车载微加速度计信号的小波去噪技术研究

车载环境下由于微机械加速度计自身特点和受到车辆振动、电磁干扰等原因,其真实加速度信号往往受到严重的干扰,给数据分析带来很大困难.针对此种情况,结合对车载加速度计输出信号的分析假设了一种加速度信号,同时用真实的加速度计输出噪声作为干扰叠加在假设信号上,以信号的统计指标作为去噪效果的评价标准选择了合适的小波基,并据此对实际信号进行去噪处理证明:小波去噪方法非常适合于此类受到严重干扰的测量信号的去噪处理,去噪效果良好,且计算分析简便.     

基于自适应提升小波的漏磁信号降噪

为了解决在故障诊断中漏磁信号的噪声干扰问题,在研究了提升小波基本理论原理和特点的基础之上,提出了自适应提升小波的改进算法,并在阈值处理时引入了综合门限阈值法。应用该算法对实际采集的钢丝绳漏磁信号进行去噪处理,并将该去噪效果与现用的传统小波去噪效果进行了比较。仿真结果表明,基于自适应提升小波方法的方案比传统小波变换有更好的去噪效果。     

小波阈值去噪在传感器性能试验数据处理中的应用

在传感器性能测试中,采样的信号经常受到各种噪声的干扰和污染,不能准确反映设备的运行状态,不宜直接用于数据处理与分析。为了对试验数据进行去噪预处理,根据具体传感器性能试验数据的特点,运用小波变换方法,确定了适合的小波去噪参数。引入重构因子比较几种常用的小波基,应用Matlab对仿真信号进行小波阈值去噪处理,依据平滑度确定了分解层数,为传感器性能试验数据预处理提供了的一种有效的小波阈值去噪方法。     

基于稀疏分解的轨道移频信号去噪算法研究

随着我国铁路的高速发展,轨道移频信号的检测译码技术受到广泛关注;然而实际采集的轨道移频信号不可避免地会混入大量的背景噪声和干扰,因此译码前需要去噪以提高译码的准确性;提出一种基于稀疏分解的轨道移频信号去噪算法,利用移频信号特点构建过完备原子库,采用粗细二阶段匹配追踪算法实现移频信号的噪声去除;将文章算法应用到主流的ZPW-2000轨道移频信号中,结果表明,该算法具有比小波阈值、经验模式分解算法更好的去噪性能,能够有效地去除低信噪比移频信号的噪声,且去噪后译码信噪比可提高10 dB,另外,采用粗细二阶段原子搜索算法显著降低了匹配追踪的运算量,满足实时性要求。     

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.     

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。     

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明：（1）对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;（2）当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。     

基于EMD和SST算法的闪电电场信号去噪研究

为进一步减少噪声对闪电电场信号的干扰,提出了一种经验模态分解(EMD)和同步压缩小波变换(SST)相结合的组合去噪方法。利用EMD算法能够自适应分解信号和SST算法可将噪声压缩为点状噪声或颗粒状噪声并集中分布的特点,从而选用中值滤波达到对噪声的抑制。利用该方法对标准闪电波和自然闪电波信号分别进行去噪处理,并运用信噪比、相关系数和均方误差对去噪效果进行了定量分析。实验结果表明,所提去噪方法相比于传统小波阈值去噪法、单独用EMD算法和单独用SST算法均取得了较好的去噪效果。     

基于EEMD的脉搏信号改进阈值去噪研究

针对脉搏信号的非线性、非平稳特性,及其干扰源的分布特点,提出一种基于聚合经验模态分解(EEMD)和小波阈值去噪的改进算法。根据脉搏信号在各固有模态函数(IMF)上的分布特点,在有效滤除高频干扰的同时,采用网格搜索对低频IMF分量进行阈值选取去噪,有效去除其低频噪声,实现自适应且有效的脉搏信号去噪处理。仿真与实测结果表明,基于EEMD的改进阈值去噪算法可有效滤除脉搏信号中常见的白噪声、工频干扰、基线漂移、呼吸效应,明显改善了脉搏信号的去噪效果,且极大程度地保留了脉搏信号的内在性质,为脉搏信号预处理提供了一种有效手段。     

基于小波-EEMD-Adaline网络的容栅传感器信号去噪方法

针对容栅传感器检测的转动轴扭振信号掺杂的环境噪声干扰和自身的电磁噪声干扰使得信噪比低、微弱信号难提取的问题,提出了一种基于小波-EEMD-Adaline自适应线性神经网络去噪方法.该方法对信号进行小波、EEMD、Adaline网络消噪处理,采用三级去噪、噪声过滤、对消来逼近原始信号.用典型加噪超声信号、Doppler信号、Block信号对该方法进行有效性验证,与EEMD、基于小波分解的EEMD去噪效果相比较.实验结果表明,后两种方法信号去噪的SNR提升小(均不到20),而本文方法SNR(RMSE)提升(减小)明显,对于9 dB的Doppler信号SNR提升达90,RMSE从1.038 5降至0.009 5.对容栅电路实测大噪声微弱信号去噪,结果表明,该方法去噪性能更优,去噪后信号光滑性好,波动稳定性强.     

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。     

基于盲源分离的超声信号去噪的仿真研究

提出一种新的基于盲源分离的超声信号去噪方法.为了验证去噪方法的有效性,应用此方法处理了仿真的超声信号,并与小波去噪的效果进行了比较.实验结果表明:该去噪方法能极大提高超声信号的信噪比,且其效果能与小波去噪方法相媲美,其特点是通过超声信号和噪声信号的盲源分离实现噪声消除.     

