基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤渡相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号.研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征.     

强噪声背景下基于振动信号分析的齿轮故障诊断

煤矿机械齿轮传动过程中,齿轮振动信号因摩擦力、刚度非线性等因素表现出非平稳特征的同时还受工况现场的强噪声干扰,如何在强噪声背景下,有效提取故障信息、识别故障类型是该类故障诊断的关键。提出一种强噪声背景下基于振动信号分析的齿轮故障诊断方法,该方法包括小波阀值降噪处理、总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)熵特征提取、概率神经网络(Probabilistic Neural Network,PNN)识别三个过程。利用小波阀值降噪对采集到的振动信号进行去噪处理;对去噪后信号进行EEMD分解,得到一组消除模态混叠的固有模态函数(Intrinsic Mode Function,IMF)分量,并提取前3个IMF分量的样本熵特征作为故障特征信息;最终结合PNN实现强噪声背景下的齿轮故障诊断。实验结果表明:文中提出的方法可以实现强噪声背景下齿轮故障的准确识别,识别率可以达到90%以上,是一种有效的齿轮故障识别方法。     

基于最优Morlet小波的滚动轴承故障诊断

将最优Morlet小波和阈值降噪法相结合,进行强噪声背景下滚动轴承故障诊断.依据峭度最大准则确定最优Morlet小波基.利用连续小波变换和软阈值法对振动信号降噪.试验表明,该方法具有良好的去噪性能,并能更好地提取滚动轴承振动信号中的故障特征.     

一种改进的转子振动信号消噪方法研究

为提高转子振动信号消噪方法的性能,通过分析噪声成分和对应消噪方法的特点,提出了一种基于改进中值滤波与小波包消噪技术相结合的信号降噪新方法.该方法首先根据信号采样频率计算中值滤波器的窗口宽度,从而可以有效滤除含噪信号中的脉冲噪声和部分白噪声;然后再用阈值及其处理函数都经过改进的自适应小波包消噪方法去除残留在信号中的白噪声,最终得到信噪比提高的振动信号.通过仿真信号和转子实验振动信号的降噪处理,对新方法的性能进行了验证.降噪结果表明,该方法在有效消除混合复杂噪声对振动信号干扰的同时,保留了故障信号的细节特征,比一般的小波域中值滤波降噪方法更为有效.     

基于SVD-高斯小波的振动信号非平稳特征提取方法

分析了高斯小波及其滤波特性,结合小波变换技术和奇异值分解技术,提出了基于奇异值分解和高斯小波的滤波消噪方法,解决了传统小波去噪方法的不足。该方法可以很好的降低噪声信号,有效提取信号中周期成分,具有较好的瞬态信息提取能力,并通过齿轮箱振动信号降噪实验说明该方法在故障特征提取中的重要性,以及本降噪方法的有效性。     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

航空图像的小波去噪

航空图像,除了含有一般数字图像的噪声之外,还有大气扰动产生的噪声,线阵CCD产生的积分条纹噪声等,所以去除噪声对于航空图像来说尤为重要.本文采用二维离散小波sym4阈值降噪的方法对图像进行去噪,实验中将原始航空拍摄图像加入了σ=15的高斯白噪声,对含噪图像进行二维离散小波变换分解成不同分辨率子图像,并对各子图像进行阈值化处理,处理后图像又进行了小波逆变换,从而获得了降噪后的航空图像.含噪图像的PSNR(峰值信噪比)为27.53,去噪后PSNR为29.14.该方法有效降低了噪声,又保持了图像的细节,与传统的滤波降噪相比,降噪效果有较大改善.由实验结果证明了这是一种有效的航空图像降噪手段.     

静态小波相关滤波法在振动信号处理中的应用

为了有效提取振动信号中的故障特征,本文提出将静态小波变换和尺度相关滤波相结合的方法.先对信号进行静态小波分解,再利用尺度相关法分离信号与噪声,提出了一种针对振动信号的噪声能量阈值估计算法.利用连续小波变换和尺度相关对振动信号降噪.实例分析表明,该方法具有良好的去噪性能,并能更好的提取振动信号中的故障特征.     

