信号所包含的不同固有模态分量,可有效消除模态混叠现象,同时对分量进行Hilbert变换从而实现声发射信号的消噪和故障诊断。采用该方法对仿真信号进行加噪声和消噪处理,在同信号源下,对比基于d B4全阈值消噪、d B4默认软阈值消噪、d B4对高频系数处理消噪和EMD消噪效果。并将该方法应用到实际的声发射碰摩信号中。仿真和实验分析结果表明:EWT方法可以有效地分解出信号的固有模态,分解出的模态少,并且不存在难以解释的虚假模态,消噪效果优于其他方法,并且在声发射故障诊断中也有较大的优势。     

基于小波变换心电信号去噪在计量中的研究

该文提出一种针对心电信号（ ECG）中存在的基线漂移、工频干扰、肌电干扰等噪声设计的消噪算法,在计量中实现ECG信号噪声最优处理。采用Mallat算法抑制基线漂移,基于最优阈值法滤除工频干扰,采用Mal-lat算法和最优阈值法滤除肌电干扰。同时利用MIT-BIH国际标准数据库中ECG信号、人体采集ECG信号和程序模拟ECG信号分别对算法进行仿真和实验验证。结果表明该算法优于单一小波消噪法,不仅对三种主要噪声有较好抑制作用,而且能很好保留ECG波形特征,确保计量准确可靠。     

双自适应提升方法用于洞壁加速度信号消噪

摘要：爆炸应用波对岩土洞壁所产生的加速度随着能量和时间的变化表现出非平稳的特性,由于加速度传感器的内阻高、输出信号小,容易受到环境噪声的影响,实测加速度曲线中存在大量的噪声信号。文中采用一种双自适应提升的小波变换方法对加速度信号进行消噪处理,在提升过程中采用自适应的方法设计更新算子和预测算子,并采用半软阈值法消噪。实验结果表时,双自适应提升小波变换结合半软阈值消噪方法与传统小波变换消噪方法相比,消噪后加速度信号的信噪比（SNB）有所提高,并且保留了突变信号部分信息量,基于提升方法也大大提高了算法灵活性,缩短计算时间。     

基于EMD间隔阈值消噪与极大似然估计的滚动轴承故障诊断方法

针对小波阈值消噪用作滚动轴承故障信号处理存在小波基函数较难选择及传统硬阈值、软阈值消噪效果差等缺点,将EMD间隔阈值消噪与极大似然估计相结合,应用于滚动轴承早期微弱故障诊断。对原始信号进行EMD分解;对各IMF进行基于极大似然估计的间隔阈值消噪,并重构出故障信号;进行包络谱分析得出诊断结果。数字仿真信号与实验信号验证了该方法的有效性。     

基于ICA-CEEMD小波阈值的传感器信号去噪

针对传感器在采集信号时混入不同的噪声,提出一种基于ICA-CEEMD小波阈值的组合去噪算法。该方法是对一维含噪信号进行剪切分段、平移和拼接,得到几个不同的含噪信号作为独立分量分析(ICA)的输入通道信号。通过ICA的盲源分离技术使得信号和噪声进行初步分离。再利用互补集合经验模态分解(CEEMD)对分离信号进行分解去噪,由于不同的高频和低频噪声,需要对分解的高阶和低阶固有模态函数(IMF)进行处理。对第一层和最后一层IMF利用3σ原则提取细节信息,进一步抑制模态混叠影响,重构去噪信号。最后,利用小波阈值对重构信号做去噪处理,提升去噪效果和性能指标。为验证该方法的有效性,进行了仿真和中北大学汾机实测实验,结果表明,该方法在去噪效果和性能指标上都优于小波软阈值去噪和基于CEEMD的小波阈值去噪方法,是一种有效的信号去噪新方法。     

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME（平均方差）都有所改善。另外本文实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。     

一种改进的窄带信号降噪算法及其应用

提出一种改进的基于FFT窄带信号频域降噪算法,并研究了其在宽带信号分段滤波中的应用。针对传统的基于FFT窄带信号频域去噪方法的不足,首先估计出信号频率与量化频率点的偏离程度,然后对信号进行频移,使信号频率尽量接近量化频率点,再进行频域滤波,并对滤波后信号逆向频移恢复原信号。最后,采用这种基于频移的窄带信号降噪算法对宽带信号进行分段滤波处理。Matlab仿真表明,改进的算法在不同的频率段内性能,且明显优于传统的窄带信号频域去噪算法。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。     

基于改进小波包算法的水声信号消噪与重构研究

水声对抗包括主动声呐对抗和被动声呐对抗。为了实现干扰器材的最佳作战效能，干扰信号的产生必须适应水声探测技术的发展趋势-非线性时变和宽带的特征。小波分析是非线性时变信号处理领域的有用工具。文章研究了最优小波包基算法以及非正交小波包基追踪算法在声呐信号消噪与重构中的应用，数值仿真验证了算法的适应性及稳定性。     

