基于自适应提升方案的激光探测系统消噪

本文通过采用自适应提升小波分析,根据处理信息的局部特征自适应地调整预测和更新算子,实现与处理信息的准确匹配,有效地降低信息小波分析的运算量和计算的复杂性,并且便于采用激光探测系统等实现;其次,根据激光测距探测系统中噪声的特点,分析了去噪阈值的选取,详细地讨论了小波的浮动阈值选取方法,并将这种方法应用于激光探测系统去噪,较好地满足在强噪声下检测微弱信号的要求。仿真结果表明,采用这些措施实现的激光探测系统去噪,做到滤去噪声的同时又有效地保留信号的细节,收到了较好的效果。     

超声回波信号的多阈值分段去噪方法研究

通过构建超声回波信号模型,将基于小波包阈值去噪应用在超声回波信号研究中。针对超声回波信号的非平稳性,提出一种多阈值分段去噪方法应用于超声回波信号的去噪研究中。仿真实验表明,采用的多阈值分段去噪克服了单阈值规则的局限性,能够较好地处理超声信号中的噪声分量。     

脉冲漏磁信号的EMD小波阈值去噪研究

为有效抑制脉冲漏磁检测信号中的各种噪声,将小波阈值去噪运用到经验模态分解(EMD)中,提出一种基于EMD的小波阈值去噪方法。针对小波软、硬阈值函数中存在的不足,引入平滑截断绝对偏差惩罚因子进行优化改进。将该方法应用于脉冲漏磁信号进行实际消噪处理。实验结果表明,该方法能较好地剔除信号中的噪声,在脉冲噪声的抑制方面优于小波阈值去噪。     

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。     

改进的小波阈值在电能质量信号去噪中的应用

针对硬阈值去噪效果不佳,软阈值过度光滑使信号失真的缺点,提出了一种改进的自适应的阈值去噪方法。该算法将数理统计与信号和噪声的小波系数的分布规律和传播特点及噪声的标准差贡献率结合起来,对阈值门限进行了改进,并采用软阈值函数对信号进行处理,实现了其去噪的功能。结果表明,改进后的算法对电能质量信号进行消噪处理,信噪比增益和均方误差上均优于传统阈值算法及一些改进后的阈值算法,而且能够较好地保留电能质量信号的特征信息。     

一种改进的EMD硬阈值去噪算法

为了提升基于经典小波阈值的EMD去噪算法的性能,利用高斯白噪声的统计特征提出了一种改进的硬阈值去噪算法;首先将含噪信号进行EMD分解,把第一个固有模态函数作为高频噪声直接去除并估算出其他IMF中高斯白噪声的能量,然后根据硬阈值去噪的原理,利用滤除掉的样本点包含的能量等于白噪声的能量确定出合适的阈值;该方法能根据样本点自适应地确定阈值;最后通过对含噪正弦信号和仿真心电信号的去噪实验证实了改进后的阈值使算法去噪效果有明显提升。     

基于分频带最优阈值函数的电力信号去噪

研究电力信号在传输过程中受到噪声污染问题。由于电网负荷较大,系统的运行随机性强,系统非线性引起电力信号噪声严重。针对小波阈值去噪算法存在较大的缺陷,传统改进算法全局阈值去噪的局限性,提出了一种适合电力信号去噪的分频带(分层)最优阈值函数去噪方法。新方法根据电力信号与噪声各频带能量分布特性得到各频带最优阈值,并对含噪电力信号逐层分频带最优阈值函数去噪处理,明显地降低了波形畸变率。仿真与实验结果表明,分频带最优阈值函数去噪方法明显提高了电力信号的去噪效果,提高了电力信号的检测精确度。     

Hilbert-Huang变换在语音去噪中的应用

研究语音信号噪声抑制问题,针对噪声污染干扰正确语音的传输,传统采用的HHT噪声抑制方法有多尺度滤波和阈值去噪,对所有的IMF分量进行处理,没有将IMF分量中的有用信号和噪声信号区别开来,去噪效果受到抑制.为使去噪效果更好,提出一种新的基于能量分析的阈值去噪方法,对含噪信号经过Hilbert-Huang变换后的IMF分量,对于信号和噪声能量分布的特点进行能量分析,将加噪信号中有用信号和噪声信号分离开,再利用阈值去噪方法完成去噪.通过仿真,可观察出语音信号的噪声得到了抑制,能够准确识别语音信号,并且比小波方法简单,不用选择小波基和确定分解层数,不用选择判断阈值,就能够达到或接近小波去噪的水平.     

改进小波阈值算法在电机振动信号降噪中的应用

针对采集的电机振动信号中夹杂着噪声干扰的问题,提出一种基于贝叶斯估计的小波收缩新阈值的电机振动信号降噪方法。新阈值考虑了振动信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对振动信号进行降噪处理,较好地弥补了各阈值函数的缺陷,保证了阈值函数的连续性,并且可以灵活调节阈值以适应不同噪声情况,同时解决了固有阈值函数带来的偏差问题,很好地保护了含噪信号的有用信息。     

基于改进阈值函数的分数阶小波电能信号去噪

为了消除电力系统中噪声对电能质量扰动信号的影响,且能保留突变点信息,提出了一种基于改进阈值函数的分数阶小波电能质量扰动信号去噪方法.该方法采用离散分数阶小波变换对含噪信号进行多尺度分解,并根据信号和噪声在不同尺度上的分数阶小波域系数的分布特点,通过改进阈值函数对各层系数进行处理,将处理后的系数进行重构得到去噪后的信号.仿真结果表明,该方法弥补了软、硬阈值函数的缺点,能较好地去除噪声并保留突变点信息,且提高了输出信噪比.     

