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。     

基于加速度计的望远镜平台抖动测量与分析

望远镜系统中产生的抖动会影响跟踪精度,造成成像模糊。为了达到最优的望远镜系统设计,提高定位跟踪精度,必须对系统中的抖动进行评估。根据高灵敏度压电加速度计的测量原理,在车载望远镜平台上搭建了抖动测量系统,测量了望远镜静止和转动过程车载平台产生的抖动加速度。通过数据采集系统采集抖动加速度信号,得到的数字信号经过小波去噪处理后,用功率谱估计来分析抖动频率分布特性。结果表明：望远镜转动过程中,车载平台产生的抖动加速度可达0．015g。,最大抖动信号频率在67Hz左右,同时验证了高灵敏度的压电加速度计用来测量微弱抖动信号的可行性。     

小波分析在光纤加速度计信号检测中的应用

光纤加速度计凭借自身的诸多优势而受到军事和国防领域的青睐,因此广泛应用于惯性导航系统;但由于受光源光功率的随机变化、光电探测器噪声、电路噪声以及环境噪声的影响,光纤加速度传感器的输出信号通常非常微弱,而且含有大量噪声,从而降低了光纤加速度计的精度,首先针对光纤加速度计系统中的几种主要噪声及其特征进行了分析,针对噪声的特点,研究了小波包分析的方法,并利用该方法提取信号中的有用信息,最终达到削弱干扰噪声的目的;从仿真结果来看,该去噪方法有效.     

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.     

一种基于偏微分方程的车辆加速度信号自适应降噪方法

提出一种针对MEMS加速度计信号的基于偏微分方程的自适应降噪方法,该方法不仅能有效克服由于传感器本身原因及车载环境振动噪声带来的影响,获得准确的加速度信号,而且实现容易、实时性好.通过对车辆加速度信号进行建模并叠加真实加速度噪声作为仿真信号,将该方法与选用db6小波基、heursure自适应阈值、4层分解的最佳小波进行降噪性能对比,证明在车辆正常行驶的加速度幅值下,该方法不仅能够取得和小波近似的降噪性能,而且很大程度上减少了运算时间.最后通过对实际车载加速度信号的降噪处理和倾角测量中的应用,再次证明该方法在滤除噪声的同时能够较好体现细节信息,很适合应用在对实时性和准确性要求高的实际工程中.     

固体发动机静强度试验应变数据的分析与处理

针对固体发动机静强度试验中,存在采集到的应变数据混有噪声或不同干扰信号,并且在某些恶劣工况下,会出现应变数据被噪声信号吞没的现象,研究了一种基于小波阈值去噪的信号分析处理方法.通过对固体发动机静强度试验应变数据的分析,利用傅里叶变换获得原始数据频率谱,采用低通滤波器与小波阈值去噪,对比数据分析情况显示低通滤波器能够在平稳信号领域很好的完成噪声处理,但对于突变数据采用小波阈值去噪法能够更加真实地表现数据特征.分析与处理结果表明,基于小波阈值去噪的信号分析处理方法能够有效解决试验中存在应变数据所受到的干扰现象,为固体发动机静强度试验数据分析与处理提供支持.     

基于VMD和小波阈值的ECG肌电干扰去噪处理

针对现有心电信号肌电干扰去噪方法的不足,本文提出利用变分模态分解和小波阈值相结合的方法对心电信号肌电干扰进行去噪处理,该方法通过对含噪心电信号进行变分模态分解,确定信号主导模态分量与噪声主导模态分量,噪声主导模态分量的小波阈值变换和重构无噪心电信号,共四步实现对含有肌电干扰的心电信号的去噪处理。其中,通过分析研究所有模态分量中心频率的分布,确定变分模态分解的层数,多组仿真与真实含噪心电信号的相关实验表明。本文所提出的去噪方法可有效去除心电信号中的肌电干扰,且去噪效果优于小波阈值法、变分模态分解法和经验模式分解法。     

基于小波阈值法的近红外光谱去噪研究

信号在产生、处理和传输等过程中,不可避免地要受到噪声的干扰。为了保障对信号后续更高层次处理的精度,信号去噪十分必要。利用小波变换和阈值处理在原始含噪信号中进行分解和重构,从而消除噪声的原理对近红外光谱进行去噪研究。主要目的是比较、分析小波变换在四种不同的阈值选取规则(固定阈值规则、无偏似然估计阈值规则、混合型阈值规则、极大极小阈值规则)下对近红外光谱的去噪效果。文章基于任一随机生成信号,利用MAT-LAB工具分别去噪、绘制效果图,并计算信噪比及均方误差值。通过实验、计算、比较及分析,四种阈值选取原则下,小波阈值方法对近红外光谱去噪效果均较好,光谱信号特征被较好保留,光谱噪声几乎被完全抑制。其中,固定形式小波硬阈值去噪效果最好。     

提升小波改进阈值算法在输气管道泄漏信号降噪处理中的应用

输气管道的泄漏检测对保障其管道的正常运行具有重要意义,但是在实际工作中,传感器检测到的信号会受到噪声的干扰。为了提高管道泄漏检测精度,采用一种不依赖于傅里叶变换的提升小波变换方法,并引入改进阈值函数对信号进行降噪处理,分别对比不同小波基函数,不同分解尺度利用改进阈值算法的降噪效果,确认db5小波函数作为最优提升小波函数,并对信号进行四层分解的信号处理信噪比最高,最后利用现场实验采集到的负压波信号进行传统小波去噪和提升小波改进阈值算法去噪的效果对比,其结果表明提升小波改进阈值算法的去噪效果优于传统小波算法的去噪效果,在管道泄漏检测的信号降噪中具有良好的应用价值。     

