光纤温度传感系统中信号去噪方法

针对光纤温度传感系统采集的温度信号噪声较大的问题,分析了温度采集过程中干扰噪声信号的特点、滑动平均滤波和小波变换两种方法对信号去噪的效果.针对采集的温度信号,选择合适的小波去噪方法,并确定了最优的小波基和分级层数,将经过平移滑动滤波算法处理后的温度信号,进一步进行小波去噪处理,并将均方根误差(RMSE)、信噪比(SNR)及去噪信号的平滑度指标R,作为判定去噪效果的依据.实验结果表明:综合去噪算法能够有效去除有用信号中的干扰噪声,在信号无失真的情况下信噪比可以提升10～12 dB.     

基于品质可调小波去噪的低速滚动轴承故障诊断

针对低速运行滚动轴承故障特征易被噪声湮没的问题,提出了一种基于可调品质因子小波分解的分层自适应阈值去噪方法,并将该方法与包络谱分析相结合,对低速轴承进行故障分析与诊断;首先,将采集到的轴承振动信号进行TQWT分解,得到分解后的各层小波系数;然后,利用Sigmoid函数构造分层自适应阈值函数,并利用该阈值函数对TQWT的高频系数进行阈值去噪处理;最后,结合去噪后的高频小波系数和低频小波系数对信号进行重构,得到去噪后的轴承振动信号;通过仿真故障信号,模拟故障实验信号和实测故障信号分别进行了去噪实验分析;实验结果表明,经典的软阈值函数和硬阈值函数相比,该方法能获得更好的去噪效果,在降低噪声干扰的同时,有效保留了轴承的故障特征信息,去噪后信号的包络谱,可以清晰地呈现故障的频谱特征,并观察到故障特征的多倍频峰值,且峰值附近干扰很少,有效提高了轴承早期故障的诊断精度;在仿真信号实验中,与软阈值、硬阈值函数相比,该方法去噪后,具有更高的信噪比(SNR)和更低的均方根误差(RMSE),与硬阈值函数相比,此方法的SNR平均增加了4.149 1,RMSE平均下降了0.132 9;与软阈值函数相比,该方法的...     

基于自适应稀疏表示的光谱去噪和基线校正

通过分析光谱信号特征,结合稀疏表示理论,提出了一种自适应稀疏表示的光谱去噪方法.该方法对信号分段构造学习样本,分别用OMP法和K-SVD法初始化和过训练原子库.将光谱信号在新的原子库上进行自适应稀疏分解,实现光谱信号去噪.利用信噪比(SNR)、均方根误差(RMSE)、波形相似度(NCC)、峰值平均相对误差(AREPV)四个指标来评价去噪效果.仿真实验结果表明,与小波软阈值和小波硬阈值方法相比,该方法能更好地同时消除噪声和基线漂移.     

车载光电测量平台晃动监测数据分析

车载环境下由于加速度计自身和外界环境干扰等因素的影响,真实的加速度信号叠加了大量干扰信号。针对加速度计信号特点,采用小波阈值去噪对加速度计信号进行了滤波处理。建立一个振动信号模型,将真实的加速度计的输出噪声作为干扰成分叠加到该模型上,选择较优的小波参数,对仿真信号进行小波阈值去噪,去噪后信噪比（SNR）由4．24dB提高到20．45dB,均方根误差（RMSE）由0．051改善到0．0081。据此对真实加速度计输出信号进行去噪处理,实验结果表明：小波阈值去噪对加速度信号具有良好的滤波效果。     

基于改进小波阈值函数的闪电电场信号去噪研究

为了减少噪声对闪电电场信号的影响,进一步提高闪电资料的可靠性,提出了一种基于改进小波阈值函数的闪电电场信号去噪方法.该方法通过调整参数a使其具备了软、硬阈值的优点,并克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的缺陷.使用本文的改进小波阈值函数法对不同噪声强度的标准闪电波形和实测闪电电场信号进行了去噪 研究,并用信噪比(SNR)和均方根误差(RMSE)对去噪效果进行了定量分析.实验结果表明,与硬阈值、软阈值、半软阈值和Garrote阈值法相比,所提方法对闪电电场信号去噪效果更加显著,而且能较好的保留信号的细节信息和基本特征.     