基于小波变换的激光多普勒血流信号处理研究

激光多普勒血流量检测系统提取的光电信号中存在较大的高斯白噪声,为了消除这些噪声干扰,提取激光多普勒信号,提出了一种基于小波变换,使用Matlab中的wavelet toolbox对所得信号进行五层离散小波分解、阈值变换、消噪以及信号重构的处理方法。结果表明,该方法可有效地抑制噪声,从原始光电信号图中提取多普勒信号并对其进行分析,计算血流速度。该研究结果对后续的分析多普勒血流信号,实时检测血流量变化情况,解释血流病理含义,进而对诊断病因、指导医疗手段均有一定的参考价值。     

小波神经网络在微弱信号检测中的应用

因为噪声总是会影响检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。小波神经网络比数字滤波器更加适合检测微弱信号。小波神经网络是一种时频分析的自适应系统,它能检测信号中的微小变化。该文提出了一种新的检测白噪声中微弱信号的方法。仿真结果表明,小波神经网络在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于DSP的取样数字式平均器的设计与实现

介绍了微弱信号检测的背景和应用,提出以数字式多点平均器的算法来检测微弱信号,并从理论上进行了分析和论证。这种方法的核心是用累加平均来消除随机的噪声,增强确定的有用信号,改善被检测信号的信噪比,恢复出淹没于强背景噪声中的微弱信号,从而实现微弱信号检测。设计出了以TMS320C54x为核心处理器的数据处理系统,利用DSP实现时域信号的取样积累数字式平均算法,这种系统能很方便地嵌入各种仪器中,用途十分广泛。     

基于Hilbert-Huang变换的ECG信号降噪方法

提出了一种新的ECG信号降噪方法.该方法以Hilbert-Huang变换(HHT)和阈值降噪方法为核心,将经验模态分解(EMD)分解出的各层固有模态函数(IMF)分为噪声成分起主导作用层和有用信号起主导作用层.对噪声成分起主导作用层采用Donoho等人提出的阈值估计法,对有用信号起主导作用层的噪声水平通过高频层的能量与平均周期的乘积来确定.讨论了噪声成分起主导作用层和有用信号起主导作用层的区分判别问题.该方法克服了阈值估计法对有用信号起主导作用层噪声水平估计的较大偏差.经实验验证表明,该方法能有效地滤除ECG信号检测中的几类主要噪声,且失真很小.     

小波去噪和混沌理论应用于输电线缺陷检测

为了解决在利用电磁超声检测高压输电线路缺陷时,回波信号微弱且易被强大的电磁噪声覆盖而难以提取的问题。认真研究了Duffing方程和小波理论。将小波去噪技术和混沌理论结合起来,设计了一种新型微弱信号检测系统。利用MATLAB/Simulink对系统进行了仿真。实验结果证明,此系统能有效检测强电磁背景下的超声信号,进一步降低了系统的输出信噪比,提高了检测性能。     

基于双耦合改进型混沌振子系统的弱信号检测

介绍传统的单Duffing混沌振子系统检测微弱信号的原理。传统混沌检测弱信号方法中,在强噪声环境下检测弱信号时系统易出现相位变化不稳定、抗噪性需进一步增强等问题。针对这些问题,本文提出基于双Duffing耦合改进型振子系统来对强噪声环境下的弱信号进行检测的方法,并用此方法对强噪声下的微弱正弦信号进行检测仿真。通过仿真得出双耦合改进型混沌振子系统能够更好地检测强噪声环境下的弱信号,对噪声有着更好的抑制作用。     

气体流量计中干扰的产生及抑制问题的研究

本文以气体流量计研制过程中出现的干扰问题为背景,从形成干扰的条件出发,分析了电磁继电器在通电瞬间的电流变化趋势及对外部小信号检测电路的电磁干扰。然后从切断干扰的耦合路径出发,从干扰产生的源头抑制干扰的生成。该方法对以继电器为弱电控制强电部件的各类微弱信号检测与控制仪器也同样适用。     

基于FastICA的雷达弱目标检测前跟踪方法研究

研究了强噪声干扰下的雷达弱目标检测及跟踪问题。针对信号与噪声干扰之间的相互独立性,提出了一种基于FastICA的弱目标检测前跟踪(TBD)算法。该算法的关键为对分离后的信号进行能量分配,以及求解所构建的一个多目标规划问题,进而实现匹配回波信号的能量积累。仿真实验结果表明,在负信噪比的情况下,无论是高斯噪声还是非高斯噪声,该方法均可以实现检测前跟踪的目的;用能量积累过程中记录的目标状态信息为观测值,则可以通过滤波估计的方法最终实现对目标的稳健跟踪。该方法为弱小目标的跟踪检测技术提供了一种新的思路。     

Dual-scale cascaded adaptive stochastic resonance for rotary machine health monitoring

Effective extraction of weak signals submerged in strong noise that are indicative of structural defects has remained a major challenge in fault diagnosis for rotary machines. Unlike traditional techniques that focus on noise filtering and reduction, stochastic resonance (SR) takes a noise-assisted approach to detecting weak signals. This paper presents a new adaptive method for weak signal detection, termed Dual-scale Cascaded Adaptive Stochastic Resonance (DuSCASR), which can quantify the frequency content of a weak signal without prior knowledge. Simulations and experiments have confirmed the effectiveness of the method in bearing fault diagnosis at the incipient stage, with high precision and robustness.