分层自适应小波阈值轴承故障信号降噪方法

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。     

基于EMD和小波熵阈值算法的超声回波信号降噪

超声检测信号中通常包含大量噪声,而其中材料晶界散射的噪声是一种相关噪声。鉴于传统的方法难以将这种噪声和缺陷回波信号区分,提出一种EMD和小波熵阈值联合降噪的算法。该算法首先对目标信号进行EMD分解,提取具有噪声特性的IMF分量进行小波分解,利用含噪系统熵增的特性,在分解各尺度层的细节部分选用小波熵自适应阈值降噪,然后将剩余分量和降噪处理后的信号进行重构。仿真信号结果表明:该降噪方法(EMD-WET)输出信号的信噪比(SNR)为7.9 d B、均方根误差(RMSE)为18.1、相似系数(NCC)为0.92,优于传统的小波软、硬阈值方法。对实测信号进行处理,该方法降低信号中的大部分噪声,更好地还原回波信号的波形。     

阈值改进整数小波与LZW算法相结合的水声数据压缩方法

提出一种阈值改进整数小波与基于字典编码的LZW(Lempel-Ziv-Welch)算法相结合的数据压缩方法,该方法旨在减少水声数据传输量的同时尽可能地达到高保真。数据压缩过程中,先对水声数据进行整数小波变换,再对变换后的高频系数采用改进的小波阈值算法和阈值函数进行处理,提高了数据压缩倍数和信噪比,降低了误差。最后通过LZW将处理后的系数进行编码输出,进一步提升压缩效果。文中给出了相应的数据压缩算法流程。实际舰船辐射噪声数据的压缩处理结果表明,该方法能有效提高信号信噪比、减少信号失真并能获得更大的压缩倍数。     

基于正则化线性调频模式追踪算法的信号消噪方法及其应用

信号在采集过程中存在的噪声会给后续工作造成一定程度的困难,因此消除噪声干扰是准确进行下一步工作的关键问题。提出了一种正则化线性调频模式追踪(regularized chirp mode pursuit, RCMP)算法,该算法通过先验频率信息及递归框架提取信号中的每一个信号模式,具有一定的自适应性。将提出的RCMP算法应用到传感器数据降噪中,通过仿真信号和实际信号研究了RCMP算法的去噪性能。同时,通过与EMD结合区间阈值的降噪方法、CEEMDAN结合区间阈值的降噪方法以及VMD结合相关系数的降噪方法进行对比,验证了所提方法的可行性和优越性。     

基于小波变换的水声信号滤波方法

为更好地改进低信噪比水声信号的滤波效果,本文针对小波滤波算法展开研究.对小波变换系数使用最大后验概率估计算子进行去噪,达到对原始水声信号滤波的目的,去除大部分的噪声;对含噪信号使用可变阈值函数的小波阈值滤波,进一步提高信噪比.文中给出了两种滤波方法的算法,通过对仿真信号和真实水声信号的滤波实验表明:本文方法比常用的滤波方法均方误差更小,更有利于提取水声信号的特征并进行分类识别.     

改进的K-奇异值分解图像去噪算法

针对传统的K-奇异值分解信号利用率不足,采用了稀疏贝叶斯学习预处理图像信号;将正交匹配追踪与改进之后的最速下降理论相结合;因噪声原子存在于字典更新之后得到的字典中,所以结合Bartlett检验法将噪声原子裁剪掉。实验结果表明,此方法相对于小波阈值去噪法、基于离散余弦变换字典稀疏表示等去噪方法能够更好地滤除噪声,保留图像边缘信息,获得更高的峰值信噪比,得到图像视觉效果更佳。     

一种适用于泄流结构振动分析的信号降噪方法

针对低信噪比泄流结构振动信号有效信息难以提取问题,提出将小波阈值与经验模态分解(EMD)联合的信号降噪方法。利用小波阈值滤除大部分高频白噪声,降低EMD端点效应;进行EMD分解获得具有相对真实物理意义的固态模量(IMF);通过频谱分析重构特征信息IMF获得降噪信号。构造仿真信号,将该方法与数字滤波、小波分析及EMD降噪效果进行对比。结果表明,该方法能精确滤除泄流结构的振动噪声保留信号特征信息,滤波降噪较优越。将其用于拉西瓦拱坝水弹性模型,精确分析坝体结构振动优势频率,为坝体结构的安全运行与在线监测提供基础,亦为大型泄流结构在强背景噪声下的结构有效信息提取提供捷径。     

自适应小波降噪在轴承故障诊断中的应用

针对轴承振动的非平稳性特点和频谱成分的混杂性,提出了基于小波的信号自适应阈值降噪法。自适应阈值降噪法首先对信号进行离散正交小波多层分解,对分解后的各层细节系数中模小于某阈值的系数进行处理,然后将处理完的小波系数再进行反变换,重构出经过降噪后的信号。用仿真信号进行降噪处理,结果表明:通过选择合适的小波基和阈值选择规则,可以实现信号的完美降噪;实测轴承振动信号用小波降噪方法进行预处理,提高了信噪比,进一步作频谱分析得到了故障特征信息,为诊断决策提供了依据。     

基于EEMD的改进小波阈值算法在超声水表中的应用EI北大核心CSCD

针对超声水表在实际工作环境中容易受到噪声干扰从而导致计量精度下降的问题,提出了基于集合经验模态分解(EEMD)的改进小波阈值降噪算法。为了提高降噪效果,对小波阈值降噪算法进行了改进,构造了非线性阈值函数取代传统阈值函数,同时给出了一种分解尺度选择的方法。利用EEMD将流速信号分解为一系列的本征模态函数,通过改进小波阈值降噪算法对本征模态函数进行降噪处理,去除其中的噪声分量,为了验证该算法的适用性,将其与小波阈值降噪算法和时空滤波分析方法进行了比较。试验结果表明,以超声水表流速信号为降噪对象时,基于EEMD的改进小波阈值降噪算法具有较好的降噪效果。     