小波分析在脉冲涡流无损探伤中的应用

脉冲涡流探伤时,瞬态信号和一次扫描波形中的噪声干扰成分会影响缺陷定量检测的准确度。对于该问题,研究了小波分析在脉冲涡流探伤中的两方面应用。对于瞬态信号,利用小波阈值去噪法对其处理,分析了阈值方法的不同对去噪效果的影响并进行实验验证,并与传统低通滤波进行了比较;对于一次扫描波形,利用小波分解后的近似系数重构信号,再提取峰值扫描曲线。实验结果证明：在瞬态信号的去噪中,软阈值法相比于硬阈值法有更好的去噪效果,其可以在保留真实信号特征的情况下去除噪声,并解决了传统低通滤波会损害真实信号特征的问题,还原了信号的真实峰值和过零时间;使用该方法获得的峰值扫描曲线消去了抖动,极值点时间变得明确,提高了缺陷长度的检测准确度。     

小波阈值去噪和FAR建模结合的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种小波阈值去噪和函数系数自回归FAR建模结合的MEMS陀螺数据处理方法。采用小波阈值去噪法对MEMS陀螺输出信号去噪,提高其信噪比;为克服常用的自回归AR模型无法解决MEMS陀螺随机漂移存在的非线性问题,引入FAR模型对MEMS陀螺的随机漂移进行建模。实验结果表明,此数据处理方法可有效抑制MEMS陀螺输出噪声,且与AR模型相比,FAR模型能更精确地对MEMS陀螺随机漂移进行建模及预测。     

基于小波分析的MEMS加速度计输出噪声消除

目前MEMS加速度计普遍存在信噪比低、灵敏度不高等缺点,其主要原因是系统内部电路中的干扰与噪声使得有用信号完全淹没在噪声之中,其中1/f分形噪声是主要的噪声.由于1/f分形噪声在小波域中展示出某些特殊性质,且小波分析兼具时-频分析与尺度分析的功能,为了有效消除1/f分形噪声,提出了一种基于小波分析与自适应阈值滤波的多尺度滤波算法.以信噪比、均方根误差作为去噪效果的定量指标,将本文算法与Donoho小波阈值滤波算法进行比较,仿真结果表明,改进的自适应阈值滤波算法优于Donoho阈值滤波算法.运用于MEMS加速度计噪声消除上科学有效.     

改进的小波阈值法在测井曲线去噪中的应用

介绍了基于小波阈值法的测井曲线滤波原理,分析了现有小波阈值函数和阈值特点,提出了一种改进的小波阈值去噪法.通过Heavisine信号的仿真实验以及测井曲线实例表明,改进的小波阈值法在有效滤除测井信号中的噪声的同时又可以保留曲线的细节信息,在测井曲线去噪处理中得到很好的应用.     

基于小波能量元和改进双阈值函数的微流控芯片信号去噪方法研究

微流控芯片技术是一种新型的分析检测技术,可广泛应用于生物、化学、医学等领域。为提高微流控芯片信号去噪效果,本文提出了一种基于小波能量元和改进双阈值函数的去噪方法。构建了基于指数和对数函数的小波能量元双阈值函数,继而设计了微流控芯片信号去噪算法。以模拟的微流控芯片信号为研究对象,对比选择db4小波基进行了4层分解去噪仿真实验。仿真结果表明,本文方法优于现有的普通阈值法、空域相关法和能量元浮动阈值法。该方法已应用于自主研发的非接触式微流控芯片便携式分析诊断仪,去噪效果良好,有效提升了设备性能。     

基于变分模态分解的直肠压力信号预处理研究

针对依托于人工肛门括约肌系统的直肠功能诊断模型中采集信号存在大量干扰噪声的问题,提出了一种基于变分模态分解(VMD)算法与小波加权平均阈值去噪结合的预处理方法。利用VMD算法对原始直肠压力信号进行分解,对各模态分量进行小波阈值去噪,提取出有用信号进行重构。通过仿真比较分析该方法与EMD、小波阈值去噪等方法的去噪效果。实验结果表明,该方法在不同噪声水平下均显著提高输出信号的信噪比,同时避免原始信号中有用信息的丢失,具有良好的去噪效果,对直肠功能诊断的准确性具有重要意义。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

小波阈值去噪的一种改进方案

信号在采集、转换和传输过程中经常会受到设备、环境等因素的影响,致使现实信号成为含噪信号,对得到的信号进行去噪是信号处理中的一个很重要的环节。在近二十年中小波去噪方法应用比较广泛并取得了较好的效果,越来越多的学者用小波阈值进行信号去噪。首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后本着提高去噪质量的目的,提出了一种改进方案。该方法在阈值函数中加入因子,可以自适应地减小阈值函数中的恒定偏差。与传统阈值去噪方法相比,有以下两点优势:①去噪效果比传统阈值去噪方法好。②具有一定的自适应性。此外,还用Matlab仿真实验证实了该改进方案的有效性和优越性。     

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法的优势,提出了一种新的去噪LWT-FLP去噪算法,首先利用提升小波对加速度计数据进行了多尺度变换,降低了原始数据的不平稳性;其次利用高频数据进行灰化处理,使原本无规律的数据体现出一定的规律性,可以有效提高FLP的预测精度。并对FBG传感器信号进行应用结果表明,提出的算法能够有效去除噪声对FBG传感器输出信号的影响,有效地证明了提出的LWT-FLP算法在去噪方面的优越性。通过与单一的算法进行去噪结果对比,验证了该算法的准确性,为传感器信号处理提供了一定的理论新方法。