基于双树复小波变换和形态滤波的PPG信号去噪方法

脉搏信号包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪算法的缺陷,本文提出了一种基于双树复小波变换和形态滤波的去噪算法,具有结构简单、数学含义清晰及计算复杂度低等优点,有效的克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效的去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

基于线调频小波变换的旋转机械故障诊断

小波变换在设备故障信号处理中得到广泛地应用,然而,小波变换只能消除白色噪声,对有色噪声不起作用.线调频小波变换统一了短时Fourier变换和小波变换的时频分析,是信号的时间-频率-尺度变换,能根据信号的特点自适应生成新的时频窗口.它不仅具有小波变换良好的时频局部性特点,而且它的时频窗口比小波变换的时频窗口更加灵活.本文应用线调频小波变换对旋转机械故障信号进行消噪,效果明显.     

自适应提升小波变换在心音信号预处理中的应用

通过构造提升小波变换的预测滤波器和更新滤波器,将自适应提升小波变换用于心音信号的预处理,提升小波变换不仅保留了小波变换在信号处理中的优势,而且可以提高信号处理的速度,可以在心音信号的实时处理中起到很好的去噪效果.通过仿真实验对实际采集的几十组心音数据进行了去噪处理,结果表明,该方法在去噪效果和处理速度上都有着明显的优势,在心音的实时采集中有很重要的应用价值.     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

基于小波变换的车轮力传感器信号的去噪研究

在汽车道路试验中，通过多维车轮力传感器（WFT）可以测量每个轮所受的各维力和力矩。在测量过程中，信号会不可避免地受到各种噪声的干扰，而且，在将测量数据从车轮坐标系转换到车辆坐标系时，车轮转角的误差使测量结果产生了更严重的噪声。这些宽带随机噪声严重影响了车辆性能的分析。小波分析是一种信号的时间-尺度分析方法，特别适合于非平稳信号的分析，具有多分辨率分析特性，而且在时频两域都具有表征信号局部特征的能力。针对车轮力信号的特点，在MATLAB环境下编程进行车轮力信号小波变换去噪研究，试验结果表明，在选择了适当的小波基本函数和阈值的情况下，采用小波变换的闻值去噪方法对多维车轮力信号进行去噪处理，可以取得良好的效果。     

一种改进的基于小波变换的包络提取算法研究

结合“模极大值小波域去噪”原理，提出了一种基于小波变换和希尔伯特变换的包络提取算法。首先用小波变换作为包络分析的前置处理手段，再利用希尔伯特变换对处理后的信号进行包络提取。针对希尔伯特变换解包络的不足，采用模极大值小波域去噪算法对包络信号进行消噪，从而解决了一般算法难以解决的由于随机噪声的干扰造成的提取的包络轮廓信息粗糙的难题。实验结果表明，该方法可以精确提取信号的包络并通过包络细化谱分析全面获得信号所隐古的故障特征。     

小波消噪及其在氮爆式液压破碎锤测试中的应用

本文简述了小波分析理论及基于小波变换的去噪方法 ,针对氮爆式液压破碎锤测量信号非平稳时变特点 ,对其进行小波分析处理。结果表明 ,经过小波消噪后的信号具有更好的可读性及更佳的分析利用价值     

油液磨粒超声回波信号的双树复小波去噪研究

超声回波信号反映了润滑油中磨粒的大量信息。为了提取淹没在强噪声环境下的超声回波信号,提出了一种基于双树复小波变换(DT-CWT)的油液磨粒超声散射回波信号去噪新方法。利用双树复小波变换具有近似平移不变性和有效去噪等优点,首先对超声散射回波信号进行双树复小波分解,然后对分解得到的高频系数进行阈值处理,最后进行双树复小波重构。结果表明:分解层数为6层时,去噪后信号的信噪比更高、均方误差更小、相似系数更大、幅值最大偏差更小。双树复小波变换硬阈值去噪效果比传统小波去噪效果明显好。     

基于LabVIEW的小波变换在信号去噪中的应用研究

通过在LabVIEW中建立db小波去噪程序,测试了小波变换对不稳定信号的滤波效果,在此基础上加入Butter Worth滤波器,对比分析了小波变换和傅立叶变换去噪的不同点,结果表明LabVIEW的信号处理模块可完全满足信号滤波程序的开发,而无需通过调用Matlab Script节点来实现小波变换。     

DT-CWT相关滤波在齿轮箱故障诊断中的应用

根据小波系数的相关分析理论,提出了基于双树复小波变换的小波相关滤波法。该方法根据相邻层小波系数的相关性,通过迭代过程自适应地进行滤波,能够在达到良好降噪效果的同时保留微弱故障特征信息。对降噪后的信号进行希尔伯特包络分析便可准确得到故障特征频率。试验信号分析与工程应用结果表明,该方法能够有效提取强背景噪声下的齿轮箱轴承早期故障特征信息。     

Adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain for scanning electron microscope images

