路面层间应变信号的预处理方法

为获得路面层间应变情况、实时监测道路状态,开发一套无人值守路面层间应变信号自动采集系统。选用四轴货车进行现场试验,对采集的应变信号进行特点分析,通过去除趋势项消除实测信号的零点漂移问题;采用S变换方法研究路面层间应变信号在时域和频域上的分布规律;为提高实测道路应变信号的信噪比,分别采用低通滤波和小波滤波方法对信号进行预处理。研究结果表明:所开发系统可以实现道路应变信号的自动采集;采集的路面层间应变信号的噪声成分频率不固定,而道路应变信号的有效成分主要为50 Hz以下的低频信号;低通滤波方法在处理应变信号时有局限性;小波滤波方法对不同类型的噪声信号都能取得良好的滤波效果,适合路面层间应变信号的预处理。     

小波分析在低应变检测数据处理中的应用

在低应变检测采集的数据中,会受到各种噪声的干扰。利用小波变换的时频局部化能力,对实测信号进行降噪处理,可保留信号的突变特征,抑制噪声信号。在实际应用中证明小波分析对低应变检测信号的降噪是一种比较好的数据处理方法。     

用小波变换的方法降低机车信号噪声干扰

介绍了一种在铁路机车信号传输过程中,用小波变换的方法降低噪声干扰和提高信号通道信号信噪比的方法,即用小波变换具有低熵性、多分辨率、去相关性和选基灵活性的特点,综合作为特征提取和低通滤波功能的手段,对机车信号和噪声干扰信号同时进行低通滤波和高通滤波,其低频系数主要反映信号信息,高频系数主要反映噪声和信号的细节信息.对非平稳机车含噪信号进行多层小波分析,对每层高频分解系数进行阈值处理后再合成,作为有效达到滤除噪声和保留信号高频信息的手段,对其进行了仿真分析.     

陀螺飞轮信号的EMD/LPF混合去噪方法

为提高陀螺飞轮系统的标定与辨识精度进而保证姿态测量性能,对其信号去噪方法进行研究以便从复杂噪声中提取标定辨识所需的有用信息.首先基于噪声产生机理对陀螺飞轮信号的噪声特性进行分析.其次,在不影响信号低频特性的前提下,采用传统低通滤波（LPF）方法对信号进行预处理以抑制高频周期噪声.然后应用经验模态分解方法（EMD）对LPF预处理后的信号进行分解,根据信号和各模态分量的概率密度函数的相似性度量,给出一种模态判定准则.在此基础上,结合现有阈值滤波方法,提出一种EMD/LPF混合去噪方案. 结果表明:所提出的基于相似性度量的模态判定准则在不同信噪比条件下均能够实现分界点的准确判定;将所研究的去噪方法分别应用于标准测试信号和陀螺飞轮实测信号;所提出的混合去噪方法相比于现有去噪方法更为有效.     

旋转机械振动信号的小波域维纳滤波去噪

为了去除旋转机械振动信号采集传输过程中混入的噪声干扰,文中基于维纳滤波和小波阈值滤波,通过建立旋转机械振动信号采集模型,结合振动信号滤波要求,提出了旋转机械振动信号的小波域维纳滤波算法.利用工业现场旋转机械实测振动信号,对该算法进行仿真.结果表明:该算法保持了旋转机械振动信号的线性相位特性,滤波后信号未产生明显的幅度失真;小波域维纳滤波的均方误差小于维纳滤波和小波阈值滤波,去噪效果优于维纳滤波和小波阈值滤波.     

一种新颖的电容层析成像数据采集滤波算法

针对电容层析成像ECT(electrical capacitance tomography)数据采集系统对采集精度和实时性要求,在分析ECT数据采集系统的滤波算法基础上,根据卡尔曼滤波和小波变换的特点,提出了一种基于小波变换和卡尔曼滤波的滤波算法。该算法首先将采集数据的信号经过多小波预处理得到平稳的观测数据,然后用噪声统计值估计器估计噪声统计值,以确保信号的稳定性和收敛性,最后经卡尔曼滤波以得到信号更加精准。仿真实验结果表明:与卡尔曼算法相比,本算法去噪效果更佳,得到的信号更精准可靠,提高了ECT数据采集系统数据采集精度,为ECT数据采集系统提供了一种新颖的滤波方法。     

改进的小波空域相关滤波算法

针对小波空域相关滤波算法存在不同尺度下小波系数偏移引起的相关性减弱和低尺度小波系数受噪声影响较大等问题,提出了改进的小波空域相关滤波算法。理论推导了小波系数在各分解层间的相对偏移量,并提出了移位相关算法。考虑到分解层数越高,信号的小波系数相关性越强,且信号小波系数在分解过程中存在发散现象,提出了高层处理向低层处理提供约束的逆序处理方法。根据统计原理对最高层小波系数进行了阈值滤波。最后以Blocks信号和Heavy Sine信号为例,对比了所提改进算法与传统小波空域相关滤波算法及两种已有改进算法的性能,并将滤波算法应用于某同步卫星的群时延估计中。蒙特卡罗仿真和实测数据处理结果表明本文所提改进算法的降噪效果更好。     

基于嵌入式系统的图像采集和预处理装置设计

针对低照度下采集的图像中经常含有大量噪声的情况,设计了一种具有去噪功能的图像采集和预处理装置.基于嵌入式CPU和嵌入式操作系统,采用摄像头对视频图像进行采集,用改进中值滤波算法和小波图像去噪对视频图像的噪声进行滤波,然后通过USB和网络接口进行图像传输,并实现图像文件的存储功能.该装置可以有效去除视频噪声,有利于对图像进行更高级的处理.     