平移不变小波在心音信号去噪中的应用

小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。     

基于EEMD的脉搏信号改进阈值去噪研究

针对脉搏信号的非线性、非平稳特性,及其干扰源的分布特点,提出一种基于聚合经验模态分解(EEMD)和小波阈值去噪的改进算法。根据脉搏信号在各固有模态函数(IMF)上的分布特点,在有效滤除高频干扰的同时,采用网格搜索对低频IMF分量进行阈值选取去噪,有效去除其低频噪声,实现自适应且有效的脉搏信号去噪处理。仿真与实测结果表明,基于EEMD的改进阈值去噪算法可有效滤除脉搏信号中常见的白噪声、工频干扰、基线漂移、呼吸效应,明显改善了脉搏信号的去噪效果,且极大程度地保留了脉搏信号的内在性质,为脉搏信号预处理提供了一种有效手段。     

一种基于小波变换的红外导引头信号检测方法

针对某型号红外导引头信号的检测问题,提出了一种基于离散平稳小波变换的微弱脉冲信号检测方法.根据有用脉冲信号与噪声信号在频谱特性上的差异,对导引头信号进行多尺度的离散平稳小波变换,利用分解后得到的低频近似信号逼近信号中的低频噪声来滤出低频噪声的干扰,同时采用阈值去噪的方法处理信号中的白噪声.将该方法应用于仿真信号和真实导引头信号检测,仿真实验结果表明:该方法在有效克服传统离散正交小波变换去噪时容易产生的Gibbs现象的前提下,极大地提高了导引头信号的信噪比,增强了导引头的探测能力.     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

基于自适应提升小波的漏磁信号降噪

为了解决在故障诊断中漏磁信号的噪声干扰问题,在研究了提升小波基本理论原理和特点的基础之上,提出了自适应提升小波的改进算法,并在阈值处理时引入了综合门限阈值法。应用该算法对实际采集的钢丝绳漏磁信号进行去噪处理,并将该去噪效果与现用的传统小波去噪效果进行了比较。仿真结果表明,基于自适应提升小波方法的方案比传统小波变换有更好的去噪效果。     

基于EEMD和WT的运动想象脑电信号消噪方法

采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号.为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相结合的消噪方法.改进小波阈值法采用了新的阈值选取规则和阈值函数.首先对信号进行EEMD分解,然后再对高频固有模态函数IMF(Intrinsic Mode Functions)进行改进小波阈值处理,最后将处理后的高频IMF分量和低频IMF分量进行重构得到消噪信号.以信噪比和均方根误差作为消噪效果的定量评价指标,将本文提出的方法与单纯使用EEMD分解消噪法、单独使用改进小波阈值消噪法、EMD与改进小波阈值法相结合消噪法进行比较,结果表明,本文提出的消噪法优于其他三种消噪法.     

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

A novel wavelet seismic denoising method using type II fuzzy

Wavelet based denoising of the observed non stationary time series earthquake loading has become an important process in seismic analysis. The process of denoising ensures a noise free seismic data, which is essential to extract features accurately (max acceleration, max velocity, max displacement, etc.). However, the efficiency of wavelet denoising is decided by the identification of a crucial factor called threshold. But, identification of optimal threshold is not a straight forward process as the signal involved is non-stationary. i.e. The information which separates the wavelet coefficients that correspond to the region of interest from the noisy wavelet coefficients is vague and fuzzy. Existing works discount this fact. In this article, we have presented an effective denoising procedure that uses fuzzy tool. The proposal uses type II fuzzy concept in setting the threshold. The need for type II fuzzy instead of fuzzy is discussed in this article. The proposed algorithm is compared with four current popular wavelet based procedures adopted in seismic denoising (normal shrink, Shannon entropy shrink, Tsallis entropy shrink and visu shrink).It was first applied on the synthetic accelerogram signal (gaussian waves with noise) to determine the efficiency in denoising. For a gaussian noise of sigma = 0.075, the proposed type II fuzzy based denoising algorithm generated 0.0537 root mean square error (RMSE) and 16.465 signal to noise ratio (SNR), visu shrink and normal shrink could be able to give 0.0682 RMSE with 14.38 SNR and 0.068 RMSE with 14.2 SNR, respectively. Also, Shannon and Tsallis generated 0.0602 RMSE with 15.47 SNR and 0.0610 RMSE with 15.35 SNR, respectively. The proposed method is then applied to real recorded time series accelerograms. It is found that the proposal has shown remarkable improvement in smoothening the highly noisy accelerograms. This aided in detecting the occurrence of ‘P’ and ‘S’ waves with lot more accuracy. Interestingly, we have opened a new research field by hybriding fuzzy with wavelet in seismic denoising.     

