共查询到19条相似文献,搜索用时 234 毫秒
1.
最佳小波包基改进软阈值的消噪方法及应用 总被引:3,自引:2,他引:1
在讨论基于小波包变换消噪方法的基础上,针对传统小波方法消噪中阈值选取方法的优缺点,提出了一种基于最佳小波包基改进的软阈值消噪方法,并将该方法应用于电机故障信号的消噪。试验结果证实,与传统的阈值选取方法相比,基于最佳小波包基的改进软阈值消噪方法对非平稳的电机故障信号消噪效果更好。 相似文献
2.
3.
针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理.为取得较好的去噪效果,对小波变换的参数选取进行了研究.根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、... 相似文献
4.
5.
为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。 相似文献
6.
分数阶小波包时频域的信号去噪新方法 总被引:2,自引:2,他引:0
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。 相似文献
7.
皮带机故障信号中包含大量运行信息,采集故障信号进行去噪处理有利于故障状态识别。为了进一步提高小波阈值去噪方法在强噪声背景下微弱故障信号提取能力,设计了一种基于改进自适应阈值的小波阈值去噪法的皮带机故障诊断方法。研究结果表明:进行小波阈值去噪时未进行阈值函数优化,在阈值选取缺乏灵活性。以自适应小波阈值去噪时,可以获得更平滑的阈值曲线,能够满足最优去噪性能。采用小波阈值去噪时并未达到理想去噪效果,存在明显噪声成分,并且获得了更大均方根误差;完成小波阈值改进后获得理想去噪效果,更准确保留有用信号,使噪声信号被充分去除,实现信噪比的明显提升。该研究可以拓宽到其它传动设备上,对后续的故障状态识别奠定理论基础。 相似文献
8.
9.
10.
11.
本文讨论了小波变换的基本理论及小波函数与信号的相关系数对信号去噪效果的影响。在此基础上提出了基于信号的正交小波构造方法:根据信号的频域特征,对各频带系数进行加权处理,确定多尺度分析的生成元,从而构造L2空间的正交小波函数。应用不同小波函数提取750W整数槽化纤电机的振动信号的故障特征,实验结果表明采用此方法构造的小波函数能更加有效地从强噪声中提取故障特征,从而实现对电机故障的精确诊断。 相似文献
12.
利用小波分析和BP神经网络相结合的方法对旋转机械的故障进行识别.首先运用小波分析对故障信号进行降噪处理,然后运用小波包对信号进行分解和重构,提取各频带能量值,将该能量值作为BP神经网络输入端的特征向量,训练网络进行故障模式识别.实验表明,该方法在旋转机械故障诊断中切实可行. 相似文献
13.
14.
基于小波变换和BP神经网络的视觉诱发电位识别 总被引:1,自引:0,他引:1
结合小波变换和误差逆传播(Error Back Propagation,BP)神经网络对视觉诱发脑电信号(visual evoked potential,VEP)进行分类而产生脑机接口控制信号.利用一维离散小波变换提取强噪声背景下的低频微弱脑电信号,获取特征向量输入BP神经网络进行事件相关电位模式识别.实验表明,小渡变换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,BP神经网络能比较准确地从VEP中识别出事件相关电位,进行10次测试的平均识别正确率为99.375%,有利于产生脑机接口控制信号. 相似文献
15.
小波分析用于机械系统突发信号在线检测 总被引:1,自引:1,他引:0
近年来引起各领域广泛关注的小波分析理论,以其良好的时频局部化功能提供了一种瞬态信号的分析方法,但单纯基于此算法的软件往往缺少对于突发性信号的自适应能力。神经网络则具有良好的自适应性、自组织性及很强的学习功能。本文将此二者结合,以神经网络原理和现代数学小波分析为依据,提出了基于神经网络思想的小波分析;改进原有算法,以自编C程序识别工程技术测量中遇到的突发故障与噪声,并在强噪声环境中机械系统的突发信号实测中获得成功。 相似文献
16.
17.
18.
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。 相似文献