小波变换在差动热分析仪信号处理中的应用

差动热分析仪广泛应用于测定物质在程序温度控制下产生物理或化学性质变化时所发生的热效应与相应温度.为提高差动热分析仪的分析精度,应用虚拟仪器技术对差动热分析仪的数据采集、数据分析系统进行了开发,介绍了在LabVIEW环境下,结合MATLAB小波工具箱提供的小波分析功能函数,对采集的差热信号进行去噪预处理的方法,着重对小波基函数的选择以及阈值的选择问题进行了详细的讨论.比较了5种可用于噪声处理的小波函数对热分析信号DSC曲线预处理的结果.结果表明,对于类似正弦的比较平滑的DSC信号,采用sym8小波rigrsure准则去噪可以达到很好的滤波效果.     

图像小波系数的自相似性在图像去噪中的应用

讨论了图像小波系数的四叉树结构及统计规律,指出在四叉树各层节点的小波系数具有自相似性,利用这种自相似性建立混合高斯模型对小波系数进行描述;此外,四叉树层与层间的节点之间具有相关性,利用小波域系数间的自相似性信息和相关性建立隐式马尔科夫树模型(HMT),用于去除图像信号中的高斯白噪声,并利用Lenna图像进行试验仿真;与传统的低通滤波方法相比,该方法在滤除噪声的同时更好地保存了图像的细节和边缘信息.结论表明,隐式马尔科夫树(HMT)模型较精确的体现了图像的特征,具有较好的去噪效果.     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。     

轧辊偏心自动分层确定阈值滤波法

为计算板带轧机中的轧辊偏心信号,对轧制过程中采集的信号进行滤波是一个关键环节。本文提出一种轧辊偏心自动分层确定阈值滤波法：通过使用第二代小波变换方法,根据由轧辊转速计算得出的轧辊偏心频率来确定小波分解层数,并根据不同层中信号频率范围选取不同的阈值,从而对信号进行滤波。通过与类似工况下小波阈值滤波法比较,轧辊偏心自动分层确定阙值滤波法能更准确的反映轧制过程中的检测信号,为更精确提取轧辊偏心信号、进行有效的轧辊偏心补偿奠定基础。     

基于LMD-SVD的微震信号降噪方法研究

作为一种3维、实时的监测手段,微震监测通过分析岩体破裂产生的微震信号,评估工程岩体的稳定性,为工程建设和人员安全提供预警。然而,工程现场情况复杂,采集微震信号时通常会混入一定程度的噪声,影响后续微震信号的分析工作。针对这一问题,提出一种基于局部均值分解（local mean decomposition,LMD）和奇异值分解（singular value decomposition,SVD）的LMD-SVD联合降噪法以降低噪声干扰。该方法首先使用LMD分解,获得一系列由高频到低频分布的乘积函数（product functions,PF）;通过计算原始信号与各个PF分量之间的相关系数,确定含噪信号与有效信号之间的分界位置,将分界分量之前的分量剔除,实现初步降噪。然后,针对LMD分解结果中的残留噪声,使用SVD法,以加权能量贡献率（percent of contribution to total energy,PCTE）作为奇异值阶数的确定方法,对分界PF分量进行降噪处理,实现二次滤波。通过上述处理,最终实现微震信号降噪。在仿真实验中,对于同一带噪的Ricker子波,分别使用经验模态分解（empirical mode decomposition, EMD）、LMD、LMD-SVD这3种方法进行降噪处理。其降噪前后信号的信噪比、波形图及频谱图对比结果表明LMD-SVD是一种更好的降噪方法。此外,对于白鹤滩水电站左岸地下厂房的微震监测系统所采集的信号,运用LMD-SVD对含噪微震信号进行降噪处理,表明本文方法能够有效地去除微震信号中的高频噪声,为后续微震分析工作提供帮助。     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

含窄带噪声和白噪声的复杂染噪局部放电信号提取及应用

复杂噪声环境下,电力设备局部放电信号的高完备度提取是实现其运行状态在线评估的关键。该文提出一种基于自适应噪声的总体集合经验分解(CEEMDAN)和改进小波包结合的复杂染噪局放信号提取方法。首先,通过自适应CEEMDAN将染噪信号进行分解,利用奇异值分解(SVD)算法对分量中包含的窄带噪声和频率混叠进行抑制,再根据信号间的相关系数确定有效分量并重构。最后,采用改进的小波包阈值法对重构信号中的白噪声进行滤除。利用该文算法分别对仿真数据和实测数据进行去噪处理,定量分析表明,该方法可有效去除白噪声和窄带噪声干扰,提取的局放信号波形畸变小、能量损失小,能够满足后续的工程应用需求。     

基于小波变换的高密度电法资料去噪研究

小波变换方法是近年来发展起来的一种新的数学方法,目前,小波分析已经成为国际上公认的最新时频分析工具,成为多学科共同关注的焦点,尤其是它可以对离散性信号进行非线性降噪处理.传统的高密度电阻率信号降噪处理一般采用坏点切除、滑动平均或偏值滤波的方法,即采用线性方法经行降噪,不能很有效地突出有用异常信号、完全去除畸变点,从而不...     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

基于小波分形理论的工程车辆时域载荷信号降噪方法

分析了工程车辆传动系零部件的时域载荷信号的噪声特点,提出了一种基于小波和分形理论的信号降噪方法。采用小波方法对实测的时域载荷信号进行了三尺度分解,计算了分解后的各层信号的关联维数,依据关联维数的变化规律判断是否存在噪声。以轮式装载机传动法兰的实测载荷信号为例进行了降噪应用研究。结果表明,提出的小波分形联合降噪方法可以根据信号不同频率段内含有的噪声特点进行降噪处理,解决了在小波阈值降噪中如何有效选择阈值的问题。     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。