Image processing is introduced to remove or reduce the noise and unwanted signal that deteriorate the quality of an image. Here, a single level two‐dimensional wavelet transform is applied to the image in order to obtain the wavelet transform sub‐band signal of an image. An estimation technique to predict the noise variance in an image is proposed, which is then fed into a Wiener filter to filter away the noise from the sub‐band of the image. The proposed filter is called adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in the wavelet domain. The performance of this filter is compared with four existing filters: median filter, Gaussian smoothing filter, two level wavelet transform with Wiener filter and adaptive noise Wiener filter. Based on the results, the adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain has better performance than the other four methods.     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

小波降噪技术在柴油机故障诊断中的应用

在柴油机的故障诊断中,对其振动信号的分析是柴油机故障诊断的重要手段,但是由于噪声的干扰而使诊断的精度大打折扣,而传统的傅里叶低通滤波降噪方法对于柴油机这样的非平衡复杂振动信号不能起到好的降噪作用。本文采用小波降噪技术,将柴油机缸盖振动信号进行小波多尺度分解,然后分别进行阈值处理,最后进行小波重构,剔除柴油机的噪声信号,提高信号的信噪比,获得了比较理想的效果。     

Study on denoising filter of underwater vehicle using DWT

In the step processing a digitalized signal,noises are generated by internal or external causes of the system.In order to eliminate these noises,various methods are researched.Among these noise elimination methods,Fourier fast transform （FFT） and short-time Fourier transform （STFT） are widely used.Because they are expressed as a fixed time-frequency domain,they have the disadvantage that the time information about the signal is unknown.In order to overcome these limitations,by using the wavelet transform that provides a variety of time-frequency resolution,multi-resolution analysis can be analysed and a varying noise depending on the time characteristics can be removed more efficiently.Therefore,in this paper,a denoising method of underwater vehicle using discrete wavelet transform （DWT） is proposed.     

基于小波和神经网络的视觉诱发电位识别方法

在基于瞬态视觉诱发电位的脑机接口研究中，通过视觉诱发电位信号的提取与识别产生脑机接口控制信号。采用累加平均和小波滤波提取强噪声背景下微弱的视觉诱发电位。在小波变换域求取特征向量，将特征向量输入感知器进行视觉诱发电位模糊识别，产生脑机接口控制信号。实验表明，小波变换域特征向量提取方法能有效地实现信号的去噪、降维和特征提取，基于神经网络的模糊识别算法能比较准确地识别视觉诱发电位，有利于提高脑机接口的通讯率。     

基于LabVIEW的摩擦噪声测试系统

虚拟仪器(VirtualInstrument,简称VI)是现代计算机软件技术、通信技术和测量技术相结合的产物。LabVIEW语言是美国NI公司推出的一款功能强大的虚拟仪器开发平台。小波变换的主要特点是通过变换能够充分突出某些方面的特征,它是研究信号时-频分析的重要方法。设计和实现了基于LabVIEW、利用小波变换的噪声测试系统;通过该测试系统可以对摩擦噪声进行测量和分析,有利于深入了解摩擦机理,改善摩擦条件,促进环保事业。     

超声无损检测中的缺陷识别与噪声抑制

在传统的小波信号处理器基础上,根据解析小波变换能准确提取信号相位的特性,利用超声检测信号的相位信息,提出一种新的多缺陷识别与噪声抑制算法。该算法充分运用超声信号的时域、频率和相位信息,能检测多个具有不同频谱特性的缺陷。实验结果表明该算法不仅消噪性能好,而且提高了缺陷的纵向分辨率。     

Application of Hermitian wavelet to crack fault detection in gearbox

The continuous wavelet transform enables one to look at the evolution in the time scale joint representation plane. This advantage makes it very suitable for the detection of singularity generated by localized defects in the mechanical system. However, most of the applications of the continuous wavelet transform have widely focused on the use of Morlet wavelet transform. The complex Hermitian wavelet is constructed based on the first and the second derivatives of the Gaussian function to detect signal singularities. The Fourier spectrum of Hermitian wavelet is real; therefore, Hermitian wavelet does not affect the phase of a signal in the complex domain. This gives a desirable ability to extract the singularity characteristic of a signal precisely. In this study, Hermitian wavelet is used to diagnose the gear localized crack fault. The simulative and experimental results show that Hermitian wavelet can extract the transients from strong noise signals and can effectively diagnose the localized gear fault.     

Classification of acoustic noise signals using wavelet spectrum based support vector machine

Harsh noises come from air-conditioning units are chronic complaining issues to their users. Individual perceptions of noise levels have been generally quantified by means of subjective evaluation such as a jury test. This article proposes a classification approach to acoustic noise signals using a wavelet spectrum analysis. We derive energy spectrums of noise signals using a discrete wavelet transform at pre-specified window length. The energy spectrums are a linear form and represented by a Hurst parameter as an informative summary of long-range dependent signal data. The Hurst parameter controls the self-similarity scaling as well as the degree of long-range dependence. We estimate the Hurst parameter through the least squares regression of sample energy against a resolution level in the wavelet spectral domain. In the context of multi-class classification problem, the classification of noise signals is performed by a nonlinear support vector machine (SVM) for parameter estimates of linear energy profiles containing the Hurst parameter. In an application example of air-conditioner noise signals, empirical results show that the proposed method offers the higher level of accuracy in acoustic noise sound classification.