测量系统小波与神经网络联合去噪研究

本文将神经网络的非线性阈值单元和训练方法引入小波去噪中 ,提出了一种具有阈值自学习能力的小波与神经网络联合去噪方法。这一方法的去噪阈值能够根据训练信号进行学习 ,有利于针对实际系统寻找较优的去噪阈值 ,适用于对确定系统的测量信号进行去噪。文中给出了相应的训练算法并对该方法的有效性进行了检验。     

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

小波变换与卡尔曼滤波结合的RLG降噪方法

针对激光陀螺随机游走噪声其非平稳和非正态分布的特性,提出了基于小波变换的卡尔曼滤波的RLG降噪方法,该方法既具有小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,实现了激光陀螺随机游走噪声的实时多尺度分解和最优估计。实测激光陀螺零偏信号去噪的结果表明,基于小波变换的卡尔曼滤波器使随机游走噪声的标准差降低了10.3%,降噪效果优于传统的卡尔曼滤波器。     

小波分析在微弱信号测量中的应用研究

处理低信噪比的测量信号的关键是去除噪声，小波阈值消噪法是较为实用的一种处理方法。分析了Donoho的去噪阈值函数的优劣，基于sigmoid函数构造了一个新的阈值函数，该函数克服了硬阈值函数的分段性及软阈值函数的恒定偏差及导数不连续的弱点。对低信噪比的3种典型信号进行对比去噪仿真实验，结果表明该函数的去噪效果优于Donoho的阈值函数去噪以及传统的快速傅里叶变换去噪。     

小波域降噪方法及其在历史音频保护中的应用

提出基于小波包变换的自适应多阈值音频降噪法,从小波包最佳分解树的各个终端结点选择不同的最佳阈值。而最佳阈值的选取是基于贝叶斯理论,并且采用折中阈值函数。实验和应用表明,相比小波包全局阈值降噪算法,此种降噪方法能使降噪后的音频保留尽可能多的原始音乐信号,较好地适合听众的听觉效应,满足历史音频资料数字化保存的需要。     

EMAT noise suppression using information fusion in stationary wavelet packets

An important issue in ultrasonic nondestructive testing is the detection of flaw echoes in the presence of background noise created by instrumentation and by clutter noise. Signal averaging, autoregressive analysis, spectrum analysis, matched filtering, and the wavelet transform have all been used to filter noise in ultrasonic signals. Widely-used wavelet threshold estimation algorithms are not designed for electromagnetic acoustic transducer (EMAT) pulse-echo signals, and therefore do not exploit their unique impulse nature. The approach to ultrasonic signal filtering proposed in this paper is based on stationary wavelet packet denoising with a threshold influenced by several information sources: a statistical echo detection, the amplitude distribution of the wavelet transform coefficients, and a priori known system frequency characteristics. The proposed method was evaluated on signals measured with EMAT probes and under various SNR conditions; it outperforms the wavelet transform with the Stein unbiased risk estimate (SURE) threshold estimation method and split-spectrum processing (SSP). The results indicate SNR enhancement of 19 dB with real EMAT data.     

小波神经网络阈值自学习在信号去噪中的应用

针对某一确定数据采集系统中小波去噪时的阈值选择,提出以小波神经网络加标准信号来标定去噪阈值的方法,从而提高对信号的去噪性能。对于确定的数据采集系统,信号噪声主要来源于系统本身,而且在短时间内系统可视为时不变的。首先给系统一个标准信号输入,将系统的输出输入到小波神经网络,在给定的噪声熵下训练网络使其熵最小,从而得到相应的去噪阈值,仿真实验表明该方法较一般的去噪方法效果好。     

小波去噪中噪声估计失真判别方法

研究小波阈值去噪时存在的噪声估计失真问题。当采用常见的阈值确定方法对含有较强高频分量的信号进行小波去噪时,小波分析的频带能量泄漏现象会导致噪声估计失真,从而使小波阈值去噪出现较大的偏差。从小波分解的d1细节层和d2细节层的相关性角度,揭示d2细节层频带能量泄漏对噪声估计影响的规律,提出根据d1、d2细节层的最大相关系数判别噪声估计失真的方法。最后,给出解决噪声估计失真的方法。实验表明,该方法可以很好地判别小波去噪中是否出现噪声估计失真,可以避免出现去噪后信号有用信息损失严重的问题。     

改进的小波阈值去噪方法及其在MATLAB中的仿真

对比分析各种小波去噪方法,在此基础上构造一个新的阈值函数,并对阈值的选取做了一定的改进利用MATLAB软件进行信号降噪仿真实验,结果证明改进后的方法优于传统方法,取得较好的去噪效果。