小波阈值降噪技术在齿轮箱振动信号处理中的应用研究

阐述一维信号的小波降噪原理及小波阈值降噪方法,用MATLAB软件对齿轮箱振动信号进行降噪处理。利用图像和计算数据说明不同小波函数和不同阈值规则的消噪效果,得出Stein无偏似然估计阈值(Rigrsure阈值)方法对强噪声复杂的齿轮箱振动信号降噪效果最佳。     

CO_2气保焊电信号的平移不变量小波消噪

CO_2气保焊的焊接过程中电信号含有大量随机非平稳噪声,消噪预处理是电信号后期分析的重要环节。常见的信号滤波方法有硬件滤波和软件滤波,其中小波阈值消噪方法在软件滤波中应用最为广泛,该方法能够很好的消除电信号中的噪声,但在信号不连续点处易产生伪吉布斯现象。提出利用一种平移不变量小波方法(Translation invariant de-noising,TID)对焊接电信号进行去噪处理,其通过对信号进行多次循环平移,再将平移后的信号进行软(硬)阈值小波消噪处理,然后将消噪后的重构信号进行反向逆平移,最后再对去噪结果进行平均,该方法可消除软阈值小波消噪产生的伪吉布斯(Pseudo-Gibbs)现象。结果表明相对于传统软阈值小波去噪法,该方法去噪后的信噪比更高,去噪后信号更加逼近于真实信号。该方法在熔化极气体保护焊电信号降噪处理方面具有广泛的前景,进一步扩展了小波方法在焊接中的应用。     

基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

基于小波相关滤波法的滚动轴承早期故障诊断方法研究

目前基于小波分析的滚动轴承故障诊断方法研究已经很多,但是这些方法对于强噪声背景下的早期故障微弱信号特征提取效果并不理想。为此,提出了适用于强噪声背景的小波相关滤波滚动轴承早期故障诊断方法。该方法将小波相关滤波降噪方法和Hilbert包络细化谱分析相结合:对被测信号进行小波相关滤波降噪处理,对降噪处理后的高频段尺度域的小波系数进行Hilbert包络细化谱分析。该方法在滚动轴承的早期故障诊断中的试验结果表明,该方法与直接小波系数包络谱诊断方法相比,较大地增强了对滚动轴承早期故障诊断的能力,在强噪声背景下有效地提取出滚动轴承的早期故障频率。     

小波与中值滤波相结合的汽车管路连接件表面缺陷图像去噪

由于汽车管路连接件表面缺陷图像中的高频噪声和椒盐斑状噪声直接影响缺陷特征提取的精度,提出一种小波与中值滤波相结合的去噪新方法。该方法首先对原始图像进行小波变换分解,分离出高频信号与高频噪声,并将噪声滤除,然后由灰度值变化曲线统计得到缺陷灰度分界阈值,结合中值滤波算法自适应地滤除椒盐斑状噪声以保护缺陷特征边缘,对去噪后的图像进行线性增强,使缺陷边缘轮廓更加清晰,最后采用Sobel边缘算子算法分别对中值滤波、小波滤波、高斯滤波及新方法去噪后的图像进行缺陷特征提取以对比分析去噪效果。实验结果表明,新方法的峰值信噪比(PSNR)分别比中值滤波、小波滤波及高斯滤波提高了10.70%、8.99%和8.87%;结构相似度(SSIM)分别提高了21.82%、23.34%和11.54%,说明新方法具有良好的去噪效果,并在一定程度上提高了缺陷细节形状特征提取的准确性,适用于汽车管路连接件表面缺陷的检测与分类识别。     

基于总变差去噪和Teager能量谱的滚动轴承故障诊断

针对强噪声背景下滚动轴承振动信号故障特征难以提取的问题,提出了结合总变差去噪和Teager能量谱的滚动轴承故障特征提取方法.首先,使用总变差去噪方法对滚动轴承振动信号降噪;然后,对降噪后的信号进行Teager能量谱分析,从中识别出滚动轴承的故障特征频率,实现对滚动轴承的故障诊断:最后.通过美国凯西西储大学的实验数据验证...     

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于PDE的振动信号去噪

通过研究偏微分方程(Partial differential equation,PDE)在图像去噪中的原理和方法.针对传统滤波去噪方法所存在的问题,提出一种基于PDE的机械振动信号去噪方法.详细分析基于Gauss滤波核函数的PDE去噪模型,并推导模型的离散化过程.与传统去噪方法的对比试验表明,该方法可有效消除振动信号中的噪声干扰,同时保持信号的边缘特性和内部连续性,且去噪之后信号畸变少.因PDE方法本身的平滑特性,该方法的去噪效果受PDE演化的迭代次数和振动信号本身的平滑特性因素的影响,对低频振动信号具有更好的去噪效果.     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。