基于双树复小波的重叠块阈值降噪方法

针对机械早期故障信号受到强背景噪声影响导致故障特征不明显的问题,提出一种基于双树复小波包的重叠块阈值降噪方法。利用有限冗余双树复小波包变换对信号进行具有平移不变性的稀疏分解,结合双树复小波包变换系数所具有的稀疏集簇和邻域相关性特点,建立重叠块阈值估计模型,通过最小化包含块稀疏模型的适应度函数获得估计信号,分析了重叠块阈值降噪各参数对降噪效果的影响和参数优化原则,仿真与实测信号实验结果表明,该方法在不同信号和不同噪声水平下均有效地抑制了噪声干扰,提高了信噪比。     

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

基于改进小波阈值去噪的深度学习水下目标分类

由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现：在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。     

基于改进标准化最大似然估计的最小描述长度降噪方法

针对现有各种降噪方法存在的缺点,提出了一种改进标准化最大似然估计的最小描述长度降噪方法。该方法增加编码过程中对集合本身码长计算,降噪中自适应确定降噪阈值。通过仿真信号和实际某轴承故障信号降噪分析,结果表明所提方法可以有效消除噪声并尽可能保留有用信号成分,降噪后信号的信噪比高于VisuShrink降噪和BayesShrink降噪等方法。基于改进标准化最大似然估计的MDL降噪方法进一步完善了MDL降噪理论,提升了其降噪效果。     

水下单边带语音多通道增强技术

船舶噪声是影响水下语音通信质量的主要因素。为了提高单边带语音信号的信噪比和语音质量,采用多通道自适应增强算法对语音信号进行研究。该算法运用自适应信号增强技术,具有运算量小、易实时实现、消噪效果显著等优点,并且能够有效利用不同换能器接收到的信息。从理论上对该算法进行了分析,并结合海试数据进行验证。结果表明,低信噪比、非平稳噪声环境下,该算法有效抑制了接收信号中的尖锐噪声,并且当系统收敛时,使其趋于白化,明显提高了系统的输出信噪比,显著改善了语音质量,在性能上明显优于传统的信号相干叠加算法。     

小波消噪阈值选取的一种改进方案及其在健康监测中的应用

在D. L. Donoho和I. M. Johnstone提出的小波阈值去噪方法的基础上,构造一个新的阈值函数。与传统的软硬阈值函数相比,新阈值函数表达式简单易于计算,克服硬阈值函数不连续的缺点。仿真结果表明,采用新的阈值函数的去噪结果有效抑制在信号奇异点附近产生的Pseudo-G ibbs现象,无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法。将该方法应用于桥梁振动信号降噪中,其结果表明该方法可以较有效去除噪声。     

基于小波收缩策略的一种新阈值去噪方法研究

分析了信号处理中相干噪声的特点,针对小波变换标准软阈值去噪法处理相干噪声能力相对差的弱点,介绍了一种基于SURERisk理论建立的自适应阈值去噪法,但其数字计算能力较差。基于同样理论,提出一种新的阈值函数,具有二阶导数和实际应用数字特性。并在此基础上确定了自适应阈值计算方法,建立了新的阈值去噪法,可用于去除相干噪声。计算机仿真表明,对于受相干噪声干扰的数字信号,该方法能较大提高信噪比,较好恢复信号。     

EMAT noise suppression using information fusion in stationary wavelet packets

An important issue in ultrasonic nondestructive testing is the detection of flaw echoes in the presence of background noise created by instrumentation and by clutter noise. Signal averaging, autoregressive analysis, spectrum analysis, matched filtering, and the wavelet transform have all been used to filter noise in ultrasonic signals. Widely-used wavelet threshold estimation algorithms are not designed for electromagnetic acoustic transducer (EMAT) pulse-echo signals, and therefore do not exploit their unique impulse nature. The approach to ultrasonic signal filtering proposed in this paper is based on stationary wavelet packet denoising with a threshold influenced by several information sources: a statistical echo detection, the amplitude distribution of the wavelet transform coefficients, and a priori known system frequency characteristics. The proposed method was evaluated on signals measured with EMAT probes and under various SNR conditions; it outperforms the wavelet transform with the Stein unbiased risk estimate (SURE) threshold estimation method and split-spectrum processing (SSP). The results indicate SNR enhancement of 19 dB with real EMAT data.     

基于提升小波变换的MFCC在目标识别中的应用

水下环境噪声对被动声呐目标的分类识别影响显著,为了提高水声信号识别系统对环境噪声的鲁棒性,采用提升小波变换方法提取MFCC特征,对水下被动声呐目标进行分类和识别。仿真实验表明,与传统MFCC和小波变换的MFCC相比,在信噪比相近的情况下,提升小波变换方法提取MFCC具有识别率较高、对噪声鲁棒性较好的显著优点。     

基于最大相关熵准则的水下生物脉冲噪声消除方法

近海生物噪声表现为脉冲噪声,这一类噪声显著降低了水声通信系统的性能。结合水声信道的稀疏特性,提出一种基于最大相关熵准则的级联滤波器算法,该算法实现了脉冲噪声的消除及稀疏信道估计。第一级自适应滤波器完成对噪声的消除工作,第二级滤波器对去噪后的信号进行稀疏信道估计。该方法的优势在于无需知道信号和噪声的相关信息。仿真结果表明,提出的方法比单一的滤波器结构和传统信道估计算法性能更加优越。