基于自适应分解层数和阈值的小波去噪算法

为了更好地降低电能质量扰动信号中的噪声,提出了一种基于自适应分解层数和阈值的小波去噪算法.通过计算小波细节系数的峰值比,自适应地确定最佳小波分解层数,根据各层细节系数中有用信息和噪声信息的分布特性以及细节系数的正、负峰值比,动态调整各层细节系数的上、下阈值.应用Matlab对暂态振荡和脉冲信号进行去噪处理,并与传统硬、软阈值算法和一种改进小波阈值算法相比.结果表明:本文提出的自适应分解层数和阈值的小波去噪算法得到的信噪比和均方根误差均优于以上3种方法,重构后信号更接近原始信号,并且较好地保留了扰动期间信号的特征信息.     

小波分析在激光多普勒信号检测中的应用

为了有效的消除人体激光多普勒信号的噪声,提出了一种利用小波变换的方法对信号进行处理.通过研究多尺度小波变换和小波包变换的工作原理和消噪流程,利用Matlab对实际信号分别进行强制消噪、默认阈值消噪、给定软阈值消噪仿真,仿真结果表明,两种小波变换方法均可以有效地消除信号中的噪声.提高信噪比,适用于背景噪声强的人体信号的提取,并可推广到其他强噪声环境下对微弱信号进行提取,具有广泛的应用价值和现实意义.     

基于EEMD和模糊阈值的去噪方法

为了提高EEMD分解中噪声主导模态的去噪效果,利用模糊隶属度的优势,提出了一种EEMD和模糊阈值相结合的去噪方法。首先用二范数计算各个本征模态函数(IMF)与观测信号的概率密度函数(PDF)之间的相似度,得到噪声主导的IMF;然后对噪声主导的IMF进行模糊阈值处理,以去除IMF中的噪声;最后将所有的IMF重构得到消噪信号。分别采用仿真信号和ECG信号进行去噪实验,结果均表明,所提方法的去噪效果整体上优于小波半软阈值方法和基于EMD的间隔阈值(EMD-IT)方法。     

基于盲源分离的超声信号去噪的仿真研究

提出一种新的基于盲源分离的超声信号去噪方法.为了验证去噪方法的有效性,应用此方法处理了仿真的超声信号,并与小波去噪的效果进行了比较.实验结果表明:该去噪方法能极大提高超声信号的信噪比,且其效果能与小波去噪方法相媲美,其特点是通过超声信号和噪声信号的盲源分离实现噪声消除.     

基于希尔伯特-黄和小波包的UWB信号检测方法

针对希尔伯特-黄变换在超宽带脉冲检测中检测性能受限于信噪比的问题,研究并分析了筛选终止条件以及小波包去噪方法,结合新终止条件,给出了希尔伯特-黄变换与小波包分析联合检测的新方法。采用新方法对噪声中的超宽带信号进行检测分析,并运用均方根误差公式对该方法的检测性能进行仿真比较。仿真图表明,新方法能较为准确地重构出淹没在强噪声下的脉冲,成功克服HHT变换在检测超宽带脉冲时受噪声强度影响较大的问题,从而改善强噪声环境下脉冲信号的检测效果。