基于循环维纳滤波的振动信号去噪算法研究

振动信号的去噪需要在滤除噪声的同时尽可能避免相位失真。传统的锐截止低通滤波器或FIR滤波器无法在去噪效果和线性相位之间取得平衡,难以满足振动信号的去噪需求。针对这一问题,将线性相位的维纳滤波算法引入到振动信号的去噪中,并结合振动信号的循环平稳特性,形成了振动信号的循环维纳滤波算法。文中以直接维纳滤波为基础对循环维纳滤波算法的原理进行了深入分析和仿真实现,并基于实测汽轮机振动信号对算法的去噪性能进行了讨论。理论分析及算法仿真表明,循环维纳滤波算法在保证线性相位的前提下有较好的去噪效果,能够解决传统去噪算法所存在的去噪效果与线性相位难以均衡的问题。     

基于奇异值分解和Savitzky-Golay滤波器的信号降噪方法

为降低信号中噪声的干扰,将奇异值分解(SVD)理论和Savitzky-Golay滤波器相结合提出了一种新的降噪方法。该方法首先分析了信号负熵随信噪比变化的规律,而后通过将负熵作为降噪效果的评估参数,确定了SVD降噪过程中构造的Hankel矩阵的最优维数;其次采用Savitzky-Golay滤波器对用于重构信号的奇异值进行了平滑滤波处理,并分析了Savitzky-Golay滤波器结构对降噪效果的影响,最后通过定义误差函数确定了Savitzky-Golay滤波器的最优结构。将该方法应用于线性调频信号和多成分周期信号的降噪实验,结果表明:基于SVD和Savitzky-Golay滤波器的降噪方法能有效降低噪声干扰,是一种有效的信号降噪方法。     

变分模态分解组合广义形态滤波器的MEMS陀螺仪去噪方法

为了更加有效地消除MEMS陀螺仪输出信号存在大量不同类型噪声的同时保留有效信号特征,本文提出了一种变分模态分解(VMD)的多尺度自适应组合广义形态滤波器(CGMF)去噪方法.该方法首先采用VMD将MEMS陀螺仪原始输出信号分解为多个不同尺度的具有特殊稀疏性的一高低频离散带限子信号内模函数(BLIMFs),然后通过选择CGMF中合适的结构元素(SEs)长度和几何结构对上述不同尺度BLIMFs进行自适应去噪处理,最后重建去噪后的BLIMFs获得去噪信号.通过实验验证并与现有的信号去噪方法相比,本方法的主要优点在于:1)解决了CGMF中SEs的长度和几何结构等关键参数的自适应选择问题; 2)针对不同类型噪声均进行了有效的分离和去噪处理.     

基于改进小波包阈值降噪的滚动轴承故障分析

具有非平稳特性的滚动轴承振动信号易受到外界噪声干扰,且传统的小波包硬、软阈值函数降噪方法无法根据信号中的噪声干扰情况自适应调节。因此,提出一种基于排列熵的改进小波包阈值降噪方法,并与自适应噪声的完整集成经验模态分解(CEEMDAN)相结合进行故障信号分析。首先,对采集的滚动轴承故障信号进行改进小波包阈值降噪处理,然后将降噪信号进行CEEMDAN处理,分解得到一系列固有模态分量(IMF),根据相关系数选择IMF,并作包络谱分析。最后对滚动轴承实际振动信号的故障分析,证明了此方法的有效性。     

小波阈值函数旋转机械振动信号去噪方法研究

从强背景噪声中提取出微弱的旋转机械振动故障特征信号一直是技术性难题。针对传统全局阈值函数去噪在阈值处不连续和存在恒定偏差的问题,提出一种改进的小波阈值函数分层去噪方法。首先对旋转机械故障信号去噪中的小波参数进行了筛选,然后采用改进的阈值函数,利用最优小波参数对振动信号进行分层阈值降噪处理。理论仿真和实测结果表明,对比传统阈值去噪方法,该方法能有效去除背景噪声,保留振动信号原貌特征信息,提高信噪比和减小均方根误差,适合非平稳振动信号去噪,为旋转机械故障诊断奠定了信号预处理的基础。     

基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染;为研究冲击信号去噪的问题,针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法;单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息;EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变;对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

基于CEEMD-VMD-SIST算法的sEMG信号降噪方法

实验研究表明,在基于表面肌电信号的手势识别中,由于噪声的存在,识别精度会大大降低;然而,传统的去噪方法由于对高频部分分解不当或模态混叠等问题暴露出缺点;针对传统表面肌电(sEMG)信号降噪方法对高频部分分解不当或频率混叠而导致降噪效果不佳,提出了一种基于互补集合经验模态分解(CEEMD)与变分模态分解(VMD)的滑动区间软阈值(SIST)降噪组合算法(CEEMD-VMD-SIST);首先,通过CEEMD将含噪信号分解为从高频到低频的多个不同本征模态函数(IMF),并根据自相关系数客观界定信号的模态分量范围;然后,对选中的模态分量采用VMD的滑动区间软阈值方法进行分解降噪并与部分剩余模态分量进行重构;实验表明,在不同信噪比下,所提算法的降噪性能与传统降噪方法相比,信噪比与均方根误差均有明显改善,可以更大程度上保留信号的有用信息。